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 grafických konceptů
- Proč grafy pro LLM aplikace: orkestrace vs. jednoduché řetězce
- Uzly, hrany a stav v LangGraph
- Ahoj LangGraph: první spustitelný graf
Správa stavu a řetězení promptů
- Návrh promptů jako grafických uzlů
- Přenášení stavu mezi uzly a zpracování výstupů
- Modely paměti: krátkodobá vs. perzistentní kontext
Větvící se logika, řízení toku a ošetřování chyb
- Podmíněné směrování a vícestupňové workflow
- Znovu spouštění (retries), časové limity (timeouts) a záložní strategie (fallback)
- Idempotence a bezpečné znovuspuštění
Nástroje a externí integrace
- Volaní funkcí/nástrojů z grafických uzlů
- Volaní REST API a služeb v rámci grafu
- Práce se strukturovanými výstupy
Workflow s rozšířeným načítáním (Retrieval-Augmented)
- Základy ingestingu a rozdělování dokumentů (chunking)
- Embeddings a vektorové úložiště (např. ChromaDB)
- Odpovídání s odkazy na zdroje (citations)
Testování, ladění a vyhodnocování
- Testy typu unit pro uzly a cesty
- Sledování (tracing) a pozorovatelnost (observability)
- Kontroly kvality: faktičnost, bezpečnost a determinismus
Základy balíčkování a nasazování
- Nastavení prostředí a správa závislostí
- Sloužení s grafy za API
- Verzování workflow a postupné aktualizace (rolling updates)
Shrnutí a další kroky
Požadavky
- Znalosti základů programování v Pythonu
- Zkušenosti s REST API nebo nástroji příkazového řádku (CLI)
- S obeznámení s koncepty LLM a základy inženýrství promptů
Cílová skupina
- Vývojáři a softwaroví inženýři, kteří se teprve učí grafické orkestraci LLM
- Inženýři promptů a nováčci ve světě AI stavící vícekrokové LLM aplikace
- Data praktiky zkoumající automatizaci workflow s využitím LLM