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
Introducción a LangGraph y a los conceptos de grafos
- Por qué usar grafos en aplicaciones de LLM: orquestación frente a cadenas simples.
- Nodos, aristas y estado en LangGraph.
- Primeros pasos con LangGraph: su primer grafo ejecutable.
Gestión del estado y encadenamiento de prompts
- Diseño de prompts como nodos de grafo.
- Transmisión del estado entre nodos y manejo de salidas.
- Patrones de memoria: contexto a corto plazo frente a contexto persistido.
Bifurcación, flujo de control y manejo de errores
- Enrutamiento condicional y flujos de trabajo de múltiples caminos.
- Reintentos, tiempos de espera (timeouts) y estrategias de respaldo (fallback).
- Idempotencia y reejecuciones seguras.
Herramientas e integraciones externas
- Llamadas a funciones/herramientas desde nodos de grafo.
- Invocación de API REST y servicios dentro del grafo.
- Trabajo con salidas estructuradas.
Flujos de trabajo aumentados por recuperación de información (RAG)
- Procesamiento básico de ingesta de documentos y segmentación (chunking).
- Embeddings y almacenes vectoriales (p. ej., ChromaDB).
- Respuestas fundamentadas con citas.
Pruebas, depuración y evaluación
- Pruebas tipo unitarias para nodos y rutas.
- Trazabilidad (tracing) y observabilidad.
- Controles de calidad: factualidad, seguridad y determinismo.
Fundamentos de empaquetado e implementación
- Configuración del entorno y gestión de dependencias.
- Provisión (serving) de grafos a través de API.
- Control de versiones de flujos de trabajo y actualizaciones escalonadas (rolling updates).
Resumen y próximos pasos
Requerimientos
- Comprensión de la programación básica en Python.
- Experiencia en el uso de API REST o herramientas de línea de comandos (CLI).
- Conocimiento de los conceptos de LLM y los fundamentos de la ingeniería de prompts.
Público objetivo
- Desarrolladores e ingenieros de software que se inician en la orquestación de LLM basados en grafos.
- Ingenieros de prompts y profesionales nuevos en IA que desarrollan aplicaciones de LLM de múltiples pasos.
- Profesionales de datos que exploran la automatización de flujos de trabajo con LLM.