book

Aprender idiomasCadena

by Mayo Oshin, Nuno Campos

March 2025

Intermediate to advanced

296 pages

7h 7m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Breve introducción a los LLMsLLMs ajustados a instruccionesLLMs sintonizados por diálogoLLMs afinadosBreve introducción al promptPrompting de disparo ceroCadena de pensamientoRecuperación-Generación mejoradaLlamada a la herramientaPrompting de pocos disparosLangChain y por qué es importanteQué esperar de este libroConvenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Configurarse con LangChainUso de LLMs en LangChainCómo hacer reutilizables los prompt de LLMObtener Formatos Específicos de LLMsSalida JSONOtros formatos legibles por máquina con analizadores de salidaEnsamblar las muchas piezas de una solicitud de LLMUso de la interfaz ejecutableComposición imperativaComposición declarativaResumen
El objetivo: elegir un contexto relevante para los LLMsIncrustaciones: Convertir texto en númerosIncrustaciones antes de LLMsIncrustación basada en LLMExplicación de las incrustaciones semánticasConvertir tus documentos en textoDividir tu texto en trozosGenerar incrustaciones de textoAlmacenar incrustaciones en un almacén vectorialConfiguración con PGVectorTrabajar con almacenes vectorialesSeguimiento de los cambios en tus documentosOptimización de la indexaciónMultiVectorRetrieverRAPTOR: Procesamiento Abstractivo Recursivo para la Recuperación Organizada en ÁrbolColBERT: Optimizar incrustacionesResumen
Presentación de la generación mejorada por recuperaciónRecuperar documentos relevantesGenerar predicciones LLM utilizando documentos relevantesTransformación de consultasReescribir-Recuperar-LeerRecuperación Multi-ConsultaRAG-FusiónIncrustación hipotética de documentosEnrutamiento de consultasEnrutamiento lógicoEnrutamiento semánticoConstrucción de consultasFiltro de texto a metadatosTexto a SQLResumen
Construir un sistema de memoria ChatbotPresentación de LangGraphCrear un StateGraphAñadir memoria a StateGraphModificar el historial de chatRecortar mensajesFiltrar mensajesFusionar mensajes consecutivosResumen
Arquitectura nº 1: Llamada LLMArquitectura nº 2: CadenaArquitectura nº 3: RouterResumen
El bucle Planificar-HacerConstruir un agente LangGraphLlama siempre primero a una herramientaTratar con muchas herramientasResumen
ReflexiónSubgrafos en LangGraphLlamar directamente a un subgrafoLlamar a un subgrafo con una funciónArquitecturas multiagenteSupervisor ArquitecturaResumen
Salida estructuradaProducción intermediaTransmisión de la salida LLM Token por TokenModalidades Human-in-the-LoopLLMs MultitareaResumen
Requisitos previosInstalar dependenciasModelo de lengua grandeTienda VectorAPI backendCrear una cuenta LangSmithComprender la API de la Plataforma LangGraphModelos de datosCaracterísticasImplementación de tu aplicación de IA en la plataforma LangGraphCrear una configuración API LangGraphPrueba tu aplicación LangGraph localmenteImplementación desde la interfaz de usuario de LangSmithIniciar LangGraph StudioSeguridadResumen

Técnicas de prueba a lo largo del ciclo de desarrollo de aplicaciones LLMLa Fase de Diseño: RAG AutocorrectivoLa fase de preproducciónCrear conjuntos de datosDefinir tus criterios de evaluaciónPruebas de regresiónEvaluar el rendimiento de un agente de principio a finProducciónRastreandoRecoger opiniones en la producciónClasificación y etiquetadoMonitoreo y corrección de erroresResumen
Chatbots interactivosEdición colaborativa con LLMsInformática ambientalResumen

Overview

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Si quieres crear aplicaciones de IA listas para la producción que puedan razonar y recuperar datos externos para la conciencia del contexto, tendrás que dominar un popular marco de desarrollo y plataforma para crear, ejecutar y gestionar aplicaciones agenticas. LangChain es utilizado por varias empresas líderes, como Zapier, Replit, Databricks y muchas más. Esta guía es un recurso indispensable para los desarrolladores que entienden Python o JavaScript pero son principiantes deseosos de aprovechar el poder de la IA.

Los autores Mayo Oshin y Nuno Campos desmitifican el uso de LangChain a través de conocimientos prácticos y tutoriales en profundidad. Comenzando con conceptos básicos, este libro te muestra paso a paso cómo construir un agente de IA listo para la producción que utilice tus datos. Aprovecha el poder de la generación aumentada por recuperación (RAG) para mejorar la precisión de los LLM utilizando datos externos actualizados.

Aprovecha el poder de la generación aumentada por recuperación (RAG) para mejorar la precisión de los LLMs utilizando datos externos actualizados.
Desarrolla e implementa aplicaciones de IA que interactúen de forma inteligente y contextual con los usuarios.
Utiliza la potente arquitectura de agentes con LangGraph
Integra y gestiona API y herramientas de terceros para ampliar la funcionalidad de tus aplicaciones de IA.
Monitorea, prueba y evalúa tus aplicaciones de IA para mejorar el rendimiento.
Comprende los fundamentos del desarrollo de aplicaciones LLM y cómo se pueden utilizar con LangChain