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 agentów: praktyczne wprowadzenie
- Grafy vs. łańcuchy liniowe: kiedy i dlaczego
- Agenci, narzędzia i pętle planista-wykonawca
- Hello workflow: minimalny graf agentowy
Stan, pamięć i przekazywanie kontekstu
- Projektowanie stanu grafu i interfejsów węzłów
- Pamięć krótkotrwała vs. pamięć trwała
- Okna kontekstowe, podsumowania i rehydratacja
Logika rozgałęzień i przepływ sterowania
- Warunkowe routowanie i decyzje wielościeżkowe
- Ponawianie prób, limity czasu i wyłączniki awaryjne
- Mechanizmy awaryjne, ślepe zaułki i węzły odzyskiwania
Użycie narzędzi i integracje zewnętrzne
- Wywoływanie funkcji/narzędzi z węzłów i agentów
- Korzystanie z REST API i baz danych z poziomu grafu
- Przetwarzanie i walidacja strukturalnych wyników
Przepływy pracy agentów wzbogacone o wyszukiwanie
- Strategie pozyskiwania i dzielenia dokumentów
- Embeddingi i magazyny wektorowe z ChromaDB
- Uzasadnione odpowiedzi z cytatami i zabezpieczeniami
Ewaluacja, debugowanie i obserwowalność
- Śledzenie ścieżek i inspekcja interakcji węzłów
- Złote zestawy, ewaluacje i testy regresji
- Monitorowanie jakości, bezpieczeństwa oraz kosztów/opóźnień
Pakowanie i dostarczanie
- Obsługa FastAPI i zarządzanie zależnościami
- Wersjonowanie grafów i strategie wycofywania
- Podręczniki operacyjne i reagowanie na incydenty
Podsumowanie i kolejne kroki
Wymagania
- Znajomość Pythona na poziomie praktycznym
- Doświadczenie w budowaniu aplikacji LLM lub łańcuchów promptów
- Znajomość REST API i JSON
Grupa docelowa
- Inżynierowie AI
- Menedżerowie produktów
- Programiści budujący interaktywne systemy oparte na LLM
14 godzin