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
- Grafos vs. cadenas lineales: cuándo y por qué
- Agentes, herramientas y bucles planificador-ejecutor
- Hello workflow: un grafo agénico mínimo
Estado, Memoria y Paso de Contexto
- Diseño del estado del grafo e interfaces de nodos
- Memoria a corto plazo vs. memoria persistente
- Ventanas de contexto, resumido y reconstrucción de estado
Lógica de Ramificación y Flujo de Control
- Enrutamiento condicional y decisiones en múltiples rutas
- Reintentos, tiempos de espera y interruptores de circuito
- Mecanismos de respaldo, puntos muertos y nodos de recuperación
Uso de Herramientas e Integraciones Externas
- Llamadas de funciones/herramientas desde nodos y agentes
- Consumo de APIs REST y bases de datos desde el grafo
- Análisis y validación de estructuras de salida
Flujos de Trabajo de Agentes con Recuperación Aumentada
- Ingestión de documentos y estrategias de 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, 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 reversión
- Manuales operativos y respuesta a incidentes
Resumen y Próximos Pasos
Requerimientos
- Conocimientos prácticos de Python
- Experiencia en la creación de aplicaciones 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