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 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