Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 14 hodiny
Návrh Školení
Úvod do LangGraph a grafových konceptů
- Proč grafy pro aplikace LLM: orchestrace vs. jednoduché řetězce
- Uzly, hrany a stav v LangGraph
- Ahoj LangGraph: první spustitelný graf
Správa stavu a řetězení promptů
- Návrh promptů jako grafových uzlů
- Přenos stavu mezi uzly a zpracování výstupů
- Vzorové postupy paměti: krátkodobá vs. perzistentní kontext
Větvění, řízení toku a ošetření chyb
- Kondicionální směrování a vícestupňové pracovní postupy
- Opakování pokusů (retries), časové limity a strategiky záloh
- Idempotence a bezpečné znovuspouštění
Nástroje a externí integrace
- Voly funkcí/nástrojů z grafových uzlů
- Voly REST API a služeb uvnitř grafu
- Práce se strukturovanými výstupy
Postupy zesílené načítáním (Retrieval-Augmented Workflows)
- Základy ingestion dokumentů a rozdělování na kousky (chunking)
- Embeddings a vektorové úložiště (např. ChromaDB)
- Odpovědi založené na faktů s citacemi
Testování, ladění a vyhodnocování
- Testy ve stylu jednotkových pro uzly a cesty
- Sledování (tracing) a pozorovatelnost (observability)
- Kontrola kvality: faktičnost, bezpečnost a determinismus
Základy balení a nasazování
- Nastavení prostředí a správa závislostí
- Serve grafů za API
- Verzování pracovních postupů a postupné aktualizace
Shrnutí a další kroky
Požadavky
- Pochopení základního programování v Pythonu
- Zkušenost s REST API nebo nástroji CLI
- Znalost konceptů LLM a základů prompt inženýrství
Cílová skupina
- Vývojáři a softwarové inženýry, kteří se nově seznámili s grafovou orchestrací LLM
- Prompt inženýři a nováčky v AI, kteří staví vícekrokové aplikace LLM
- Profesionálové v oblasti dat, kteří zkoumají automatizaci pracovních postupů pomocí LLM
