Kurzusleírás

LangGraph és a grafkoncepciók bemutatása

  • Miért grafik LLM alkalmazásokhoz: irányítás vs. egyszerű láncok
  • Csomópontok, élek és állapot a LangGraph-ben
  • Üdv LangGraph: első futtatható graf

Állapotkezelés és prompt-láncolás

  • Promptok tervezése graf-csomópontokként
  • Állapot átadása csomópontok között és kimenetek kezelése
  • Memóriaminták: rövidtávú vs. tartós kontextus

Ágazás, vezérlésfolyam és hiba kezelés

  • Feltételes útvonalak és többutas munkafolyamatok
  • Újrakísérletek, időkorlátok és visszaesési stratégiák
  • Idempotencia és biztonságos újraindítások

Eszközök és külső integrációk

  • Függvények/eszközök hívása graf-csomópontokból
  • REST API-k és szolgáltatások hívása a grafban
  • Szerkezetes kimenetek kezelése

Lehívás-augmentált munkafolyamatok

  • Dokumentum beolvasás és szétbontás alapjai
  • Becsomagolások és vektor tárolók (pl. ChromaDB)
  • Hivatkozott válaszadás forrásmegjelölésekkel

Tesztelés, hibakeresés és értékelés

  • Egység-típusú tesztek csomópontok és útvonalak számára
  • Nyomonkövetés és figyelhetőség
  • Minőségi ellenőrzések: tényszerűség, biztonság és determinizmus

Csomagolás és telepítési alapelvek

  • Környezeti beállítás és függőségek kezelése
  • Grafok szolgáltatása API-k mögött
  • Munkafolyamatok verziókönyvelése és fokozatos frissítések

Összegzés és következő lépések

Követelmények

  • Az alapvető Python programozás ismerete
  • REST API-k vagy CLI eszközök tapasztalata
  • Ismeret az LLM koncepciókról és a prompt engineering alapjairól

Audience

  • Fejlesztők és szoftvermérnökök, akik ismeretlenek a grafon alapuló LLM-ök vezérlésével
  • Prompt mérnökök és AI kezdők, akik több lépésből álló LLM alkalmazásokat építenek
  • Adatpraktikusok, akik automatizálják a folyamatokat LLM-ökkel
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák