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 frente a cadenas lineales: cuándo y por qué
- Agentes, herramientas y bucles de planificador-ejecutor
- Primer flujo de trabajo: un grafo agéntico mínimo
Estado, memoria y transmisión de contexto
- Diseño del estado del grafo y de las interfaces de nodos
- Memoria a corto plazo frente a memoria persistente
- Ventanas de contexto, resumen y rehidratación
Lógica de bifurcación y control de flujo
- Enrutamiento condicional y decisiones de múltiples rutas
- Reintentos, temporizadores de espera y fusibles de circuito
- Soluciones de respaldo, callejones sin salida y nodos de recuperación
Uso de herramientas e integraciones externas
- Llamadas de funciones/herramientas desde nodos y agentes
- Consumo de API REST y bases de datos desde el grafo
- Análisis y validación de salidas estructuradas
Flujos de trabajo de agentes aumentados con recuperación (RAG)
- Ingesta de documentos y estrategias de segmentación (chunking)
- Embeddings y almacenes vectoriales con ChromaDB
- Respuestas fundamentadas con citas y medidas de seguridad
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, costo y latencia
Empaquetado y entrega
- Servicio con FastAPI y gestión de dependencias
- Gestión de versiones de grafos y estrategias de reversión
- Manual de operaciones y respuesta a incidentes
Resumen y próximos pasos
Requerimientos
- Conocimientos prácticos de Python
- Experiencia en la construcción de aplicaciones LLM o cadenas de prompts
- Familiaridad con API REST y JSON
Audiencia
- Ingenieros de IA
- Gerentes de producto
- Desarrolladores que construyen sistemas interactivos impulsados por LLM