Bądźmy w kontakcie
 Czas trwania 14 godzin

Plan Szkolenia

Wprowadzenie do LangGraph i koncepcji grafów

  • Dlaczego grafy w aplikacjach LLM: orkiestracja vs. proste łańcuchy
  • Węzły, krawędzie i stan w LangGraph
  • Witaj LangGraph: pierwszy działający graf

Zarządzanie stanem i łańcuchowanie promptów

  • Projektowanie promptów jako węzłów grafu
  • Przekazywanie stanu między węzłami i obsługa wyników
  • Wzorce pamięci: krótkoterminowa vs. utrwalony kontekst

Rozgałęzienia, sterowanie przepływem i obsługa błędów

  • Warunkowe kierowanie i przepływy z wieloma ścieżkami
  • Ponawianie prób, limity czasu i strategie awaryjne
  • Idempotencja i bezpieczne ponowne uruchomienia

Narzędzia i integracje zewnętrzne

  • Wywoływanie funkcji/narzędzi z węzłów grafu
  • Wywoływanie API REST i usług wewnątrz grafu
  • Praca ze sformatowanymi wyjściami

Przepływy pracy z rozszerzonym pobieraniem danych (Retrieval-Augmented)

  • Podstawy importu dokumentów i ich dzielenia na fragmenty (chunking)
  • Wektory i magazyny wektorowe (np. ChromaDB)
  • Odpowiadanie oparte na źródłach z cytowaniem

Testowanie, debugowanie i ewaluacja

  • Testy jednostkowe węzłów i ścieżek
  • Śledzenie (tracing) i obserwowalność
  • Sprawdzenia jakości: faktuwalność, bezpieczeństwo i determinizm

Podstawy pakowania i wdrażania

  • Konfiguracja środowiska i zarządzanie zależnościami
  • Serwisowanie grafów za pomocą API
  • Wersjonowanie przepływów pracy i aktualizacje rolujące

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość podstaw programowania w Pythonie
  • Doświadczenie z API REST lub narzędziami CLI
  • Znajomość koncepcji LLM i podstaw inżynierii promptów

Grupa docelowa

  • Developerzy i inżynierowie oprogramowania początkujący w orkiestracji LLM opartej na grafach
  • Prompt inżynierowie i nowicjowie w AI budujący wieloetapowe aplikacje LLM
  • Specjaliści od danych eksplorujący automatyzację przepływów pracy za pomocą LLM

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie