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.
- Premier graphe exécutable avec LangGraph.
Gestion de l'état et enchaînement des invitations
- Conception des invitations en tant que nœuds de graphe.
- Transmission de l'état entre les nœuds et gestion des sorties.
- Patrons de mémoire : contexte à court terme vs. contexte persisté.
Ramification, flux de contrôle et gestion des erreurs
- Routage conditionnel et flux de travail à chemins multiples.
- Tentatives de reconnexion (retries), délais d'attente et stratégies de secours.
- Idempotence et exécution sécurisée des reprises.
Outils et intégrations externes
- Appel de fonctions / d'outils depuis les 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 (RAG)
- Notions de base sur l'ingestion de documents et le fractionnement (chunking).
- Embeddings et bases de données vectorielles (par ex., ChromaDB).
- Réponses étayées avec citations.
Tests, débogage et évaluation
- Tests de style unitaire pour les nœuds et les chemins.
- Suivi et observabilité.
- Vérifications de qualité : exactitude factuelle, sécurité et déterminisme.
Fondamentaux de l'emballage et du déploiement
- Configuration de l'environnement et gestion des dépendances.
- Exposition des graphes via des API.
- Versionnement des flux de travail et mises à jour progressives.
Résumé et prochaines étapes
Pré requis
- Comprendre les bases de la programmation en Python.
- Avoir de l'expérience avec les API REST ou les outils CLI.
- Maîtriser les concepts des LLM et les fondamentaux du prompt engineering.
Public visé
- Développeurs et ingénieurs logiciels découvrant l'orchestration de LLM basée sur des graphes.
- Ingénieurs en prompt engineering et débutants en IA construisant des applications LLM multicouches.
- Praticiens de la données explorant l'automatisation des flux de travail avec les LLM.
14 Heures