Szkolenie: Pydantic Graph - grafowe przepływy pracy agentów AI
Szkolenie Pydantic Graph to praktyczne wprowadzenie do modelowania złożonych, wieloetapowych procesów agentowych w formie grafów stanów opisywanych zwykłym, typowanym kodem Pythona. Uczestnicy poznają definiowanie węzłów i przejść, zarządzanie stanem i zależnościami przepływu, trwałe wykonanie ze wznawianiem po awarii, włączanie decyzji człowieka w proces oraz integrację agentów Pydantic AI jako węzłów grafu wraz z wizualizacją i testowaniem przepływów
Trenerzy praktycy
Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Poziom zaawansowania:
Kod kursu:AI/PYDANTIC-GRAPH
agenci-aiai-w-pythoniepydantic-aipydantic-graph
Dostępne terminy szkolenia
Termin
Trener
Cena
Lokalizacja
Zapis
Termin:
24 września - 25 września
Trwają zapisy na szkolenie
Dostępne w Bazie Usług Rozwojowych
Trener:
Trener-Sages
Cena:
2450 PLN netto
Dowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT
Lokalizacja:
Zdalne
Zdalne
Zapytaj o inne lokalizacje - w tym celu skorzystaj z chatu
Pydantic Graph - grafowe przepływy pracy agentów AI
Cele szkolenia
Szkolenie przygotowuje do modelowania wieloetapowych przepływów pracy agentów AI w formie grafu stanów przy użyciu Pydantic Graph, w oparciu o typowanie i natywne mechanizmy Pythona
Szkolenie uczy definiowania węzłów, przejść i stanu procesu jako typowanych konstrukcji Pythona, umożliwiając budowanie workflow AI bez dedykowanego języka konfiguracyjnego czy narzędzia wizualnego
Szkolenie pokazuje, jak budować odporne na awarie przepływy pracy dzięki durable execution i persystencji stanu, z możliwością wznawiania procesu po restarcie lub przerwaniu wykonania
Szkolenie przygotowuje do implementowania human-in-the-loop oraz osadzania agentów Pydantic AI jako węzłów grafu w ramach złożonych przepływów agentowych
Szkolenie omawia zasady wizualizacji, obserwowalności i testowania przepływów AI z wykorzystaniem diagramów Mermaid, Pydantic Logfire i standardu OpenTelemetry
Dla kogo?
Programistów Python chcących budować złożone, wieloetapowe przepływy pracy agentów AI w oparciu o typowany, testowalny kod
Twórców rozwiązań opartych na FastAPI, planujących rozszerzenie aplikacji o procesy agentowe
Architektów i inżynierów odpowiedzialnych za projektowanie odpornych na awarie systemów AI
Efekty kształcenia
Uczestnik modeluje wieloetapowy proces biznesowy jako graf stanów złożony z typowanych węzłów i przejść w Pydantic Graph
Uczestnik zarządza stanem procesu i zależnościami przepływu z wykorzystaniem typowanych modeli i dependency injection, bez wykorzystania stanu globalnego
Uczestnik steruje logiką warunkową, rozgałęzieniami i pętlami w ramach przepływu pracy agentów AI
Uczestnik buduje odporne na awarie przepływy AI, przerywane i wznawiane dzięki durable execution oraz persystencji stanu
Uczestnik włącza w przepływ etapy human-in-the-loop oraz agentów Pydantic AI jako węzły grafu i wykorzystuje ich do orkiestracji procesów agentowych
Uczestnik wizualizuje, monitoruje i testuje przepływy pracy na podstawie definicji grafu z wykorzystaniem Mermaid, Pydantic Logfire i OpenTelemetry
Wymagania
Podstawowa znajomość języka Python, w tym typowania (type hints)
Ogólne zrozumienie podstawowych pojęć związanych z modelami językowymi i agentami AI
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Graf stanów jako sposób modelowania złożonych procesów agentowych
Definiowanie węzłów grafu jako typowanych klas z metodą wykonania
Przejścia między węzłami wyrażone za pomocą adnotacji typów zwracanych
Kończenie przepływu i zwracanie ustrukturyzowanego wyniku
Uruchamianie grafu w trybie synchronicznym, asynchronicznym i krokowym
Kontekst wykonania grafu jako nośnik stanu i zależności
Modelowanie stanu procesu jako typowanego modelu danych
Wstrzykiwanie zależności: połączenia do baz danych, klienci API, sesje użytkownika
Współdzielenie danych między węzłami bez stanu globalnego
Typowane kontrakty wejścia i wyjścia poszczególnych węzłów
Rozgałęzienia warunkowe na podstawie stanu procesu i wyników węzłów
Pętle oraz ponawianie etapów zakończonych niepowodzeniem
Modelowanie decyzji za pomocą unii typów zwracanych
Obsługa błędów i scenariuszy brzegowych w ramach grafu
Kompozycja i wielokrotne wykorzystanie węzłów w różnych przepływach
Trwałe wykonanie (durable execution) jako fundament odpornych procesów
Zapisywanie migawek stanu po każdym wykonanym węźle
Wbudowane i własne mechanizmy persystencji stanu grafu
Przerywanie procesu oraz wznawianie po awarii lub restarcie aplikacji
Iteracyjne wykonanie grafu i kontrola przebiegu krok po kroku
Zatrzymywanie przepływu w oczekiwaniu na akceptację lub decyzję człowieka
Wznawianie procesu z uwzględnieniem decyzji użytkownika
Agent Pydantic AI jako węzeł grafu podejmujący decyzje i wywołujący narzędzia
Orkiestracja współpracy wielu agentów w ramach jednego przepływu
Przekazywanie ustrukturyzowanych wyników między agentami i węzłami
Generowanie diagramów Mermaid bezpośrednio z definicji grafu
Dokumentowanie przepływów pracy na podstawie kodu źródłowego
Integracja z Pydantic Logfire i standardem OpenTelemetry w celu śledzenia wykonania
Testowanie pojedynczych węzłów oraz całych przepływów z użyciem modeli testowych
Osadzenie grafu w aplikacji FastAPI i przygotowanie do wdrożenia produkcyjnego
Autorem szkolenia jest Marcin Wierzbiński
Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym.
Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie.
Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
Uczestnik szkolenia “Od API LLM do Agent-RAG – budowa systemów RAG”
Hubert Rosna-Woźniak
Wiele się nauczyłem, przypomniałem sobie podstawy, utrwaliłem to co wiedziałem i miałem przestrzeń żeby nauczyć się całkowicie nowych rzeczy. Marcin był zawsze pomocny, tłumaczył co i jak a w razie kłopotów przejmował ekran i naprawiał. Bardzo pozytywne odczucia po tym szkoleniu pozostaną i na pewno dużo wiedzy którą będę chciał wdrożyć w swoich projektach.
18.09.2026
Uczestnik szkolenia “Docker w praktyce”
Artur Kozłowski, Capgemini Polska Sp. z o.o.
Ogromna wiedza prowadzącego, oraz lekkość prowadzenia szkolenia.
18.09.2026
Uczestnik szkolenia “Docker w praktyce”
Robert Jańczuk, Capgemini Polska Sp. z o.o.
Dużo przydatnych informacji i pomoc ze strony prowadzącego.
18.09.2026
Uczestnik szkolenia “Python i generatywna AI w praktyce - podstawy”
Piotr Bernaśkiewicz, Aptiv Services Poland S.A.
Opowiedziano o zagadnieniach, które mnie interesowały.
18.09.2026
Uczestnik szkolenia “Python i generatywna AI w praktyce - podstawy”
Krzysztof Baran, Aptiv Services Poland S.A.
Było obszerne w temacie AI i narzędzi z nim związanych, chociaż czasem zbyt rozciągnięte (szczególnie w przypadku dni z zagadnieniami teoretycznymi)
18.09.2026
Uczestnik szkolenia “Inżynieria wymagań w AI”
Klaudia Jastrzębska
Dużo przykładów, ale może trochę za dużo zadań pod rząd dotyczących jednego zagadnienia. Przydatne i ciekawe prompty do wykorzystania później samodzielnie.
18.09.2026
Uczestnik szkolenia “Certyfikowany Architekt AWS”
Norbert Piwowarczyk
Na szkoleniu omawiany jest dość szczegółowo obszerny materiał.