Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
LangGraph и модели на агенти: Практичен ръководник
- Графи срещу линейни вериги: кога и защо
- Агенти, инструменти и цикъл планиране-изпълнение
- Здравейте процес: минимален агентен граф
Състояние, памет и прехвърляне на контекст
- Проектиране на състояние на графа и интерфейси на възли
- Краткосрочна памет срещу запазена памет
- Прозорци на контекст, резюмиране и рехидрация
Логика за разклонение и управление на потока
- Условно маршрутизиране и многопътни решения
- Повторения, изтичания на време и прекъсвачи
- Резервни варианти, безизходни ситуации и възстановителни възли
Използване на инструменти и външни интеграции
- Извикване на функции/инструменти от възли и агенти
- Консумиране на REST API и бази данни от графа
- Парсиране и валидиране на структуриран изход
Потокове на агенти с улеснено извличане
- Стратегии за инжектиране и разделяне на документи
- Вмъквания и векторни съхранища с ChromaDB
- Обектни отговори с цитати и предпазни мерки
Оценка, отстраняване на грешки и наблюдаемост
- Следене на пътища и инспекция на взаимодействия на възли
- Златни набори, оценки и тестове за регресия
- Качество, сигурност и мониторинг на разходи/закъснение
Опаковка и доставка
- Обединяване на FastAPI и управление на зависимости
- Версиониране на графи и стратегии за откачване
- Оперативни ръководства и реагиране на инциденти
Резюме и следващи стъпки
Изисквания
- Рабоща знание на Python
- Опит в изграждането на приложения с LLM или вериги от подсказки
- Знание на REST API и JSON
Целева аудитория
- Инженери на ИИ
- Мениджъри на продукти
- Разработчици, изграждащи интерактивни системи, управлявани от LLM
14 часа