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
Introduktion till LangGraph och graffkoncept
- Varför grafer för LLM-appar: orkestration vs enkla kedjor
- Noder, kanter och tillstånd i LangGraph
- Hello LangGraph: första körbara grafen
Hantering av tillstånd och promptkedjor
- Design av prompts som grafnoder
- Överföring av tillstånd mellan noder och hantering av utdata
- Minne: korttidsminne vs. bestående kontext
Grenar, kontrollflöde och felhantering
- Betingat vägval och flervägsarbetsflöden
- Återförsök, tidsgränser och reservstrategier
- Idempotens och säkra omkörningar
Verkyg och externa integreringar
- Funktion/verktygsanrop från grafnoder
- Anrop av REST API:er och tjänster inom grafen
- Arbete med strukturerade utdata
Arbetsflöden med hämtning
- Grunderna för dokumentingest och klumpning
- Inbäddningar och vektorlager (t.ex. ChromaDB)
- Grundade svar med citat
Testning, felsökning och utvärdering
- Enhetsliknande tester för noder och vägar
- Spårning och observabilitet
- Kvalitetskontroller: faktiskhet, säkerhet och determinism
Grunder för förpackning och distribuering
- Miljöinriktning och beroendehantering
- Tjänstgöring av grafer bakom API:er
- Versionering av arbetsflöden och rullande uppdateringar
Sammanfattning och nästa steg
Krav
- Grundläggande kunskaper i Python-programmering
- Erfarenhet av REST APIs eller CLI-verktyg
- Kännedom om LLM-koncept och grundläggande prompt engineering
Målgrupp
- Utvecklare och mjukvaruingenjörer som är nya för grafbaserad LLM-orkestration
- Prompt engineers och AI-nybyggare som bygger flerstegs LLM-appar
- Data-praktiker som utforskar arbetsflödesautomatisering med LLMs
14 timmar