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.
Duración 14 horas
Temario del curso
LangGraph y patrones de agentes: Una introducción práctica
- Grafos vs. cadenas lineales: cuándo y por qué
- Agentes, herramientas y bucles planificador-ejecutor
- Flujo de trabajo de hola: un grafo agéntico minimalista
Estado, memoria y transmisión de contexto
- Diseño del estado del grafo y de las interfaces de nodos
- Memoria a corto plazo vs. memoria persistida
- Ventanas de contexto, resumen y rehidratación
Lógica de ramificación y flujo de control
- Enrutamiento condicional y decisiones de múltiples caminos
- Reintentos, timeouts y circuit breakers
- Mecanismos de respaldo, callejones sin salida y nodos de recuperación
Uso de herramientas e integraciones externas
- Llamadas 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 mejorados con recuperación
- Ingesta de documentos y estrategias de segmentación (chunking)
- Embeddings y almacenes de vectores con ChromaDB
- Respuestas fundamentadas con citas y salvaguardas
Evaluación, depuración y observabilidad
- Rastreo de rutas e inspección de interacciones entre nodos
- Conjuntos dorados, 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 reversión
- Playbooks operativos y respuesta a incidentes
Resumen y próximos pasos
Requerimientos
- Conocimientos prácticos de Python
- Experiencia en la construcción de aplicaciones de 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