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 versus cadenas lineales: cuándo y por qué
- Agentes, herramientas y ciclos planificador-ejecutor
- Primer flujo de trabajo: un grafo agéntico minimalista
Estado, memoria y transmisión de contexto
- Diseño del estado del grafo y las interfaces de los nodos
- Memoria a corto plazo versus memoria persistente
- 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, puntos ciegos y nodos de recuperación
Uso de herramientas e integraciones externas
- Invocación de funciones/herramientas desde nodos y agentes
- Consumo de REST APIs y bases de datos desde el grafo
- Análisis y validación de salidas estructuradas
Flujos de trabajo de agentes aumentados por recuperación (RAG)
- Ingesta de documentos y estrategias de segmentación (chunking)
- Incrustaciones (embeddings) y almacenes vectoriales con ChromaDB
- Respuestas fundamentadas con citas y salvaguardas
Evaluación, depuración y observabilidad
- Seguimiento de rutas e inspección de interacciones entre nodos
- Conjuntos dorados (golden sets), evaluaciones y pruebas de regresión
- Monitoreo de calidad, seguridad, costo y latencia
Empaquetado y entrega
- Servicio con FastAPI y gestión de dependencias
- Versionado de grafos y estrategias de reversión (rollback)
- Playbooks operativos y respuesta ante incidentes
Resumen y próximos pasos
Requerimientos
- Conocimientos prácticos de Python
- Experiencia en la construcción de aplicaciones de LLM o cadenas de prompts
- Conocimiento de REST APIs y JSON
Público objetivo
- Ingenieros de IA
- Gerentes de producto
- Desarrolladores que construyen sistemas interactivos impulsados por LLM