Tvorba dynamických workflow pomocí LangGraph a LLM agentů Počítačový Kurz

LangGraph a vzory agentů: Praktické základy

• Grafy vs. lineární řetězce: kdy a proč
• Agenti, nástroje a smyčky plánovače a proveditele
• Ahoj workflow: minimální agentní graf

Stav, paměť a předávání kontextu

• Navrhování stavu grafu a rozhraní uzlů
• Krátkodobá paměť vs. perzistentní paměť
• Kontextová okna, shrnutí a rehydratace

Větvící logika a řízení toku

• Podmíněné směřování a rozhodování o více cestách
• Opakování, timeouthy a pojistné rozebíráče (circuit breakers)
• Náhradní cesty, slepé ulice a uzly obnovení

Používání nástrojů a externí integrace

• Volání funkcí/nástrojů z uzlů a agentů
• Používání REST API a databází z grafu
• Parsování a validace strukturovaného výstupu

Workflow agentů s rozšířením pomocí získávání informací (Retrieval-Augmented)

• Příjem dokumentů a strategie dělení na kousky (chunking)
• Embeddings a vektorové úložiště s ChromaDB
• Odpovědi zakotvené v zdrojích s citacemi a bezpečnostními opatřeními

Evalrování, ladění a pozorovatelnost (observability)

• Sledování cest a zkoumání interakcí uzlů
• Zlaté sady (golden sets), evalrování a regresní testy
• Sledování kvality, bezpečnosti, nákladů a latence

Balíkování a dodání

• Servisování pomocí FastAPI a správa závislostí
• Verzování grafů a strategie vrácení (rollback)
• Operační manuály (playbooks) a reakce na incidenty

Shrnutí a další kroky