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.
Varaktighet 14 timmar
Kursplan
Introduktion till LangGraph och grafkoncept
- Varför grafer för LLM-applikationer: orkestrering mot enkla kedjor
- Noder, kanter och tillstånd i LangGraph
- Hello LangGraph: den första körbara grafen
Hantering av tillstånd och promptkedjor
- Designa prompts som grafnoder
- Överföring av tillstånd mellan noder och hantering av utdata
- Minnemönster: korttid kontra persistent kontext
Grenning, styrning och felhantering
- Conditionell routing och arbetsflöden med flera stigar
- Återförsök, tidsgränser och alternativstrategier (fallback)
- Idempotens och säkra återkörningar
Verktyg och externa integrationer
- Anrop av funktioner/verktyg från grafnoder
- Anrop av REST-API:er och tjänster inom grafen
- Arbetet med strukturerad utdata
Arbetsflöden med utökad hämtning (Retrieval-Augmented Workflows)
- Grundläggande insamling och delning av dokument (chunking)
- Embeddings och vektordatabaser (t.ex. ChromaDB)
- Svar med grundläggande referenser (citations)
Testning, felsökning och utvärdering
- Enhetstester för noder och stigar
- Sporring och observability
- Kvalitetskontroller: fakticitet, säkerhet och determinism
Grundläggande paketering och distribution
- Inställning av miljö och hantering av beroenden
- Tillhandahållande av grafter bakom API:er
- Versionhantering av arbetsflöden och rullande uppdateringar
Sammanfattning och nästa steg
Krav
- Förståelse för grundläggande Python-programmering
- Erfarenhet av REST-API:er eller CLI-verktyg
- Kännedom om LLM-koncept och grundläggande principer för prompt-ingenjörskonst
Målgrupp
- Utvecklare och mjukvaruingenjörer som är nya till grafbaserad orkestrering av LLM:er
- Prompt-ingenjörer och nybörjare inom AI som bygger flerstegs LLM-applikationer
- Dataansvariga som utforskar automatisering av arbetsflöden med LLM:er