Kursplan

Avancerad LangGraph-arkitektur

  • Mönster för grafstruktur: noder, kanter, routrar, delgrafer
  • Tillståndsmodellering: kanaler, meddelandeförflyttning, persistence
  • DAG vs cykliska flöden och hierarkisk sammansättning

Prestanda och optimering

  • Mönster för parallellism och samtidighet i Python
  • Caching, batching, verktygsanrop och strömning
  • Kostnadskontroll och tokenbudgeteringsstrategier

Tillförlitlighetsingenjörskonst

  • Upprepningar, tidsgränser, backoff och kretsbrytare
  • Idempotens och dedublering av steg
  • Checkpointing och återhämtning med hjälp av lokala eller molnlagringar

Felsökning av komplexa grafer

  • Steg-för-steg-exekvering och torkkörningar
  • Inspektion av tillstånd och händelsespårning
  • Återskapa produktionsproblem med frön och fixar

Observabilitet och övervakning

  • Strukturerad loggning och distribuerad spårning
  • Operativa mätvärden: fördröjning, tillförlitlighet, tokenanvändning
  • Instrumentpaneler, varningar och SLO-följning

Distribution och drift

  • Paketering av grafer som tjänster och containrar
  • Konfigurationshantering och hantering av hemligheter
  • CI/CD-pipelines, distributioner och canaries

Kvalitet, testning och säkerhet

  • Enhets-, scenariotester och automatiserade evalueringsramverk
  • Vägledning, innehållsfiltering och hantering av PII
  • Red teaming och kaosexperiment för robusthet

Sammanfattning och nästa steg

Krav

  • Kunskaper i Python och asynkron programmering
  • Erfarenhet av utveckling av LLM-applikationer
  • Kännedom om grundläggande LangGraph eller LangChain-koncept

Målgrupp

  • AI-plattformingenjörer
  • DevOps för AI
  • ML-arkitekter som hanterar produktionssystem för LangGraph
 35 timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier