感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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