Schulungsübersicht

Erweiterte LangGraph-Architektur

  • Graph-Topologie-Muster: Knoten, Kanten, Router, Teilgraphen
  • Zustandsmodellierung: Kanäle, Nachrichtenübertragung, Persistenz
  • DAG vs. zyklische Flüsse und hierarchische Zusammensetzung

Leistung und Optimierung

  • Gleichzeitigkeit und Konkurrenzmodelle in Python
  • Caching, Batching, Werkzeugaufruf und Streaming
  • Kostenkontrolle und Token-Budget-Strategien

Reliabilitätstechnik

  • Neuerstattern, Zeitüberschreitungen, Rückwärtsregelung und Schaltkreisausfälle
  • Idempotenz und Duplikationsvermeidung von Schritten
  • Checkpointing und Wiederherstellung unter Verwendung lokaler oder Cloud-Speicher

Fehlersuche in komplexen Graphen

  • Schrittweise Ausführung und Trockenläufe
  • Zustandsüberprüfung und Ereignisverfolgung
  • Reproduktion von Produktionsproblemen mit Keimen und Fixtures

Beobachtbarkeit und Überwachung

  • Strukturierte Protokollierung und verteilte Verfolgung
  • Betriebsmetriken: Latenz, Zuverlässigkeit, Token-Nutzung
  • Dashboards, Warnungen und SLO-Verfolgung

Bereitstellung und Operationen

  • Graphen als Dienste und Container verpacken
  • Konfigurationsverwaltung und Geheimnismanagement
  • CI/CD-Pipelines, Rollouts und Kanarien

Qualität, Testung und Sicherheit

  • Einheiten-, Szenario- und automatisierte Evaluationswerkzeuge
  • Schutzwälle, Inhaltsfilterung und PII-Verwaltung
  • Roter Trupp und Chaosexperimente zur Robustheit

Zusammenfassung und Nächste Schritte

Voraussetzungen

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

Zielpublikum

  • AI-Plattform-Ingenieure
  • DevOps für AI
  • ML-Architekten, die Produktions-LangGraph-Systeme betreiben
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien