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: Praktyczny wprowadzenie
- Grafy a łańcuchy liniowe: kiedy i dlaczego
- Agenci, narzędzia i pętle planista-wykonywawca
- Przepływ przywitania: minimalny graf agentowy
Stan, pamięć i przekazywanie kontekstu
- Projektowanie stanu grafu i interfejsów węzłów
- Pamięć krótkoterminowa a trwałe pamięci
- Okna kontekstowe, podsumowania i przywracanie stanu
Logika rozgałęzień i przepływ sterowania
- Warunkowe kierowanie strumienia i decyzje wielościeżkowe
- Powtórzenia, przekroczenia limitu czasu i obwody rozłączające
- Mechanizmy awaryjne, ślepe uliczki i węzły odzyskiwania
Korzystanie z narzędzi i integracje zewnętrzne
- Wywoływanie funkcji/narzędzi z węzłów i agentów
- Konsumpcja REST API i baz danych z grafu
- Analiza i walidacja strukturalizowanego wyjścia
Przepływy agentowe z wzmocnionym wyszukiwaniem
- Ingestia dokumentów i strategie dzielenia na kawałki
- Wektory i pamięci wektorowe z użyciem ChromaDB
- Odpowiedzi oparte na źródłach z cytacjami i zabezpieczeniami
Ocena, debugowanie i obserwowalność
- Śledzenie ścieżek i inspekcja interakcji węzłów
- Zestawy testowe, oceny i testy regresyjne
- Monitorowanie jakości, bezpieczeństwa, kosztów i opóźnień
Pakowanie i wdrażanie
- Obsługa za pomocą FastAPI i zarządzanie zależnościami
- Wersjonowanie grafów i strategie wycofywania
- Zbiory procedur operacyjnych i reagowanie na incydenty
Podsumowanie i następne kroki
Wymagania
- Znajomość praktycznego stosowania Pythona
- Doświadczenie w budowaniu aplikacji LLM lub łańcuchów promptów
- Znajomość REST API oraz formatu JSON
Grupa docelowa
- Inżynierowie AI
- Menedżerowie produktowi
- Programiści tworzący interaktywne systemy oparte na LLM