Contacta con nosotros

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas