Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
LangGraph a vzory agentů: Praktický průvodce
- Grafy vs. lineární řetězce: kdy a proč
- Agenty, nástroje a cykly plánovatele-exekutora
- Hello workflow: minimalizní agentní graf
Stav, paměť a přenos kontextu
- Návrh stavu grafů a rozhraní uzlů
- Krátkodobá paměť vs. trvalá paměť
- Okna kontextu, shrnuta a obnovení
Větvení logiky a řízení toku
- Podmíněné směrování a rozhodnutí vícekročových cest
- Znovupokusy, časové omezení a záchytné obvody
- Náhradní možnosti, mrtvé konce a uzly obnovení
Použití nástrojů a externích integrací
- Volání funkcí/nástrojů z uzlů a agentů
- Spotřeba REST API a databází ze grafu
- Strukturované analýzy výstupů a validace
Augmentované pracovní postupy agenta na základě vyhledávání
- Ingestion dokumentů a strategie rozdělování
- Vložení do vektorových skladů s ChromaDB
- Zakotvené odpovědi se zdrojovými citacemi a ochranami
Hodnocení, ladění a pozorovatelnost
- Sledování cest a prohlížení interakcí uzlů
- Zlaté sady, hodnocení a testy regrese
- Monitorování kvality, bezpečnosti a nákladů/latentnosti
Celoúvodu a doručení
- Servis FastAPI a správa závislostí
- Verzování grafů a strategie vrácení změn
- Operační přijímací materiály a reakce na incidenty
Souhrn a další kroky
Požadavky
- Znalosti v jazyce Python
- Zkušenosti s vytvářením aplikací LLM nebo řetězců dotazů
- Znalosti REST API a JSON
Cílová skupina
- Inženýři AI
- Správci produktů
- Vývojáři interaktivních systémů řízených LLM
14 hodiny