Contattataci
 Durata 14 ore

Struttura del corso

LangGraph e pattern degli agenti: una panoramica pratica

  • Grafi vs catene lineari: quando e perché usarli
  • Agenti, strumenti e cicli planner-esecutore
  • Workflow di benvenuto: un grafo agentico minimale

Stato, memoria e passaggio del contesto

  • Progettazione dello stato del grafo e delle interfacce dei nodi
  • Memoria a breve termine vs memoria persistita
  • Finestre di contesto, sommario e riidratazione

Logica di ramificazione e flusso di controllo

  • Instradamento condizionale e decisioni a più percorsi
  • Ritenti, timeout e circuit breaker
  • Soluzioni di riserva, vie cieche e nodi di recupero

Utilizzo di strumenti e integrazioni esterne

  • Chiamata di funzioni/strumenti da nodi e agenti
  • Consumo di API REST e database dal grafo
  • Analisi e validazione degli output strutturati

Flussi di lavoro degli agenti aumentati da recupero

  • Ingestione documenti e strategie di chunking
  • Embedding e archivi vettoriali con ChromaDB
  • Risposte basate su fonti con citazioni e misure di sicurezza

Valutazione, debuggamento e osservabilità

  • Tracciamento dei percorsi e ispezione delle interazioni tra nodi
  • Set dorati, valutazioni e test di regressione
  • Monitoraggio di qualità, sicurezza e costi/latenza

Pacchetto e distribuzione

  • Offerta tramite FastAPI e gestione delle dipendenze
  • Versionamento dei grafi e strategie di rollback
  • Playbook operativi e risposta agli incidenti

Riepilogo e prossimi passi

Requisiti

  • Conoscenza pratica di Python
  • Esperienza nella creazione di applicazioni LLM o catene di prompt
  • Familiarità con API REST e JSON

Pubblico di destinazione

  • Ingegneri AI
  • Product manager
  • Sviluppatori che creano sistemi interattivi guidati da LLM

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative