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.
Czas trwania 14 godzin
Plan Szkolenia
LangGraph i wzorce agentowe: praktyczne wprowadzenie
- Grafy a łańcuchy liniowe: kiedy i dlaczego
- Agenci, narzędzia i pętle planista-wykonawca
- Przepływ pracy "Hello": minimalny graf agentowy
Stan, pamięć i przekazywanie kontekstu
- Projektowanie stanu grafu i interfejsów węzłów
- Pamięć krótkotrwała a pamięć trwała
- Okna kontekstu, podsumowywanie i przywracanie stanu
Logika rozgałęzień i przepływ sterowania
- Routing warunkowy i decyzje wielościeżkowe
- Ponowienia prób, limity czasu i wyłączniki obwodowe
- Mechanizmy awaryjne, ślepe zaułki i węzły odzyskiwania
Korzystanie z narzędzi i integracje zewnętrzne
- Wywoływanie funkcji i narzędzi z węzłów i agentów
- Korzystanie z interfejsów API REST i baz danych w grafie
- Parsowanie i walidacja ustrukturyzowanych wyników
Agentowe przepływy pracy wspomagane wyszukiwaniem
- Strategie pozyskiwania dokumentów i podziału na fragmenty
- Osadzenia i magazyny wektorowe z ChromaDB
- Odpowiedzi ugruntowane z cytatami i zabezpieczeniami
Ewaluacja, debugowanie i obserwowalność
- Śledzenie ścieżek i inspekcja interakcji między węzłami
- Zestawy wzorcowe, ewaluacje i testy regresyjne
- Monitorowanie jakości, bezpieczeństwa oraz kosztów i opóźnień
Pakowanie i wdrażanie
- Serwowanie przez FastAPI i zarządzanie zależnościami
- Wersjonowanie grafów i strategie wycofywania zmian
- Podręczniki operacyjne i reagowanie na incydenty
Podsumowanie i dalsze kroki
Wymagania
- Praktyczna znajomość Pythona
- Doświadczenie w budowaniu aplikacji LLM lub łańcuchów promptów
- Znajomość interfejsów API REST i formatu JSON
Grupa docelowa
- Inżynierowie AI
- Menedżerowie produktu
- Programiści budujący interaktywne systemy oparte na LLM
