Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
Trajanje 14 sati
Sadržaj kursa
Uvod u LangGraph i koncepte grafova
- Zašto grafovi za LLM aplikacije: orkestracija vs. jednostavni lanci
- Čvorovi, ivice i stanje u LangGraphu
- Hej LangGraph: prvi izvršiv graf
Upravljanje stanjem i lančanje promptova
- Dizajniranje promptova kao čvorova grafa
- Prosleđivanje stanja između čvorova i obrada izlaznih podataka
- Šabloni memorije: kratkoročna vs. perzistentni kontekst
Razgranavanje, kontrola toka i rukovanje greškama
- Uslovno usmeravanje i tokovi sa više puteva
- Probni pokreti (retries), istek vremena (timeouts) i strategije rezervnog rešenja (fallback)
- Idempotentnost i sigurni ponovni pokreti
Alati i spoljne integracije
- Pozivanje funkcija/alata iz čvorova grafa
- Pozivanje REST API-ja i servisa unutar grafa
- Rad sa strukturisanim izlaznim podacima
Tokovi rada sa proširenom pretragom (Retrieval-Augmented)
- Uvoz dokumenata i osnove deljenja na fragmente (chunking)
- Embeddingtoni i vektorska skladišta (npr. ChromaDB)
- Odgovori na osnovu izvora sa navodima (citations)
Testiranje, uklanjanje greške i evaluacija
- Testovi jediničnog stila za čvorove i putanje
- Pratioci (tracing) i posmatrajost (observability)
- Provere kvaliteta: činjeničnost, sigurnost i determinizam
Osnove pakovanja i razvijenja
- Podešavanje okruženja i upravljanje zavisnostima
- Osluživanje grafova iza API-ja
- Verzionisanje tokova rada i postepeno ažuriranje (rolling updates)
Zaključak i sledeći koraci
Uslovi
- Razumevanje osnovnog programiranja u Pythonu
- Ispustnost sa REST API-jem ili CLI alatima
- Osvajnost sa konceptima LLM modela i osnovama inženjerije promptinga
Ciljna publika
- Developeri i softverski inženjeri novi u grafskoj orkestraciji LLM modela
- Inženjeri promptinga i početnici u AI koji grade višestepene LLM aplikacije
- Stručnjaci za podatke koji istražuju automatizaciju tokova rada sa LLM modelima