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.
Durata 14 ore
Schița de curs
LangGraph și tipare de agenți: Un prim pas practic
- Graful vs. lanțuri liniare: când și de ce
- Agenți, tool-uri și bucle planner-executor
- Salut workflow: un graf agent minimal
Stare, memorie și transmiterea contextului
- Proiectarea stării grafice și a interfețelor de noduri
- Memoria pe termen scurt vs. memoria persistată
- Fereastră de context, sumarizare și rehidratare
Logica de ramificare și fluxul de control
- Routing condiționat și decizii pe mai multe căi
- Reîncercări, tim-out-uri și circuit breakers
- Fallback-uri, capete de drum și noduri de recuperare
Utilizarea tool-urilor și integrări externe
- Apelarea funcțiilor/tool-urilor din noduri și agenți
- Consumul API-urilor REST și al bazelor de date din graf
- Parcarea și validarea ieșirilor structurate
Workflow-uri de agenți augmentate prin recuperare (RAG)
- Ingerarea documentelor și strategii de fragmentare (chunking)
- Embeddings și stocări vectoriale cu ChromaDB
- Răspunsuri fundamentate, cu citări și mecanisme de protecție
Evaluare, depanare și observabilitate
- Urmărirea traseelor și inspectarea interacțiunilor dintre noduri
- Seturi de referință (golden sets), evaluări și teste de regresie
- Monitorizarea calității, securității și a costului/latenței
Împachetare și livrare
- Servire FastAPI și managementul dependențelor
- Versionarea grafurilor și strategii de rollback
- Playbook-uri operaționale și răspuns la incidente
Rezumat și pași următori
Cerințe
- Cunoștințe practice în Python
- Experiență în construirea aplicațiilor LLM sau a lanțurilor de prompturi
- Familiarizare cu API-urile REST și JSON
Public țintă
- Ingineri AI
- Manageri de produs
- Dezvoltatori care construiesc sisteme interactive conduse de LLM