Kontaktirajte nas
 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

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije