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

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie