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 usarlos
- Agentes, herramientas y bucles planificador-ejecutor
- Flujo de trabajo de saludo: un grafo agente mínimo
Estado, memoria y paso de contexto
- Diseño del estado del grafo y las interfaces de los nodos
- Memoria a corto plazo vs. memoria persistente
- Ventanas de contexto, resumen y rehidratación
Lógica de ramificación y flujo de control
- Enrutamiento condicional y decisiones con múltiples caminos
- Reintentos, tiempos de espera y disyuntores
- Mecanismos de respaldo, puntos muertos y nodos de recuperación
Uso de herramientas e integraciones externas
- Llamada 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 con recuperación aumentada
- Estrategias de ingestión y fragmentación de documentos
- 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, evaluaciones y pruebas de regresión
- Monitoreo de calidad, seguridad, costos y latencia
Empaquetado y entrega
- Servicio con FastAPI y gestión de dependencias
- Versionamiento de grafos y estrategias de reversión
- Guías operativas y respuesta ante incidentes
Resumen y próximos pasos
Requerimientos
- Conocimiento funcional de Python
- Experiencia en la construcción de aplicaciones LLM o cadenas de prompts
- Familiaridad con APIs REST y JSON
Público objetivo
- Ingenieros de IA
- Gerentes de producto
- Desarrolladores que construyen sistemas interactivos impulsados por LLM
14 Horas