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.
Plan du cours
Introduction à LangGraph et aux concepts de graphes
- Pourquoi utiliser des graphes pour les applications LLM : orchestration vs. chaînes simples
- Nœuds, arêtes et état dans LangGraph
- Hello LangGraph : premier graphe exécutable
Gestion de l'état et enchaînement des prompts
- Conception des prompts en tant que nœuds de graphe
- Transfert d'état entre les nœuds et gestion des sorties
- Modèles de mémoire : contexte à court terme vs. contexte persistant
Branchement, flux de contrôle et gestion des erreurs
- Routage conditionnel et flux de travail multi-chemins
- Nouvelles tentatives, délais d'expiration et stratégies de repli
- Idempotence et réexécutions sécurisées
Outils et intégrations externes
- Appel de fonctions/outils à partir des nœuds du graphe
- Appel d'API REST et de services au sein du graphe
- Travail avec des sorties structurées
Flux de travail à récupération augmentée
- Principes d'ingestion de documents et de fractionnement
- Embeddings et bases de données vectorielles (par ex., ChromaDB)
- Réponses étayées avec citations
Tests, débogage et évaluation
- Tests unitaires pour les nœuds et les chemins
- Tracé et observabilité
- Vérifications de qualité : factualité, sécurité et déterminisme
Fondamentaux de l'emballage et du déploiement
- Configuration de l'environnement et gestion des dépendances
- Mise à disposition des graphes via des API
- Versionnement des flux de travail et mises à jour progressives
Résumé et prochaines étapes
Pré requis
- Une compréhension de base de la programmation en Python.
- De l'expérience avec les API REST ou les outils en ligne de commande (CLI).
- Une familiarité avec les concepts des LLM et les fondamentaux de l'ingénierie des prompts.
Audience cible
- Développeurs et ingénieurs logiciels débutants dans l'orchestration de LLM par graphes.
- Ingénieurs en prompts et nouveaux venus en IA construisant des applications LLM multicouches.
- Praticiens des données explorant l'automatisation des flux de travail avec les LLM.
14 Heures