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.
Durasi 14 jam
Kerangka Materi
Pengenalan LangGraph dan Konsep Graf
- Mengapa graf untuk aplikasi LLM: orkestrasi vs. rantai sederhana
- Node, edge, dan state di LangGraph
- Hello LangGraph: graf pertama yang dapat dijalankan
Manajemen State dan Rantai Prompt
- Merancang prompt sebagai node graf
- Menyampaikan state antar node dan menangani output
- Polanya memori: jangka pendek vs. konteks yang dipertahankan
Percabangan, Alur Kendali, dan Penanganan Kesalahan
- Routing bersyarat dan alur kerja multi-path
- Retry, timeout, dan strategi fallback
- Idempotensi dan pengulangan yang aman
Alat dan Integrasi Eksternal
- Panggilan fungsi/alat dari node graf
- Memanggil API REST dan layanan di dalam graf
- Working with structured outputs
Alur Kerja Berbantuan Pengambilan (Retrieval-Augmented)
- Dasar-dasar ingest dan chunking dokumen
- Embedding dan vector store (misalnya, ChromaDB)
- Penjawaban berbasis bukti dengan sitasi
Pengujian, Pengdebugan, dan Evaluasi
- Uji gaya unit untuk node dan path
- Tracing dan observability
- Pemeriksaan kualitas: faktualitas, keamanan, dan determinasi
Dasar-dasar Pengemasan dan Peluncuran
- Penyiapan lingkungan dan manajemen dependensi
- Menyediakan graf di balik API
- Versioning alur kerja dan pembaruan berputar (rolling updates)
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman tentang pemrograman Python dasar
- Pengalaman dengan API REST atau alat CLI
- Ketepatan dengan konsep LLM dan dasar-dasar prompt engineering
Audience
- Pengembang dan insinyur perangkat lunak yang baru mengenal orkestrasi LLM berbasis graf
- Prompt engineer dan pemula AI yang membangun aplikasi LLM multi-langkah
- Praktisi data yang mengeksplorasi otomasi alur kerja dengan LLM
