Kurzusleírás

Bevezetés a LangGraph és gráf fogalmakba

  • Miért gráfok az LLM alkalmazásokhoz: vezérlés vs. egyszerű láncok
  • Csomópontok, élek és állapot a LangGraphban
  • Hello LangGraph: első futtatható gráf

Állapotkezelés és Prompt Láncolás

  • Promptok tervezése gráf csomópontokként
  • Állapot átadása csomópontok között és kimenetek kezelése
  • Memória mintázatok: rövid távú vs. tartós kontextus

Elágazás, Vezérlési Folyam és Hibakezelés

  • Feltételes útválasztás és többutas munkafolyamatok
  • Újrapróbálkozások, időtúllépések és tartalék stratégiák
  • Idempotencia és biztonságos újrafuttatások

Eszközök és Külső Integrációk

  • Függvény/eszköz hívás gráf csomópontokból
  • REST API-k és szolgáltatások hívása a gráfon belül
  • Strukturált kimenetek kezelése

Lekérdezés-Alapú Munkafolyamatok

  • Dokumentum betöltés és darabolás alapjai
  • Beágyazások és vektortárolók (pl. ChromaDB)
  • Hivatkozásokkal alátámasztott válaszok

Tesztelés, Hibakeresés és Értékelés

  • Egységtesztek csomópontokra és útvonalakra
  • Nyomkövetés és megfigyelhetőség
  • Minőségellenőrzés: tényiség, biztonság és determinizmus

Csomagolás és Üzembehelyezés Alapjai

  • Környezet beállítása és függőségkezelés
  • Gráfok szolgáltatása API-k mögött
  • Munkafolyamatok verziókezelése és folyamatos frissítések

Összefoglalás és Következő Lépések

Követelmények

  • Alapvető Python programozási ismeretek
  • Tapasztalat REST API-kkal vagy CLI eszközökkel
  • Ismeret az LLM fogalmakkal és a prompt mérnöki alapokkal

Közönség

  • Fejlesztők és szoftvermérnökök, akik újak a gráf alapú LLM vezérlésben
  • Prompt mérnökök és AI újoncok, akik több lépésből álló LLM alkalmazásokat építenek
  • Adatszakértők, akik LLM-ekkel automatizált munkafolyamatokat vizsgálnak
 14 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák