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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie