Eğitim İçeriği

LangGraph ve Graf Konseptleri Introduction

  • Neden LLM uygulamaları için graf: orkestrasyon vs. basit zincirler
  • LangGraph'ta düğümler, kenarlar ve durumlar
  • Merkle LangGraph: İlk çalıştırılabilir graf

Durum Yönetimi ve Prompt Zinciri

  • Graf düğümleri olarak prompları tasarlamak
  • Düğümler arasında durumu aktarma ve çıktıyı yönetme
  • Bellek örüntüleri: kısa süreli vs. kalıcı bağlam

Şartlı Akış, Kontrol Akışı ve Hata Yönetimi

  • Şartlı yönlendirme ve çok yolu iş akışları
  • Tekrarlar, zaman aşımı ve geri dönüş stratejileri
  • İdempotency ve güvenli yeniden çalıştırma

Araçlar ve Dış Entegrasyonlar

  • Graf düğümlerinden fonksiyon/araç çağırması
  • GRAF içindeki REST API'leri ve hizmetlerin çağrılması
  • S Yapılandırılmış çıktılarla çalışma

Bulma Yoluyla AUMENTED İş Akışları

  • Döküman emme ve bölme temelleri
  • Embeddings ve vektör depoları (örn. ChromaDB)
  • Kaynak gösterimleriyle dayalı cevaplar

Test, Hata Ayıklama ve Değerlendirme

  • Düğümler ve yollar için birim testleri
  • Takip ve gözlemlenbilirlik
  • Kalite kontrolü: gerçekçilik, güvenlik ve determinizm

Paketleme ve Yayını Temel İlkeleri

  • Ortam kurulumu ve bağımlılık yönetimi
  • API'ler arkasında graf hizmeti sunma
  • Sürüm kontrolü ve sürüm güncelleme

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Temel Python programlama bilgisi
  • REST API'lar veya CLI araçları deneyimi
  • LLM kavramlarıyla ve prompt mühendisliği temelleriyle aşinalık

Hedef Kitle

  • Graph tabanlı LLM orkestrasyonuna yeni başlayan geliştiriciler ve yazılım mühendisleri
  • Birkaç adımlı LLM uygulamaları oluşturan prompt mühendisleri ve AI yepyeni kullanıcılar
  • LLM'lerle iş akışını otomasyonla inceleyen veri uzmanları
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler