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

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák