Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do LangGraph a grafických konceptů
- Proč grafy pro aplikace LLM: orchestrace oproti jednoduchým řetězcům.
- Uzly, hrany a stav v LangGraph.
- Hello LangGraph: první spustitelný graf.
Řízení stavu a řetězení promptů
- Navrhování promptů jako grafových uzlů.
- Předávání stavu mezi uzly a zpracování výstupů.
- Vzory paměti: krátkodobý vs. trvalý kontext.
Větvení, řízení toku a zpracování chyb
- Kondiční směrování a vícepohoutové pracovní postupy.
- Opakované pokusy (retries), časové limity a strategie náhradních řešení.
- Idempotence a bezpečné opakování běhů.
Nástroje a externí integrace
- Volání funkcí/nástrojů z grafových uzlů.
- Komunikace s REST API a službami přímo v grafu.
- Práce se strukturovanými výstupy.
Pracovní postupy s vyhledáváním (Retrieval-Augmented)
- Základy příjmu dokumentů a jejich dělení na fragmenty (chunking).
- Vektorové vklady a vektorová databáze (např. ChromaDB).
- Odpovídání s odvoláním na zdroje.
Testování, ladění a vyhodnocování
- Jednotkové testy pro uzly a cesty grafu.
- Sledování a monitoring (tracing a observability).
- Kontrola kvality: faktičnost, bezpečnost a determinismus.
Základy balení a nasazení
- Nastavení prostředí a správa závislostí.
- Spravování grafů za pomocí API.
- Verzování pracovních postupů a postupné aktualizace.
Shrnutí a další kroky
Požadavky
- Uchopení základů programování v Pythonu.
- Zkušenosti s REST API nebo příkazovou řádkou (CLI).
- Znalost konceptů LLM a principů prompt engineeringu.
Cílová skupina
- Vývojáři a softwaroví inženýři, kteří teprve přicházejí k řízení LLM na bázi grafů.
- Tvůrci promptů a nováčci v oblasti AI, kteří budují vícekrokové aplikace LLM.
- Pracovníci s daty, kteří zkoumají automatizaci pracovních postupů pomocí LLM.
14 Hodiny
