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 Guía Práctica
- Grafos frente a cadenas lineales: cuándo y por qué.
- Agentes, herramientas y bucles planificador-ejecutor.
- Hello workflow: un grafo agénico mínimo.
Estado, Memoria y Transferencia de Contexto
- Diseño del estado del grafo e interfaces de nodos.
- Memoria a corto plazo frente a memoria persistida.
- Ventanas de contexto, resumen y reconstrucción.
Lógica de Ramificación y Flujo de Control
- Encaminamiento condicional y decisiones de múltiples caminos.
- Reintentos, tiempos de espera y disyuntores (circuit breakers).
- Alternativas, 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 (RAG)
- Ingesta de documentos y estrategias de fragmentación.
- Embeddings y almacenes vectoriales con ChromaDB.
- Respuestas fundamentadas con citas y salvaguardas.
Evaluación, Depuración y Observabilidad
- Rastreo de caminos e inspección de interacciones entre nodos.
- Conjuntos de referencia (golden sets), evaluaciones y pruebas de regresión.
- Monitoreo de calidad, seguridad y coste/latencia.
Empaquetado y Entrega
- Servicio mediante FastAPI y gestión de dependencias.
- Versión de grafos y estrategias de reversión.
- Playbooks operativos y respuesta a incidentes.
Resumen y Próximos Pasos
Requerimientos
- Conocimientos prácticos de Python.
- Experiencia en la construcción 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