Prenez contact avec nous

Plan du cours

LangGraph et les motifs d'agents : Introduction pratique

  • Graphes vs chaînes linéaires : quand et pourquoi
  • Agents, outils et boucles planificateur-exécuteur
  • Bonjour le flux de travail : un graphe agentique minimal

État, Mémoire et Passage de Contexte

  • Conception de l'état du graphe et des interfaces des nœuds
  • Mémoire à court terme vs mémoire persistée
  • Fenêtres de contexte, résumés et réhydratation

Logique de branchement et Contrôle du flux

  • Routage conditionnel et décisions multi-chemins
  • Retries, temps d'attente et coupe-circuits
  • Mécanismes de secours, impasses et nœuds de récupération

Utilisation d'outils et Intégrations externes

  • Appel de fonctions/outils depuis les nœuds et les agents
  • Consommation d'API REST et de bases de données depuis le graphe
  • Analyses et validation des sorties structurées

Flux de travail d'agents avec récupération augmentée

  • Ingestion de documents et stratégies de segmentation (chunking)
  • Embeddings et magasins vectoriels avec ChromaDB
  • Réponses fondées avec citations et garde-fous

Évaluation, Débogage et Observabilité

  • Suivi des chemins et inspection des interactions entre nœuds
  • Jeux de données de référence, évaluations et tests de régression
  • Surveillance de la qualité, de la sécurité et du coût/latence

Emballage et Livraison

  • Service via FastAPI et gestion des dépendances
  • Versionnage des graphes et stratégies de retour arrière
  • Playbooks opérationnels et réponse aux incidents

Synthèse et Étapes suivantes

Pré requis

  • Connaissances opérationnelles de Python
  • Expérience dans la construction d'applications LLM ou de chaînes de prompts
  • Familiarité avec les API REST et le JSON

Public cible

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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires