Đề cương khóa học

LangGraph và Mô hình Agents: Một Sơ lược Thực tế

  • Đồ thị so với chuỗi tuyến tính: khi nào và tại sao
  • Agents, công cụ và vòng lặp quy hoạch-thực thi
  • Xin chào luồng công việc: một đồ thị agentic tối thiểu

Bộ nhớ, Trạng thái và Truyền ngữ cảnh

  • Thiết kế trạng thái đồ thị và giao diện nút
  • Bộ nhớ ngắn hạn so với bộ nhớ được lưu trữ
  • Cửa sổ ngữ cảnh, tóm tắt và tái tạo

Logic Nhánh và Điều khiển Dòng Chảy

  • Định tuyến điều kiện và quyết định đa đường
  • Thử lại, thời gian chờ và circuit breakers
  • Cơ chế dự phòng, điểm cuối và các nút khôi phục

Sử dụng Công cụ và Tích hợp Ngoại vi

  • Gọi hàm/công cụ từ nút và agents
  • Tiêu thụ REST APIs và cơ sở dữ liệu từ đồ thị
  • Xử lý và kiểm tra đầu ra có cấu trúc

Các Luồng Công việc Agents Tăng cường Bằng Thu thập Thông tin

  • Thu nhận tài liệu và chiến lược chia nhỏ
  • Nhúng và kho vectơ với ChromaDB
  • Phản hồi có căn cứ với trích dẫn và biện pháp an toàn

Đánh giá, Gỡ lỗi và Quan sát

  • Theo dõi đường đi và kiểm tra tương tác giữa các nút
  • Bộ sưu tập mẫu, đánh giá và kiểm thử hồi quy
  • Chất lượng, an toàn và theo dõi chi phí/độ trễ

Gói và Phân phối

  • Serving với FastAPI và quản lý phụ thuộc
  • Phiên bản đồ thị và chiến lược lùi lại
  • Những quy trình hoạt động và phản hồi sự cố

Tổng kết và Bước Tiếp theo

Yêu cầu

  • Kiến thức làm việc với Python
  • Kinh nghiệm xây dựng ứng dụng LLM hoặc chuỗi prompt
  • Thành thạo REST APIs và JSON

Đối tượng Học viên

  • Kỹ sư AI
  • Quản lý sản phẩm
  • Nhà phát triển xây dựng hệ thống LLM tương tác
 14 Giờ học

Số người tham gia


Giá cho mỗi người tham gia

Các khóa học sắp tới

Các danh mục liên quan