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.
Durée 14 heures
Plan du cours
Introduction à LangGraph et aux concepts de graphe
- Pourquoi utiliser des graphes pour les applications LLM : orchestration vs chaînes simples
- Nœuds, arêtes et état dans LangGraph
- Bienvenue dans LangGraph : le premier graphe exécutable
Gestion de l'état et chaînage de prompts
- Conception des prompts en tant que nœuds de graphe
- Transfert de l'état entre les nœuds et gestion des sorties
- Modèles de mémoire : contexte à court terme vs contextes persistants
Branchement, contrôle de flux et gestion des erreurs
- Aiguillage conditionnel et workflows multi-chemins
- Nouvelles tentatives (retries), dépassements de délai et stratégies de repli
- Idempotence et réexécutions sûres
Outils et intégrations externes
- Appel de fonctions/outils depuis les nœuds du graphe
- Appel d'API REST et de services à l'intérieur du graphe
- Travail avec des sorties structurées
Workflows augmentés par récupération (RAG)
- Fondamentaux de l'ingestion et de la découpe des documents
- Embeddings et magasins de vecteurs (par exemple, ChromaDB)
- Réponses justes avec citations sources
Tests, débogage et évaluation
- Tests unitaires pour les nœuds et les chemins
- Tracabilité et observabilité
- Contrôles de qualité : factualité, sécurité et déterminisme
Fondamentaux de l'empaquetage et du déploiement
- Configuration de l'environnement et gestion des dépendances
- Servir les graphes derrière des API
- Versionnage des workflows et mises à jour progressives (rolling updates)
Synthèse et prochaines étapes
Pré requis
- Comprendre les bases de la programmation Python
- Expérience avec les API REST ou les outils CLI
- Familiarité avec les concepts de LLM et les fondamentaux du prompt engineering
Public cible
- Développeurs et ingénieurs logiciels nouveaux dans l'orchestration de LLM basée sur les graphes
- Prompt engineers et débutants en IA construisant des applications de LLM multi-étapes
- Praticiens de données explorant l'automatisation de workflows avec des LLM