Plan du cours

Architecture Avancée LangGraph

  • Modèles de topologie de graphes : nœuds, arêtes, routeurs, sous-graphes
  • Mise en œuvre de l'état : canaux, transmission de messages, persistance
  • DAG vs flux cycliques et composition hiérarchique

Performance et Optimisation

  • Modèles de parallélisme et de concurrence en Python
  • Mise en cache, regroupement, appel d'outils et diffusion
  • Contrôle des coûts et stratégies de budgetage des jetons

Génie de la Fiabilité

  • Réessais, délais d'expiration, recul et déconnexion de circuit
  • Idempotence et élimination des doublons dans les étapes
  • Mise en place de points de contrôle et récupération via stockages locaux ou cloud

Débogage de Graphes Complexes

  • Exécution pas à pas et exécutions sèches
  • Inspection de l'état et suivi des événements
  • Réproduction des problèmes de production avec des graines et des fixtures

Observabilité et Surveillance

  • Journalisation structurée et traçage distribué
  • Métriques opérationnelles : latence, fiabilité, utilisation des jetons
  • Dashboards, alertes et suivi des SLA

Déploiement et Opérations

  • Emballage de graphes en services et conteneurs
  • Gestion de la configuration et gestion des secrets
  • Pipelines CI/CD, déploiements progressifs et canaris

Qualité, Tests et Sécurité

  • Évaluations unitaires, scénarios et automatisées
  • Bornes de sécurité, filtrage de contenu et gestion des informations personnelles (PII)
  • Tests d'équipe rouge et expériences de chaos pour la robustesse

Récapitulatif et Étapes Suivantes

Pré requis

  • Compréhension de Python et de la programmation asynchrone
  • Expérience en développement d'applications LLM
  • Familiarité avec les concepts de base de LangGraph ou LangChain

Public cible

  • Ingénieurs de plateforme AI
  • DevOps pour l'IA
  • Architectes ML gérant les systèmes LangGraph en production
 35 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires