Eine Kollegin der Nordlicht Reisen GmbH hat für Ideen zu Reisezielen einen kleinen Prototyp in Python gebaut, ideenlabor, mit LangGraph. Er ist kein Teil des Gruppenreise-Teams (M-03) und steht nicht im Kanalplan. Die Frage der Geschäftsführung: übernehmen, anbinden oder ersetzen? Dafür muss jemand ihn lesen können. Diese Lektion ordnet LangChain, LangGraph und Hugging Face Transformers ein und sagt offen, was sie nicht tut: Dieser Kurs lehrt .NET. Die Prüfung erwartet nach den Seiten von Learn Python-Kenntnisse und Vertrautheit mit dem Agent Framework, MCP, RAG und LangGraph. Wer sie ablegen will, übt Python zusätzlich selbst; ein Brückenkurs ist nicht geplant.

Vorwissen. „AI-103, Lektion 0.3“ zeigt, wie man Python liest. „KI-Track, Lektion T7.4“ zeigt Workflows aus Executors und Kanten, „T7.5“ das Gedächtnis und die Sitzung, „T7.3“ Freigaben. Die Lektionen 2.8 und 2.9 dieses Kurses behandeln Orchestrierung und den Menschen in der Schleife, Lektion 2.2 die Feinabstimmung. Hier beginnt, was darüber hinausgeht: andere Rahmen lesen und die Begriffe einander zuordnen.

Neu in dieser Lektion. Der Prototyp ideenlabor (Python, LangGraph, ein Agent des Foundry Agent Service als Knoten). Er liest keine Kundendaten und schreibt nichts (Annahme der Aufgabe). Eine Entscheidung zur Übernahme trifft die Lektion nicht, sie liefert die Grundlage dafür.

Die Anforderung

Nr. Anforderung Art Messgröße Gewicht Quelle
2.12-01 Ein kurzer Ausschnitt in LangGraph oder Hugging Face Transformers wird gelesen und benannt. F alle Teile des Ausschnitts benannt Muss Prüfungsliste
2.12-02 Jede Zuordnung zwischen Rahmen sagt, ob Learn sie nennt oder ob sie eine Lesart ist. Q 0 Zuordnungen ohne Kennzeichnung Muss Kursregel
2.12-03 Wir schreiben kein Python für den Fall. R 0 eigene Python-Dateien Muss Stack: .NET
2.12-04 Modelle aus Hugging Face laufen nur, wenn Foundry sie nach seinen Kriterien bereitstellt. R Kriterien von Learn erfüllt Soll M-08, R-11