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 Agent Minták: Gyakorlati Bevezetés
- Gráfok vs. lineáris láncok: mikor és miért
- Agentek, eszközök és tervező-végrehajtó hurkok
- Hello workflow: egy minimális agentikus 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 Folyam
- Feltételes útválasztás és többutas döntések
- Újrapróbálkozások, időkorlátok és áramkör megszakítók
- Tartalék megoldások, zsákutcák és helyreállítási csomópontok
Eszköz Használat és Külső Integrációk
- Függvény/eszköz hívások csomópontokból és agentekből
- REST API-k és adatbázisok fogyasztása a gráfból
- Strukturált kimenetek elemzése és ellenőrzése
Információlekérdezés-Alapú Agent Munkafolyamatok
- Dokumentum betöltés és darabolási stratégiák
- Beágyazások és vektor tárolók ChromaDB-vel
- Megindokolt 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 használatában
Célközönség
- AI mérnökök
- Termék menedzserek
- Interaktív LLM-alapú rendszereket építő fejlesztők
14 Órák