Zkuste nás kontaktovat
 Doba trvání 14 hodiny

Návrh Školení

LangGraph a vzory agentů: Praktický úvod

  • Grafy vs. lineární řetězce: kdy a proč
  • Agenti, nástroje a cykly plánovače-a-executoru (planner-executor)
  • Ahoj, pracovní tok: minimální agentový graf

Stav, paměť a přenos kontextu

  • Navrhování stavu grafu a rozhraní uzlů
  • Krátkodobá paměť vs. perzistentní paměť
  • Okna kontextu, shrnutí a rehydratace (obnovení stavu)

Logika rozvětvení a řízení toku

  • Podmíněné směrování a rozhodování v více cestách
  • Opakování pokusů, časové limity a pojistky (circuit breakers)
  • Záložní mechanismy, slepé uličky a uzly pro obnovení

Využívání nástrojů a externí integrace

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

Pracovní toky agentů se zesíleným získáváním informací (RAG)

  • Průběh dokumentů a strategie rozdělování do úseků (chunking)
  • Embeddings a vektorové úložiště s ChromaDB
  • Odpovědi zakotvené v datech s citacemi a ochrannými mechanismy

Hodnocení, ladění a sledovatelnost (observability)

  • Sledování cest a inspekce interakcí uzlů
  • Zlaté sady (golden sets), hodnocení a regrezní testy
  • Sledování kvality, bezpečnosti, nákladů a latence

Balíčkování a dodávka

  • Služby FastAPI a správa závislostí
  • Verzování grafů a strategie rollbacku
  • Operativní příručky a reakce na incidenty

Shrnutí a další kroky

Požadavky

  • Praktické znalosti jazyka Python
  • Zkušenosti s výstavbou aplikací LLM nebo řetězců promptů
  • Poznání REST API a formátu JSON

Cílová skupina

  • Inženýři AI
  • Produktoví manažeři
  • Vývojáři tvářící se s interaktivními systémy poháněnými LLM

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie