Kontakt aufnehmen

Schulungsübersicht

Architektur von Advanced LangGraph

  • Graph-Topologie-Muster: Nodes, Kanten, Router, Subgraphs
  • Zustandsmodellierung: Channels, Nachrichtenübermittlung, Persistenz
  • DAG versus zyklische Abläufe und hierarchische Komposition

Performance und Optimierung

  • Parallelismus und Konzeptionmuster in Python
  • Caching, Batching, Tool-Aufrufe und Streaming
  • Kostenkontrollen und Token-Budget-Strategien

Reliability Engineering

  • Retries, Timeouts, Backoff und Circuit Breaking
  • Idempotenz und Deduplizierung von Schritten
  • Checkpointing und Wiederherstellung mit lokalen oder Cloud-Speichern

Debugging komplexer Graphen

  • Schrittweise Ausführung und Dry-Runs
  • Zustandsinspektion und Event-Tracing
  • Reproduktion von Produktionsproblemen mit Seeds und Fixtures

Observability und Monitoring

  • Strukturierte Protokollierung und verteiltes Tracing
  • Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
  • Dashboards, Alerts und SLO-Tracking

Deployment und Betrieb

  • Packaging von Graphen als Services und Container
  • Konfigurationsverwaltung und Handhabung von Secrets
  • CI/CD-Pipelines, Rollouts und Canaries

Qualität, Testing und Sicherheit

  • Unit-, Szenario- und automatische Eval-Harnesses
  • Guardrails, Inhaltsfilterung und PII-Handhabung
  • Red Teaming und Chaos-Experimente zur Robustheit

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis von Python und asynchroner Programmierung
  • Erfahrung in der Entwicklung von LLM-Anwendungen
  • Grundkenntnisse in LangGraph- oder LangChain-Konzepten

Zielgruppe

  • KI-Plattform-Ingenieure
  • DevOps für KI
  • ML-Architekten, die Produktions-LangGraph-Systeme betreuen
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien