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 Agens Mintázatok: Gyakorlati Bevezetés
- Gráfok vs. lineáris láncok: mikor és miért
- Agensek, eszközök és tervező-végrehajtó hurkok
- Hello munkafolyamat: egy minimális agens gráf
Állapot, Memória és Kontextus Továbbítás
- Gráf állapot és csomópont interfészek tervezése
- Rövid távú memória vs. perzisztens memória
- Kontextus ablakok, összefoglalás és újratöltés
Elágazó Logika és Vezérlési Folyamat
- Feltételes útválasztás és többutas döntések
- Újrapróbálkozások, időkorlátok és áramköri megszakítók
- Tartalék megoldások, zsákutcák és helyreállító csomópontok
Eszközhasználat és Külső Integrációk
- Funkció/eszköz hívás csomópontokból és agensekből
- REST API-k és adatbázisok felhasználása a gráfból
- Strukturált kimenet elemzés és érvényesítés
Lekérdezés-Bővített Agens Munkafolyamatok
- Dokumentum feldolgozás és darabolási stratégiák
- Beágyazások és vektor tárolók a ChromaDB-vel
- Alátámasztott válaszok hivatkozásokkal és biztonsági intézkedésekkel
Értékelés, Hibakeresés és Megfigyelhetőség
- Útvonalak nyomon követése és csomópont interakciók vizsgálata
- Golden halmazok, értékelések és regressziós tesztek
- Minőség, biztonság és költség/késleltetés monitorozás
Csomagolás és Szállítás
- FastAPI szolgáltatás és függőségkezelés
- Gráfok verziószámozása és visszaállítási stratégiák
- Operatív forgatókönyvek és incidenskezelés
Összefoglalás és Következő Lépések
Követelmények
- Munkaközi ismeretek a Python nyelvben
- Tapasztalat LLM alkalmazások vagy prompt láncok építésében
- Ismeret a REST API-k és a JSON formátummal
Célközönség
- AI mérnökök
- Termék menedzserek
- Fejlesztők, akik interaktív LLM-alapú rendszereket építenek
14 Órák