Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
LangGraph y Patrones de Agentes: Una introducción práctica
- Grafos vs. cadenas lineales: cuándo y por qué
- Agentes, herramientas y bucles planificador-ejecutor
- Hola flujos de trabajo: un grafo agéntico minimalista
Estado, memoria y paso de contexto
- Diseño del estado del grafo y las interfaces de los nodos
- Memoria a corto plazo vs. memoria persistente
- Ventanas de contexto, resumición y rehidratación
Lógica de bifurcación y flujo de control
- Enrutamiento condicional y decisiones de múltiples caminos
- Reintentos, tiempos de espera (timeouts) y fusibles (circuit breakers)
- Alternativas (fallbacks), puntos ciegos y nodos de recuperación
Uso de herramientas e integraciones externas
- Invocación de funciones/herramientas desde nodos y agentes
- Consumo de API REST y bases de datos desde el grafo
- Analización y validación de salidas estructuradas
Flujos de trabajo de agentes aumentados por recuperación de datos
- Ingesta de documentos y estrategias de fragmentación (chunking)
- Embeddings y almacenes de vectores con ChromaDB
- Respuestas fundamentadas con citas y salvaguardas
Evaluación, depuración y observabilidad
- Trazado de rutas e inspección de interacciones de nodos
- Conjuntos dorados (golden sets), evaluaciones y pruebas de regresión
- Monitoreo de calidad, seguridad y costo/latencia
Empaquetado y entrega
- Ofrecimiento de servicios con FastAPI y gestión de dependencias
- Versionado de grafos y estrategias de reversión (rollback)
- Guías operativas (playbooks) y respuesta ante incidentes
Resumen y próximos pasos
Requerimientos
- Conocimiento práctico de Python
- Experiencia en la construcción de aplicaciones LLM o cadenas de prompts
- Familiaridad con API REST y JSON
Público objetivo
- Ingenieros de IA
- Gerentes de producto
- Desarrolladores que construyen sistemas interactivos impulsados por LLM