Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione a LangGraph e ai concetti dei grafi
- Perché utilizzare grafi per le applicazioni LLM: orchestrazione vs. catene semplici
- Nodi, archi e stato in LangGraph
- Hello LangGraph: primo grafo eseguibile
Gestione dello stato e concatenazione dei prompt
- Progettazione dei prompt come nodi del grafo
- Trasferimento dello stato tra nodi e gestione degli output
- Pattern di memoria: contesto a breve termine vs. contesto persistito
Ramificazione, flusso di controllo e gestione degli errori
- Instradamento condizionale e flussi di lavoro multi-path
- Retry, timeout e strategie di fallback
- Idempotenza ed esecuzione sicura ripetuta
Strumenti e integrazioni esterne
- Chiamata di funzioni/strumenti dai nodi del grafo
- Chiamata di API e servizi REST all'interno del grafo
- Gestione degli output strutturati
Flussi di lavoro basati su Retrieval-Augmented Generation (RAG)
- Fondamenti di ingestione dei documenti e segmentazione (chunking)
- Embedding e database vettoriali (ad esempio, ChromaDB)
- Risposte supportate da evidenze con citazioni
Test, debug e valutazione
- Test di tipo unitario per nodi e percorsi
- Tracciamento (tracing) e osservabilità
- Controlli di qualità: fattualità, sicurezza e determinismo
Fondamenti di packaging e distribuzione
- Configurazione dell'ambiente e gestione delle dipendenze
- Messura in produzione dei grafi dietro le API
- Versioning dei flussi di lavoro e aggiornamenti gradual (rolling updates)
Sintesi e prossimi passi
Requisiti
- Conoscenza di base della programmazione in Python
- Esperienza con API REST o strumenti da riga di comando (CLI)
- Conoscenza dei concetti relativi ai LLM e delle fondamenta dell'ingegneria dei prompt
Pubblico
- Sviluppatori e ingegneri del software che si avvicinano all'orchestrazione di LLM basata su grafi
- Ingegneri di prompt e neofiti dell'intelligenza artificiale che sviluppano applicazioni LLM multi-step
- Professionisti dei dati che esplorano l'automazione dei flussi di lavoro con i LLM
14 ore