Hubungi Kami

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

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait