Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
LangGraph și modele de agent: Un ghid practic
- Grafice vs lanțuri liniiare: când și de ce
- Agenti, instrumente și bucle planificator-executor
- Hello workflow: un graf minim de agenti
Stare, memorie și transmiterea contextului
- Dizajnarea stării grafului și interfețelor nodurilor
- Memorie pe termen scurt vs. memorie persistată
- Fereastră de context, rezumat și rehidratare
Logică cu ramificații și flux control
- Rutare condițională și decizii multiple
- Reîncercări, timpuri de timeout și circuit breakers
- Opțiuni secundare, începe-zi și noduri de recuperare
Utilizarea instrumentelor și integrările externe
- Apele de funcție/instrumente din noduri și agenti
- Consumul API-urilor REST și baze de date din graf
- Parsare și validare a iesirii structurate
Grafice augmentate de recuperare pentru fluxurile de lucru ale agentului
- Strategii de ingestionare și împărțirea documentelor
- Incarcări și depozite vectoriale cu ChromaDB
- Răspunsuri ancore cu citarea și protejare
Evaluare, depanare și observabilitate
- Urmărirea căilor și inspectarea interacțiunilor nodurilor
- Jocuri de seturi aurii, evaluări și teste de regresie
- Monitorizare a calității, siguranței și costului/latentiei
Amestec și livrare
- Servirea FastAPI și gestionarea dependențelor
- Versiuni ale graficelor și strategii de rollback
- Playbook-uri operaționale și răspuns la incidente
Rezumat și următoarele pași
Cerințe
- Cunoștințe practice cu Python
- Experiență în construirea de aplicații LLM sau lanțuri de prompt-uri
- Familiaritate cu REST APIs și JSON
Publicul țintă
- Inginerii AI
- Managerii de produs
- Developerii care construiesc sisteme interactiv LLM-driven
14 ore