Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in LangGraph und Graph-Konzepte
- Warum Graphen für LLM-Anwendungen: Orchestrierung im Vergleich zu einfachen Ketten
- Knoten, Kanten und Zustand in LangGraph
- Hello LangGraph: Der erste ausführbare Graph
Zustandsverwaltung und Prompt-Chaining
- Prompts als Graph-Knoten designen
- Zustand zwischen Knoten übergeben und Ausgaben verarbeiten
- Speichermuster: Kurzzeitspeicher vs. persistenter Kontext
Verzweigungen, Kontrollfluss und Fehlerbehandlung
- Konditionales Routing und Multi-Pfad-Workflows
- Wiederholungen, Timeouts und Fallback-Strategien
- Idempotenz und sichere Neuerstellungen
Werkzeuge und externe Integrationen
- Funktions-/Werkzeugaufrufe aus Graph-Knoten
- Aufrufen von REST-APIs und Diensten innerhalb des Graphs
- Umgang mit strukturierten Ausgaben
Retrieval-verstärkte Workflows
- Grundlagen der Dokumentenaufnahme und Chunking
- Embeddings und Vektorspeicher (z. B. ChromaDB)
- Begründete Antworten mit Quellenangaben
Testung, Debugging und Evaluation
- Unit-Tests für Knoten und Pfade
- Tracing und Observabilität
- Qualitätsprüfungen: Faktizität, Sicherheit und Determinismus
Grundlagen des Packageings und der Bereitstellung
- Umgebungseinrichtung und Dependency-Management
- Bereitstellung von Graphen hinter APIs
- Versionierung von Workflows und Rolling Updates
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Kenntnisse der Python-Programmierung
- Erfahrung mit REST-APIs oder CLI-Tools
- Vertrautheit mit LLM-Konzepten und den Grundlagen von Prompt Engineering
Zielgruppe
- Entwickler und Softwareingenieure, die neu im Bereich graphbasierter LLM-Orchestrierung sind.
- Prompt-Ingenieure und KI-Einsteiger beim Aufbau von mehrstufigen LLM-Anwendungen.
- Datennutzer, die Workflow-Automatisierung mit LLMs erkunden.
14 Stunden