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.
Plan du cours
LangGraph et les modèles d'agents : un guide pratique
- Graphes vs. chaînes linéaires : quand et pourquoi
- Agents, outils et boucles planificateur-exécutant
- Introduction aux workflows : un graphe agentique minimal
État, mémoire et passage du contexte
- Conception de l'état du graphe et des interfaces des nœuds
- Mémoire à court terme vs. mémoire persistante
- Fenêtres de contexte, résumé et réhydratation
Logique de branching et flux de contrôle
- Routage conditionnel et décisions multi-chemins
- Tentatives de reprise, délais d'expiration et disjoncteurs
- Mécanismes de repli, points morts et nœuds de récupération
Utilisation des outils et intégrations externes
- Appels de fonctions/agents depuis les nœuds et les agents
- Consommation d'API REST et de bases de données depuis le graphe
- Analyse et validation des sorties structurées
Workflows d'agents à récupération augmentée (RAG)
- Ingestion de documents et stratégies de découpage
- Embeddings et vector stores avec ChromaDB
- Réponses fondées sur les faits avec citations et garde-fous
Évaluation, débogage et observabilité
- Suivi des chemins et inspection des interactions entre nœuds
- Ensembles de référence, évaluations et tests de régression
- Surveillance de la qualité, de la sécurité et du coût/latence
Emballage et déploiement
- Serveur FastAPI et gestion des dépendances
- Versionnement des graphes et stratégies de rollback
- Playbooks opérationnels et réponse aux incidents
Synthèse et prochaines étapes
Pré requis
- Connaissances pratiques de Python
- Expérience dans la construction d'applications LLM ou de chaînes d'invites (prompt chains)
- Maîtrise des API REST et de JSON
Audience cible
- Ingénieurs en IA
- Chefs de produit
- Développeurs construisant des systèmes interactifs pilotés par des LLM
14 Heures