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

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier