Inicio Catálogo LangGraph: desarrollo de agentes de IA avanzados Programa Detallado

Curso de LangGraph: desarrollo de agentes de IA avanzados (Programa detallado)

Objetivo:

Diseñar e implementar agentes avanzados de IA utilizando LangGraph y LLMs para desarrollar sistemas autónomos y escalables que integren razonamiento, memoria y colaboración multi-agente.

Dirigido a:

  • Profesionales del desarrollo que quieran aprender a construir agentes avanzados con LangGraph y LLMs.
  • Profesionales de la ingeniería de datos y especialistas en IA interesados en sistemas RAG y arquitecturas de agentes autónomos.
  • Profesionales que ya utilizan LangChain o LLMs y desean dar el siguiente salto hacia sistemas de IA más complejos.
  • Profesionales de la consultoría tecnológica que quieran implementar soluciones avanzadas de IA en empresas y organizaciones.
  • Personal investigador y estudiantado que deseen comprender cómo diseñar arquitecturas modernas de agentes inteligentes.

Requisitos:

Se requiere tener conocimientos básicos de Python. Recomendable conocer los fundamentos de LangChain.

Programa del curso

1.- Introducción a LangGraph e instalación

Objetivo

  • Identificar los componentes y funcionalidades básicas de LangGraph.

Contenido

  1. Introducción a LangGraph e instalación
    1. Niveles de autonomía en aplicaciones de IA
    2. ¿Qué es LangGraph y qué nos ofrece?
    3. Instalación librerías y entorno LangGraph
    4. Resumen
Arriba

2.- Agente reflexivo en LangGraph

Objetivo

  • Instalar y configurar el entorno de LangGraph para su uso en proyectos.
  • Implementar un agente reflexivo básico utilizando LangGraph.

Contenido

  1. Agente reflexivo en LangGraph
    1. Presentación y configuración inicial del agente reflexivo
    2. Uso de LLM en la creación de agentes
    3. Creación de las cadenas de generación y reflexión
    4. Construcción del grafo con LangGraph
    5. Análisis de trazas del agente reflexivo con LangSmith
    6. Resumen
Arriba

3.- Agente reflexión con herramientas en LangGraph

Objetivo

  • Desarrollar un agente reflexivo que utilice herramientas externas en LangGraph.

Contenido

  1. Agente reflexión con herramientas en LangGraph
    1. Presentación y configuración inicial del agente reflexión
    2. Creación de esquemas de salida Pydantic
    3. Configuración de las herramientas con ToolNode
    4. Creación de cadenas para el agente de respuesta y agente revisor
    5. Construcción del grafo con LangGraph
    6. Análisis de trazas del agente reflexión con LangSmith
    7. Resumen
Arriba

4.- Agentes ReAct en LangGraph

Objetivo

  • Construir agentes ReAct para resolver tareas específicas usando LangGraph.

Contenido

  1. Agentes ReAct en LangGraph
    1. Presentación y configuración inicial del agente ReAct
    2. Creación de herramientas del agente ReAct con ToolNode
    3. Implementación de nodos para agente ReAct
    4. Construcción del grafo con LangGraph
    5. Análisis de trazas del agente ReAct con LangSmith
    6. Resumen
Arriba

5.- Agentes RAG avanzados con LangGraph

Objetivo

  • Crear agentes RAG avanzados aplicando técnicas de LangGraph.

Contenido

  1. Agentes RAG avanzados con LangGraph
    1. Presentación y configuración inicial del agente RAG
    2. Ingesta de datos en la base de datos vectorial
    3. Creación del estado del grafo
    4. Definición del nodo recuperador para obtener información relevante del RAG
    5. Construcción de filtro de relevancia para el RAG
    6. Implementación del nodo de búsqueda web con Tavily
    7. Definición del nodo de generación
    8. Creación del grafo RAG inicial
    9. Resumen
Arriba

6.- Agentes RAG avanzados con LangGraph con autoevaluación de alucinaciones y enrutado

Objetivo

  • Implementar el enrutado de agentes RAG avanzados con autoevaluación en LangGraph.

Contenido

  1. Agentes RAG avanzados con LangGraph con autoevaluación de alucinaciones y enrutado
    1. Autoevaluación de alucinaciones
    2. Autoevaluación de respuesta correcta
    3. Implementación de enrutado adaptativo en RAG
    4. Resumen
Arriba

7.- Persistencia e intervención humana en el flujo

Objetivo

Integrar la intervención humana en los flujos de agentes desarrollados con LangGraph.

Contenido

  1. Persistencia e Intervención humana en el flujo
    1. Persistencia en LangGraph: memoria y checkpointing
    2. Intervención humana con Memory Saver e interrupciones (persistencia RAM)
    3. Persistencia con Sqlite Saver
    4. Creación de agentes ReAct con persistencia y validación humana
    5. Resumen
Arriba

8.- Ejecución asíncrona en LangGraph

Objetivo

  • Implementar ejecuciones asíncronas en agentes desarrollados con LangGraph.

Contenido

  1. Ejecución asíncrona en LangGraph
    1. ¿Qué es la ejecución asíncrona en LangGraph?
    2. Implementación de asincronía en LangGraph
    3. Ejecución de ramas en paralelo con nodos adicionales
    4. Ejecución asíncrona con ramas condicionales
    5. Resumen
Arriba

9.- Ecosistema multiagente con LangGraph

Objetivo

  • Diseñar soluciones utilizando colaboración multiagente en LangGraph.

Contenido

  1. Ecosistema multiagente con LangGraph
    1. ¿Qué ecosistemas de agentes podemos implementar y por qué son necesarios?
    2. Presentación del proyecto multiagente
    3. Agente supervisor
    4. Agente clarificador
    5. Agente buscador
    6. Agente codificador
    7. Agente validador
    8. Creación del grafo y ejecución
    9. Resumen
Arriba

10.- Despliegue de soluciones con LangGraph

Objetivo

  • Desplegar soluciones autónomas construidas con LangGraph en entornos productivos.

Contenido

  1. Despliegue de soluciones con LangGraph
    1. ¿Qué opciones de despliegue tenemos?
    2. Despliegue con LangSmith Deployments
    3. Resumen
Arriba