Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
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