Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
LangGraph és Ügynminta: Gyakorlati Bevezető
- Gráfok vs. lineáris láncok: mikor és miért
- Ügynökök, eszközök és tervezés-végrehajtás ciklusok
- Ügynöki gráf: a minimalista munkamenet
Állapot, Memória és Kontextusátadás
- Gráfállapot és csomóponti felületek tervezése
- Rövidtávú memóriák vs. tartós memóriák
- Kontextusablakok, összegzés és újraélesztés
Ágfüggő Logika és Vezérlési Folyam
- Feltételes útvonalak és többútvonalos döntések
- Újrapróbálkozások, időkifutások és áramkörmegakadályozók
- Hibajavítók, halálsíkok és helyreállítási csomópontok
Eszközhasználat és Külső Integrációk
- Függvények/eszközök hívása csomópontokból és ügynökökből
- REST API-k és adatbázisok fogyasztása a gráfból
- Szerkesztett kimenet elemzése és érvényesítése
Lehozás-Álló Ügynőmunkamenetek
- Dokumentum beolvasás és darabolási stratégiák
- Beágyazások és vektor tárolók ChromaDB-vel
- Alapozott válaszok hivatkozásokkal és védőmechanizmusokkal
Értékelés, Hibakeresés és Láthatóvá Tétel
- Útvonalak követése és csomóponti interakciók vizsgálata
- Aranyhalmazok, értékelések és regressziós tesztek
- Minőség, biztonság és költség/késleltetés monitorozása
Csomagolás és Szállítás
- FastAPI szolgáltatás és függőségkezelés
- Gráfok verziókövetése és visszaállási stratégiák
- Üzemeltetési útmutatók és incidenskezelés
Összefoglalás és Következő Lépések
Követelmények
- Python programozási ismeretek
- Tapasztalat LLM alkalmazások vagy prompt láncok létrehozásában
- REST API-k és JSON ismerete
A célközönség
- AI mérnökök
- Termékmenedzserek
- Interaktív LLM-hajtott rendszerek fejlesztői
14 Órák