Fundamentos de LangGraph: Prompting y encadenamiento de LLM basados en grafos

Introducción a LangGraph y conceptos de grafos

• Por qué usar grafos para aplicaciones de LLM: orquestación frente a cadenas simples
• Nodos, aristas y estado en LangGraph
• Hola LangGraph: primer grafo ejecutable

Gestión de estado y encadenamiento de prompts

• Diseño de prompts como nodos de grafo
• Transmisión de estado entre nodos y manejo de salidas
• Patrones de memoria: contexto a corto plazo frente a contexto persistente

Bifurcación, flujo de control y manejo de errores

• Enrutamiento condicional y flujos de trabajo de múltiples rutas
• Reintentos, tiempos de espera y estrategias de respaldo
• Idempotencia y reejecuciones seguras

Herramientas e integraciones externas

• Invocación de funciones/herramientas desde nodos de grafo
• Invocación de APIs REST y servicios dentro del grafo
• Trabajo con salidas estructuradas

Flujos de trabajo con aumento de recuperación (Retrieval-Augmented Workflows)

• Basados en la ingesta de documentos y su segmentación
• Embeddings y almacenes vectoriales (p. ej., ChromaDB)
• Respuestas fundamentadas con citas

Pruebas, depuración y evaluación

• Pruebas de estilo unitario para nodos y rutas
• Trazabilidad y observabilidad
• Controles de calidad: factualidad, seguridad y determinismo

Paquetización y fundamentos de despliegue

• Configuración del entorno y gestión de dependencias
• Servicio de grafos detrás de APIs
• Versionado de flujos de trabajo y actualizaciones gradual (rolling updates)

Resumen y próximos pasos