Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction à LangGraph et aux concepts de graphes
- Pourquoi utiliser des graphes pour les applications LLM : orchestration par rapport aux chaînes simples
- Nœuds, arêtes et état dans LangGraph
- Bonjour LangGraph : premier graphique exécutable
Gestion de l'état et enchaînement des prompts
- Concevoir des prompts en tant que nœuds de graphe
- Transmettre l'état entre les nœuds et gérer les sorties
- Modèles de mémoire : contexte à court terme par rapport au contexte persistant
Branchement, flux de contrôle et gestion des erreurs
- Routing conditionnel et flux de travail multi-chemins
- Nouvelles tentatives, délais d'attente et stratégies de secours
- Idempotence et ré-exécutions sécurisées
Outils et intégrations externes
- Appel de fonctions/outils à partir des nœuds de graphe
- Appel d'API REST et de services au sein du graphe
- Travail avec des sorties structurées
Flux de travail augmentés par récupération
- Basiques de l'ingestion et du morcellement de documents
- Embeddings et magasins vectoriels (ex. ChromaDB)
- Réponses fondées avec citations
Tests, débogage et évaluation
- Tests de style unitaire pour les nœuds et les chemins
- Suivi et observabilité
- Vérifications de qualité : factualité, sécurité et déterminisme
Fondements de l'emballage et du déploiement
- Configuration de l'environnement et gestion des dépendances
- Servir des graphes derrière des API
- Versionnage des flux de travail et mises à jour progressives
Résumé et prochaines étapes
Pré requis
- Une compréhension de la programmation Python de base
- De l'expérience avec les API REST ou les outils CLI
- Une familiarité avec les concepts de LLM et les fondements de l'ingénierie des prompts
Public cible
- Développeurs et ingénieurs logiciels nouvellement initiés à l'orchestration LLM basée sur des graphes
- Ingénieurs du prompting et nouveaux venus en IA construisant des applications LLM multi-étapes
- Praticiens des données explorant l'automatisation des flux de travail avec des LLM
