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 frente a cadenas lineales: cuándo y por qué
- Agentes, herramientas y bucles planificador-ejecutor
- Hola mundo: un grafo agente mínimo
Estado, memoria y paso de contexto
- Diseño del estado del grafo e interfaces de nodo
- Memoria a corto plazo frente a memoria persistente
- Ventanas de contexto, resumido y rehidratación
Lógica de ramificación y flujo de control
- Enrutamiento condicional y decisiones multi-camino
- Reintentos, tiempos de espera y cortocircuitos (circuit breakers)
- Mecanismos de respaldo, puntos muertos y nodos de recuperación
Uso de herramientas e integraciones externas
- Llamada de 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)
- Estrategias de ingesta de documentos y segmentación
- Embeddings y bases de datos 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 (golden sets), 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 retroceso (rollback)
- Playbooks operativos y respuesta a incidentes
Resumen y próximos pasos
Requerimientos
- Conocimientos prácticos de Python
- Experiencia en el desarrollo de aplicaciones LLM o cadenas de prompts
- Conocimiento de APIs REST y JSON
Audiencia objetivo
- Ingenieros de IA
- Gerentes de producto
- Desarrolladores que construyen sistemas interactivos impulsados por LLM
14 Horas