Construcción de Componentes Reusables de LLM en Python

Resumen

Learn to design a prompt-driven workflow for LLM apps. Build a Prompt Manager for templates with defaults and a robust LLM Manager that wraps OpenAI API calls.

Through hands-on examples, you'll manage prompts cleanly, inject dynamic context, handle errors, and structure interactions for real-world use.

Programa

• Unidad 1: Diseño de Nuestro Investigador Profundo
• Unidad 2: Realización de Llamadas Básicas a LLM
Configuración de Tu Cliente de OpenAI
Cambio de Personas con Indicaciones del Sistema
Elaboración de Indicaciones Efectivas para el Usuario
Control de Aleatoriedad con Configuraciones de Temperatura
Selección del Modelo LLM Correcto
• Unidad 3: Estructura de la Indicación y Variables
Carga de Plantillas desde Archivos
Reemplazo de Marcadores de Posición con Expresiones Regulares
Integración de la Línea de Generación de Indicaciones
Creación de un Generador de Recetas con Plantillas
• Unidad 4: Creación del Gestor de Indicaciones
Implementación de Sustitución de Variables en Plantillas
Adición de Funcionalidad de Registro de Plantillas
Plantillas Complejas para Indicaciones Dinámicas
Ejecución de la Indicación
• Unidad 5: Creación del Gestor de LLM
Adición de Registro de Indicaciones para Depuración
Mejoramiento del Manejo de Errores de API
Optimización de la Detección de Respuestas Booleanas
Validación de Variables de Entorno para Seguridad
Creación de una Función de Envoltorio LLM Flexible

---

Materias

Computer Science