Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan LangGraph dan Konsep Grafik
- Mengapa menggunakan grafik untuk aplikasi LLM: orkestrasi dibandingkan rantai sederhana
- Node, edge, dan state dalam LangGraph
- Hello LangGraph: grafik pertama yang dapat dijalankan
Manajemen State dan Rantai Prompt
- Merancang prompt sebagai node grafik
- Meneruskan state antar node dan menangani output
- Pattern memori: konteks jangka pendek versus konteks tersimpan
Percabangan, Alur Kontrol, dan Penanganan Error
- Rute kondisional dan alur kerja multi-jalur
- Coba ulang, timeout, dan strategi fallback
- Idempotensi dan jalankan ulang yang aman
Alat dan Integrasi Eksternal
- Panggilan fungsi/alat dari node grafik
- Memanggil REST API dan layanan di dalam grafik
- Bekerja dengan output terstruktur
Alur Kerja Berbasis Retrieval Augmented
- Dasar-dasar penyerapan dokumen dan chunking
- Embeddings dan penyimpanan vektor (misalnya, ChromaDB)
- Penjawaban berbasis konteks dengan sitasi
Pengujian, Debugging, dan Evaluasi
- Uji terstruktur untuk node dan jalur
- Tracing dan observabilitas
- Periksa kualitas: faktualitas, keamanan, dan determinisme
Fundamental Pengemasan dan Deployment
- Persiapan lingkungan dan manajemen dependensi
- Melayankan grafik melalui API
- Pembuatan versi alur kerja dan pembaruan bertahap
Rangkuman dan Langkah Selanjutnya
Persyaratan
- Pemahaman dasar tentang pemrograman Python
- Pengalaman dengan REST API atau alat CLI
- Kepahaman tentang konsep LLM dan dasar-dasar rekayasa prompt
Audience
- Pengembang dan insinyur perangkat lunak yang baru mengenal orkestrasi LLM berbasis grafik
- Insinyur prompt dan pemula di bidang AI yang membangun aplikasi LLM multi-langkah
- Praktisi data yang menjelajahi otomatisasi alur kerja dengan LLM
14 Jam