Kerangka Materi

LangGraph dan Pola Agent: Pedoman Praktis

  • Graf vs. rantai linear: kapan dan mengapa
  • Agents, tools, dan loop planner-executor
  • Hello workflow: sebuah graf minimal agentic

State, Memori, dan Penyampaian Konteks

  • Mendesain state graf dan antarmuka node
  • Memori jangka pendek vs. memori yang ditetapkan
  • Jendela konteks, ringkasan, dan rehidrasi

Logika Cabang dan Aliran Kontrol

  • Penentuan rute kondisional dan keputusan multi-path
  • Penyesuaian ulang, timeout, dan breaker sirkuit
  • Jalan buntu, dead-end, dan node pemulihan

Pemakaian Tools dan Integrasi Eksternal

  • Pemanggilan fungsi/tools dari node dan agents
  • Pengkonsumsi REST API dan database dari graf
  • Parsing dan validasi output terstruktur

Workflow Agents dengan Penambahan Pengambilan

  • Strategi pengambilan dan pemotongan dokumen
  • Embeddings dan vector stores dengan ChromaDB
  • Jawaban yang terpaku dengan sitasi dan pelindung

Evaluasi, Pembugian, dan Kejelasan

  • Melacak jalur dan memeriksa interaksi node
  • Golden sets, evaluasi, dan uji regresi
  • Pemantauan kualitas, keselamatan, dan biaya/latensi

Pemaketan dan Pengiriman

  • Pelayanan FastAPI dan manajemen dependensi
  • Pengversian graf dan strategi rollback
  • Buku petunjuk operasi dan respon insiden

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang Python
  • Pengalaman membangun aplikasi LLM atau rantai prompt
  • Kenalan dengan REST APIs dan JSON

Sasaran

  • Ahli teknologi kecerdasan buatan
  • Manajer produk
  • Pembangun sistem interaktif yang didukung LLM
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait