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 planificador-ejecutor.
- Hola mundo: un grafo agente minimalista.
Estado, Memoria y Paso de Contexto
- Diseño del estado del grafo e interfaces de nodos.
- Memoria a corto plazo frente a memoria persistente.
- Ventanas de contexto, resumen y restauración de estado.
Lógica de Ramificación y Flujo de Control
- Enrutamiento condicional y decisiones multicamino.
- Reintentos, tiempos de espera y disyuntores (circuit breakers).
- Opciones de respaldo, puntos sin salida 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 por Recuperación (RAG)
- Estrategias de ingestión de documentos y fragmentación.
- 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 (golden sets), evaluaciones y pruebas de regresión.
- Monitoreo de calidad, seguridad y costo/latencia.
Empaquetado y Entrega
- Servicio con FastAPI y gestión de dependencias.
- Versionado de grafos y estrategias de retroceso.
- Pautas operativas y respuesta a incidentes.
Resumen y Próximos Pasos
Requerimientos
- Conocimientos prácticos de Python.
- Experiencia desarrollando aplicaciones LLM o cadenas de prompts.
- Conocimiento sobre APIs REST y JSON.
Público objetivo
- Ingenieros de IA.
- Gerentes de producto.
- Desarrolladores que construyen sistemas interactivos impulsados por LLM.
14 Horas