Prenez contact avec nous

Plan du cours

LangGraph et les modèles d'agents : un guide pratique

  • Graphiques vs chaînes linéaires : quand et pourquoi
  • Agents, outils et boucles planificateur-exécutant
  • Premiers pas : un graphique agent minimal

État, mémoire et transmission du contexte

  • Conception de l'état du graphique et des interfaces des nœuds
  • Mémoire à court terme vs mémoire persistante
  • Fenêtres de contexte, résumés et récupération

Logique de branchement et contrôle du flux

  • Routage conditionnel et décisions multi-chemins
  • Tentatives de reprise, délais d'expiration et disjoncteurs
  • Solutions de secours, impasses et nœuds de récupération

Utilisation des outils et intégrations externes

  • Appels de fonctions/outils depuis les nœuds et les agents
  • Consommation d'API REST et de bases de données depuis le graphique
  • Analyse et validation des sorties structurées

Flux de travail d'agents à récupération augmentée (RAG)

  • Stratégies d'ingestion de documents et de fractionnement
  • Embeddings et bases de données vectorielles avec ChromaDB
  • Réponses étayées avec citations et garde-fous

Évaluation, débogage et observabilité

  • Suivi des parcours et inspection des interactions entre les nœuds
  • Ensembles de référence, évaluations et tests de régression
  • Surveillance de la qualité, de la sécurité et des coûts/latence

Emballage et livraison

  • Serving via FastAPI et gestion des dépendances
  • Versionnement des graphiques et stratégies de retour en arrière
  • Procédures opérationnelles et réponse aux incidents

Résumé et prochaines étapes

Pré requis

  • Connaissance pratique de Python
  • Expérience dans la création d'applications LLM ou de chaînes d'invites (prompt chains)
  • Maîtrise des API REST et du format JSON

Audience

  • Ingénieurs IA
  • Chefs de produit
  • Développeurs créant des systèmes interactifs pilotés par des LLM
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires