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 grafkoncept
- Varför grafer för LLM-applikationer: orchestrering kontra enkla kedjor
- Noder, kanter och tillstånd i LangGraph
- Hej LangGraph: första körbara grafen
Tillståndshantering och promptkedjor
- Designa prompts som grafnoderna
- Överföra tillstånd mellan noder och hantera resultat
- Minnesmönster: korttids- versus långtidskontext
Grenbildning, kontrollflöde och felhantering
- Villkorlig routning och arbetsflöden med flera vägar
- OmFörsök, time-out och fallback-strategier
- Idempotens och säker återkörning
Verktyg och externa integreringar
- Funsktions-/verktygsanrop från grafnoderna
- Anropa REST API:er och tjänster inom grafen
- Arbeta med strukturerade resultat
Hämtningsförstärkta arbetsflöden
- Grundläggande dokumentinmatning och chunking
- Inbäddningar och vektorlagringar (t.ex. ChromaDB)
- Pålitliga svar med citathanvisningar
Testning, felsökning och utvärdering
- Enhetstester för noder och vägar
- Spårning och övervakning
- Kvalitetskontroller: faktabaserad korrekthet, säkerhet och determinism
Packning och grundläggande deployment
- Miljöinställning och hantering av beroenden
- Leverera grafer bakom API:er
- Versionering av arbetsflöden och rullande uppdateringar
Sammanfattning och nästa steg
Krav
- En förståelse för grundläggande Python-programmering
- Erfarenhet av REST API:er eller CLI-verktyg
- Vanor vid LLM-koncept och grunder i promptengineering
Målgrupp
- Utvecklare och mjukvaruingenjörer som är nya vid grafbaserad LLM-orchestrering
- Promptingenjörer och AI-nybörjare som bygger flerstegs-LLM-applikationer
- Dataexperter som utforskar arbetsflödesautomatisering med LLM:er
14 Timmar