Contacta con nosotros

Temario del curso

LangGraph y patrones de agentes: una introducción práctica

  • Gráficos frente a cadenas lineales: cuándo y por qué
  • Agentes, herramientas y bucles de planificación-ejecución
  • Primeros pasos: un grafo agente mínimo

Estado, memoria y transmisión de contexto

  • Diseño del estado del grafo e interfaces de nodos
  • Memoria a corto plazo frente a memoria persistente
  • Ventanas de contexto, resumen y reconstrucción del estado

Lógica de ramificación y flujo de control

  • Enrutamiento condicional y decisiones de múltiples rutas
  • Reintentos, tiempos de espera y cortocircuitos
  • Opciones de respaldo, puntos muertos y nodos de recuperación

Uso de herramientas e integraciones externas

  • Llamadas a funciones/herramientas desde nodos y agentes
  • Consumo de APIs REST y bases de datos desde el grafo
  • Análisis y validación de salidas estructuradas

Flujos de trabajo de agentes aumentados con recuperación (RAG)

  • Estrategias de ingestión y segmentación de documentos
  • Embeddings y almacenes vectoriales con ChromaDB
  • Respuestas fundamentadas con citas y salvaguardas

Evaluación, depuración y observabilidad

  • Rastreo de rutas e inspección de interacciones entre nodos
  • Conjuntos de referencia, evaluaciones y pruebas de regresión
  • Monitoreo de calidad, seguridad y relación costo/latencia

Empaquetado y entrega

  • Servicio mediante FastAPI y gestión de dependencias
  • Versionado de grafos y estrategias de reversión
  • Manuales operativos y respuesta ante incidentes

Resumen y próximos pasos

Requerimientos

  • Conocimientos prácticos de Python
  • Experiencia en el desarrollo de aplicaciones de LLM o cadenas de prompts
  • Conocimiento de APIs REST y JSON

Público objetivo

  • Ingenieros de IA
  • Gerentes de producto
  • Desarrolladores que construyen sistemas interactivos impulsados por LLM
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas