Návrh Školení

Vstup do LangGraphu a konceptů grafů

  • Proč grafy pro LLM aplikace: orchestrace vs. jednoduché řetězce
  • Uzly, hrany a stav v LangGraphu
  • Ahoj LangGraphu: první spustitelný graf

Správa stavu a propojení promptů

  • Návrh promptů jako uzlů grafu
  • Přenos stavu mezi uzly a zpracování výstupů
  • Vzory paměti: krátkodobé vs. trvalé kontexty

Rozvětvení, řídící tok a správa chyb

  • Podmíněné routing a vícecestné pracovní postupy
  • Překlopení, časové limity a náhradní strategie
  • Idempotentnost a bezpečný opakovací běh

Nástroje a externí integrace

  • Zavolání funkcí/nástrojů z uzlů grafu
  • Zavolání REST API a služeb v rámci grafu
  • Práce s strukturovanými výstupy

Řetězcové pracovní postupy zvyšované při dotazování

  • Základy nahrávání dokumentů a členění na části
  • Vložení vektorových úložiště (např. ChromaDB)
  • Odpovědi s odkazy na zdroje informací

Testování, ladění a hodnocení

  • Jednotkové testy pro uzly a cesty
  • Sledování a přehlednost
  • Kontrola kvality: faktická správnost, bezpečnost a determinismus

Základy balení a nasazení

  • Nastavení prostředí a správa závislostí
  • Servování grafů za API
  • Verzování pracovních postupů a rolových aktualizací

Souhrn a další kroky

Požadavky

  • Požadavky na základní znalosti programování v Pythonu
  • Zkušenosti s REST API nebo nástroji CLI
  • Znalost pojmů a základů LLM a inženýrství promptů

Cílová skupina

  • Vývojáři a softwaroví inženýři noví v oblasti orchestrace na základě grafů LLM
  • Inženýři promptů a začínající AI vytvářející vícekrokové aplikace LLM
  • Praktikové pracující s daty, kteřízkoušejí automatizaci pracovních proudů pomocí LLM
 14 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie