Contacta con nosotros

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas