Ignite26/27
Tilbake til alle bolker
Bolk 03

November–Desember 2026

Build

Build er der du faktisk blir teknisk sterk. Du bygger din første produksjonsklare agent, implementerer RAG mot reelle data, og etablerer en eval-pipeline som fanger regresjoner før de treffer kunde. Dette er kjernen — alt annet i programmet er rammet rundt Build.

Læringsmål

  • Bygge en produksjonsklar agent fra bunnen
  • Implementere RAG mot virksomhetsdata med målbar kvalitet
  • Etablere eval-pipeline som del av CI
  • Integrere via MCP mot eksterne tjenester

Kjerneinnhold

  • 01Agent-orkestrering: planning, tool use, state management
  • 02RAG-engineering: chunking, retrieval, re-ranking, hybrid
  • 03Eval som disciplin: golden sets, LLM-as-judge, metrikker
  • 04MCP-integrasjoner
  • 05Human-in-the-loop-mønstre

Teknologier og rammeverk

  • LangGraph · Pydantic AI
  • Langfuse · OpenTelemetry
  • Anthropic SDK · OpenAI SDK · Bedrock
  • Vector DB: pgvector, Pinecone, Weaviate
  • MCP Inspector · custom MCP-servere

Samlinger i denne bolken

  • Masterclass: 'slik setter du opp en eval-pipeline'
  • Demo-dag før jul: vis hva du har bygget
  • Dojo om første produksjonsutfordringer
  • Frontier Friday om nye agent-rammeverk

Artefakter Ignitere leverer

  • 01Kjørende agent med verktøy og HITL-godkjenning
  • 02RAG-system med eval-rapport
  • 03Eval-rammeverk i Git med golden set og automatisk testkjøring

Kurs i denne bolken

FelleskursAlle Ignitere

  • Agent-orkestrering med LangGraph

    Bygg en agent som planlegger, bruker verktøy og håndterer tilstand.

  • RAG-engineering og hybrid-søk

    Hvordan finne riktig kontekst og levere forankrede svar.

  • Evaluering som disciplin

    Golden sets, LLM-as-judge og hvorfor eval-rigg betyr alt.

Sporkurs · Ignite Builder

  • Production agent-patterns

    Streaming, retries, circuit breakers — patterns som holder agenter levende i produksjon.

  • MCP-integrasjoner og custom server-design

    Koble agenter til virksomhetsdata og -handlinger med Model Context Protocol.

  • Eval-CI med golden sets i Git

    Regression-test prompts og agenter — bryt bygget hvis kvaliteten faller.

Sporkurs · Ignite Tuner

  • Evaluation-håndverk: rubrikker og LLM-as-judge

    Design kvalitetsmål som overlever kontakt med virkeligheten.

  • Vector DB trade-offs

    Velg rett vector-database for din data og workload — pgvector, Pinecone, Weaviate.

  • Datasett-håndverk og labeling

    Bygg gylne datasett som faktisk lærer modellen — og kunden — noe.

Sporkurs · Ignite Shaper

  • Prosess-redesign med AI

    Kart eksisterende prosess, finn AI-leverage-punkter, redesign verdistrøm.

Tverrgående tråder

  • EU AI Act-praksis
  • Konsulent-håndverket
  • Evaluering
Bolk 02Discover
Bolk 04Operate