Kontakt aufnehmen

Schulungsübersicht

LangGraph-Architektur fortgeschritten

  • Graph-Topologie-Muster: Knoten, Kanten, Router, Untergraphen
  • Zustandsmodellierung: Channels (Kanäle), Nachrichtenübermittlung, Persistenz
  • DAG vs. zyklische Flüsse und hierarchische Komposition

Performance und Optimierung

  • Parallelitäts- und Nebenläufigkeitsmuster in Python
  • Caching, Batchverarbeitung, Tool-Aufrufe und Streaming
  • Kostenkontrolle und Token-Budgetierungsstrategien

Reliability Engineering

  • Wiederholungen, Timeouts, Backoff-Strategien und Circuit Breaking
  • Idempotenz und Deduplizierung von Schritten
  • Checkpointing und Wiederherstellung mit lokalen oder Cloud-Speichern

Debugging komplexer Graphen

  • Schrittweise Ausführung und Dry Runs
  • Zustandsinspektion und Ereignis-Tracing
  • Reproduzieren von Produktionsproblemen mit Seeds und Fixtures

Beobachtbarkeit und Überwachung

  • Strukturiertes Logging und Distributed Tracing
  • Operationale Metriken: Latenz, Zuverlässigkeit, Token-Verbrauch
  • Dashboards, Alarme und SLO-Verfolgung

Bereitstellung und Betrieb

  • Verpackung von Graphen als Dienste und Container
  • Konfigurationsmanagement und Handhabung von Geheimnissen
  • CI/CD-Pipelines, Rollouts und Canaries

Qualität, Testen und Sicherheit

  • Unit-Tests, Szenario-basierte Tests und automatisierte Eval-Harnesses
  • Sicherheitshürden (Guardrails), Inhaltsfilterung und PII-Handhabung
  • Red Teaming und Chaos-Experimente für Robustheit

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in Python und asynchroner Programmierung
  • Erfahrung in der Entwicklung von LLM-Anwendungen
  • Bekanntschaft mit grundlegenden LangGraph- oder LangChain-Konzepten

Zielgruppe

  • KI-Plattform-Ingenieure
  • DevOps für KI
  • ML-Architekten, die Produktions-LangGraph-Systeme betreiben
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien