聯繫我們

課程簡介

LangGraph 與代理模式:實務入門

  • 圖結構 vs. 線性鏈:何時及為何使用
  • 代理、工具與規劃者-執行者(Planner-Executor)迴圈
  • Hello Workflow:一個最小的代理圖

狀態、記憶與情境傳遞

  • 設計圖狀態與節點介面
  • 短期記憶 vs. 持久化記憶
  • 情境視窗、摘要與狀態復原(Rehydration)

分支邏輯與控制流程

  • 條件路由與多路徑決策
  • 重試、超時與断路器(Circuit Breakers)
  • 備選方案、死胡同與復原節點

工具使用與外部整合

  • 從節點與代理進行函數/工具調用
  • 從圖結構中消費 REST API 與資料庫
  • 結構化輸出的解析與驗證

檢索增強代理工作流

  • 文件 ingestion 與分塊策略
  • 嵌入向量(Embeddings)與使用 ChromaDB 的向量儲存
  • 帶有引用與安全防護的地面化回應(Grounded Responses)

評估、除錯與可觀測性

  • 追蹤路徑並檢查節點互動
  • 黃金數據集、評估與回歸測試
  • 品質、安全性以及成本/延遲監控

封裝與部署

  • FastAPI 服務與相依性管理
  • 圖版本控制與回滾策略
  • 營運操作手冊與事故響應

總結與後續步驟

最低要求

  • 具備 Python 實務知識
  • 擁有建構 LLM 應用程式或提示鏈(Prompt Chains)的經驗
  • 熟悉 REST API 與 JSON

適用對象

  • AI 工程師
  • 產品經理
  • 開發互動式 LLM 驅動系統的開發者
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類