Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 14 ore
Schița de curs
LangGraph și modele de agenți: O introducere practică
- Grafi vs. lanțuri liniare: când și de ce
- Agenți, tool-uri și bucle de tip planner-executor
- Primul workflow: un graf agentic minim
Stare, memorie și transmiterea contextului
- Proiectarea stării grafului și a interfețelor de noduri
- Memorie pe termen scurt vs. memorie persistată
- Ferele de context, sumarizare și rehidratare
Logica de ramificare și controlul fluxului
- Rutare condițională și decizii multi-cale
- Retry-uri, timeout-uri și circuit breakers
- Fallback-uri, căi fără ieșire și noduri de recuperare
Utilizarea tool-urilor și integrări externe
- Apartularea funcțiilor/tool-urilor din noduri și agenți
- Consumul de API-uri REST și baze de date din graf
- Parse și validare a ieșirilor structurate
Workflows de agenți cu retrieval-augmented
- Ingestia documentelor și strategii de chunking
- Embeddings și stocare vectorială cu ChromaDB
- Răspunsuri fundamentate cu citate și măsuri de siguranță
Evaluare, debug și observabilitate
- Trasarea căilor și inspecționarea interacțiunilor de noduri
- Seturi gold, evaluări și teste de regresie
- Monitorizarea calității, siguranței și a costurilor/latenței
Empachetare și livrare
- Servire cu FastAPI și gestionarea dependențelor
- Versionarea grafului și strategii de rollback
- Playbook-uri operaționale și răspunsul la incidente
Rezumat și pașii următori
Cerințe
- Cunoaștere practică a Python
- Experiență în construirea de aplicații cu LLM-uri sau lanțuri de prompt-uri
- Familiaritate cu API-urile REST și JSON
Public țintă
- Ingineri AI
- Manageri de produs
- Dezvoltatori care construiesc sisteme interactive conduse de LLM-uri