Путеводитель по разработке
с LangGraph
Собираем агентов, которые думают, проверяют себя и используют инструменты. Reflection, ReAct, Agentic RAG — всё на LangGraph. Плюс Flowise для визуальной разработки и обзор агентных фреймворков
-
Что?Команда проектирует AI-агентов в LangGraph: от Reflection и ReAct до Agentic RAG, добавляет персистентность, асинхронность и собирает агентов визуально в Flowise -
Формат и длительностьдо 25 человек; 8 часов -
Для кого?Python-разработчики и ML-инженеры уровня middle+, которые уже знакомы с LangChain и хотят перейти к графовым агентным архитектурам
Содержание
Блок 1. Введение в LangGraph Ключевые концепции: графы, Flow Engineering, основные компоненты.
Блок 2. Базовый Reflection Agent Создаём Reflector и Revisor Chains, собираем граф, отлаживаем через LangSmith.
Блок 3. Полнофункциональный Reflection Agent Агенты Actor и Revisor, ToolNode для выполнения инструментов, полный граф Reflexion Agent.
Блок 4. Agentic RAG WebLoader + ChromaDB, фильтр релевантности, узлы Retriever/Web Search/Generation, Self RAG и Adaptive RAG.
Блок 5. ReAct AgentExecutor Реализуем ReAct Runnable с нуля, определяем узлы, собираем граф, запускаем через Function Calling.
Блок 6. Персистентность MemorySaver, SqliteSaver, Human-in-the-Loop через Interrupts.
Блок 7. Асинхронный запуск Async-выполнение, параллельный fan-out/fan-in узлов, условное ветвление.
Блок 8. Flowise — визуальная разработка Установка, сборка ReAct-агента с инструментами, интеграция с внешними API.
Блок 9. Продвинутые архитектуры в Flowise RAG-система, multi-agent координация, деплой в production, мониторинг.
Блок 10. Экосистема агентных фреймворков Матрица выбора решений, обзор платформ, стратегии и roadmap.
Технологический стек
Python, LangGraph, LangChain, LangSmith, ChromaDB, Tavily API, Flowise, SQLite, Pydantic
Предварительные требования
Python (уверенный уровень), основы LangChain и LCEL, базовое понимание LLM и промптинга, опыт работы с API и JSON
Эксперты
-
Дмитрий ЖечковЭксперт по AI и облачным решениям, архитектор облачных решений в Yandex Cloud, сосредоточен на разработке ПО с использованием Generative AI и агентных архитектур. -
Носов АндрейПрофильный специалист с более чем 20-летним опытом в ИТ, специализирующийся на архитектуре решений в области ИИ, LLM, RAG, NLP, системной интеграции и руководстве мультидисциплинарными командами. Практический опыт разработки 27 AI/ML решений. Эксперт в построении AI-инфраструктур и развитии продуктовых команд. -
Александр МиленкинML Team Lead | Dodo Brands
Senior Data Scientist | Red Mad Robot
Senior Data Scientist | X5 Retail Group
Стоимость
от 330 000 рублей
за команду до 25 человек
Ознакомьтесь с другими
мастер-классами
мастер-классами
Закрываем конкретный вызов: внедрить RAG‑конвейер на LangChain, мониторинг, освоить LoRA/RLHF‑тонкую настройку или добавить guardrails
Ваша команда умеет собирать AI уже завтра: технологично, практично, экономно
Напишите нам, и мы подберем решение
Напишите нам, и мы подберем решение
ОБРАЗОВАТЕЛЬНАЯ ЭКОСИСТЕМА
НАПРАВЛЕНИЯ ОБУЧЕНИЯ
СЕРВИСЫ
Через обучение - к успеху! Знания работают на вас