Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
LangGraph i wzorce agenta: praktyczny przewodnik
- Grafy vs. liniowe łańcuchy: kiedy i dlaczego
- Agenci, narzędzia i pętle planista-wykonawca
- Hello workflow: minimalny graficzny agent
Stan, pamięć i przekazywanie kontekstu
- Projektowanie stanu grafu i interfejsów węzłów
- Krótka pamięć vs. pamięć zapisana
- Okna kontekstu, podsumowywanie i rehydracja
Logika rozgałęzienia i przepływ sterowania
- Warunkowe routowanie i wielościeżkowe decyzje
- Powtórzenia, czas oczekiwania i wyłączniki obwodu
- Rezerwy, ślepe uliczki i węzły odzyskiwania
Używanie narzędzi i zewnętrznych integracji
- Wyzwalanie funkcji/narzędzi z węzłów i agentów
- Używanie API REST i baz danych z grafu
- Parsowanie i walidacja złożonych wyjść
Przepływy pracy agentów z wzbogaconym odzyskiwaniem
- Strategie pobierania i fragmentowania dokumentów
- Osadzenia i magazyny wektorowe z ChromaDB
- Zagwarantowane odpowiedzi z cytowaniami i zabezpieczeniami
Ocena, debugowanie i obserwowalność
- Śledzenie ścieżek i inspekcja interakcji węzłów
- Zbiory referencyjne, oceny i testy regresyjne
- Monitorowanie jakości, bezpieczeństwa i kosztu/opóźnienia
Pakowanie i dostarczanie
- Serwowanie FastAPI i zarządzanie zależnościami
- Wersjonowanie grafu i strategie cofania
- Operacyjne podręczniki i odpowiedź na incydenty
Podsumowanie i następne kroki
Wymagania
- Znajomość Pythona
- Doświadczenie w budowaniu aplikacji LLM lub łańcuchów poleceń
- Znałość API REST i JSON
Grupa docelowa
- Inżynierowie AI
- Menadżerowie produktów
- Developerzy budujący interaktywne systemy napędzane przez LLM
14 godzin