Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 35 Stunden
Schulungsübersicht
Erweiterte LangGraph-Architektur
- Graphen-Topologie-Muster: Knoten, Kanten, Router, Subgraphen
- Zustandsmodellierung: Kanäle, Nachrichtenübermittlung, Persistenz
- DAG vs. zyklische Flüsse und hierarchische Komposition
Leistung und Optimierung
- Muster für Parallelisierung und Konkurrenz in Python
- Caching, Batching, Tool-Calling und Streaming
- Kostensteuerung und Strategien für Token-Budgets
Zuverlässigkeitsingenieurwesen
- Wiederholungen, Timeouts, Backoff und Circuit Breaking
- Idempotenz und Deduplizierung von Schritten
- Checkpointing und Wiederherstellung über lokale oder Cloud-Speicher
Debugging komplexer Graphen
- Schrittweise Ausführung und Testläufe (Dry Runs)
- Inspektion von Zuständen und Ereignisverfolgung
- Reproduktion von Produktionsproblemen mit Seeds und Fixtures
Beobachtbarkeit und Überwachung
- Strukturierte Protokollierung und verteilte Tracing
- Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
- Dashboards, Alerts und SLO-Verfolgung
Bereitstellung und Betrieb
- Packaging von Graphen als Dienste und Container
- Konfigurationsmanagement und Geheimnisverwaltung
- CI/CD-Pipelines, Rollouts und Canary-Releases
Qualität, Tests und Sicherheit
- Unit-Tests, Szenario-Tests und automatisierte Eval-Harnesses
- Guardrails, Inhaltsfilterung und PII-Behandlung
- Red Teaming und Chaos-Experimente für Robustheit
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse in Python und asynchroner Programmierung
- Erfahrung in der Entwicklung von LLM-Anwendungen
- Vertrautheit mit den Grundkonzepten von LangGraph oder LangChain
Zielgruppe
- AI-Plattform-Ingenieure
- DevOps-Fachleute für KI
- ML-Architekten, die produktionsreife LangGraph-Systeme betreuen
