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.
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