Liên hệ với chúng tôi

Đề cương khóa học

Giới thiệu về LangGraph và các khái niệm đồ thị

  • Tại sao sử dụng đồ thị cho ứng dụng LLM: điều phối so với chuỗi đơn giản
  • Các nút, cạnh và trạng thái trong LangGraph
  • Xin chào LangGraph: đồ thị chạy được đầu tiên

Quản lý trạng thái và chuỗi prompt

  • Thiết kế prompt dưới dạng các nút đồ thị
  • Chuyển trạng thái giữa các nút và xử lý đầu ra
  • Mẫu bộ nhớ: ngữ cảnh ngắn hạn so với dài hạn (lưu trữ lâu dài)

Phân nhánh, luồng điều khiển và xử lý lỗi

  • Định tuyến có điều kiện và quy trình đa đường
  • Thử lại, giới hạn thời gian và chiến lược dự phòng
  • Tính bất biến và khả năng chạy lại an toàn

Công cụ và tích hợp bên ngoài

  • Gọi hàm/công cụ từ các nút đồ thị
  • Gọi API REST và dịch vụ trong đồ thị
  • Xử lý đầu ra có cấu trúc

Quy trình tăng cường truy xuất

  • Nhập tài liệu và kỹ thuật phân đoạn cơ bản
  • Vector nhúng và kho dữ liệu vector (ví dụ: ChromaDB)
  • Trả lời có căn cứ với trích dẫn

Kiểm thử, gỡ lỗi và đánh giá

  • Tests kiểu đơn vị cho các nút và đường đi
  • Theo dõi và quan sát
  • Kiểm tra chất lượng: tính chính xác, an toàn và tính xác định

Nền tảng đóng gói và triển khai

  • Cài đặt môi trường và quản lý phụ thuộc
  • Phục vụ đồ thị qua API
  • Quản lý phiên bản quy trình và cập nhật dần

Tổng kết và các bước tiếp theo

Yêu cầu

  • Hiểu biết về lập trình Python cơ bản
  • Kinh nghiệm sử dụng API REST hoặc công cụ CLI
  • Quen thuộc với các khái niệm LLM và nguyên tắc cơ bản của kỹ thuật prompt

Đối tượng

  • Nhà phát triển và kỹ sư phần mềm mới làm quen với việc điều phối LLM dựa trên đồ thị
  • Kỹ sư prompt và người mới bắt đầu với AI đang xây dựng ứng dụng LLM đa bước
  • Chuyên gia dữ liệu đang khám phá khả năng tự động hóa quy trình với LLM
 14 Giờ

Số người tham gia


Giá cho mỗi học viên

Các khóa học sắp tới

Các danh mục liên quan