Fundamentos de LangGraph: Creación de cadenas de prompts basadas en grafas para LLM

Introducción a LangGraph y conceptos de grafas

• ¿Por qué usar grafas para aplicaciones de LLM: orquestación vs. cadenas simples
• Nodos, aristas y estado en LangGraph
• Hola LangGraph: primera grafa ejecutable

Gestión de estado y encadenamiento de prompts

• Diseño de prompts como nodos de grafa
• Paso de estado entre nodos y manejo de salidas
• Patrones de memoria: contexto a corto plazo vs. persistido

Ramificación, flujo de control y manejo de errores

• Enrutamiento condicional y flujos de trabajo de múltiples caminos
• Reintentos, tiempos de espera (timeouts) y estrategias de respaldo (fallback)
• Idempotencia y reejecuciones seguras

Herramientas e integraciones externas

• Llamadas a funciones/herramientas desde nodos de grafa
• Llamadas a APIs REST y servicios dentro de la grafa
• Trabajo con salidas estructuradas

Flujos de trabajo aumentados con recuperación (RAG)

• Fundamentos de ingesta y fragmentación de documentos
• Incrustaciones (embeddings) y almacenes vectoriales (p. ej., ChromaDB)
• Respuestas fundamentadas con citaciones

Pruebas, depuración y evaluación

• Pruebas de estilo de unidad para nodos y caminos
• Pistaje (tracing) y observabilidad
• Verificaciones de calidad: facticidad, seguridad y determinismo

Fundamentos de empaquetado y despliegue

• Configuración del entorno y gestión de dependencias
• Servicio de grafas detrás de APIs
• Versionado de flujos de trabajo y actualizaciones escalonadas (rolling updates)

Resumen y próximos pasos