Flujos de trabajo agenciales

Resumen

Go beyond simple automation and learn to architect intelligent systems. In this course, you'll master the art of designing and building agentic workflows using Python.

You'll explore core patterns like Prompt Chaining, Routing, and Parallelization to create teams of AI agents that can reason, plan, and act to solve complex problems. You will finish by building a complete, agentic project management system, proving your ability to translate high-level goals into powerful, adaptive AI solutions.

Programa

• Introducción a los Flujos de Trabajo Agenticos
Introduce los conceptos fundamentales de los agentes de IA y los flujos de trabajo agenticos, estableciendo el contexto para el curso. Cubre los requisitos previos, el entorno del curso y cómo usar las claves API necesarias.
• Comprendiendo los Flujos de Trabajo Agenticos
Explora qué define a un agente de IA moderno, sus componentes centrales (Persona, Conocimiento, Herramientas, Interacción) y los diferentes tipos de agentes según su modelo de interacción con LLM.
• Modelado de Flujos de Trabajo Agenticos
Diseñar y visualizar flujos de trabajo agenticos. Aprender tipos comunes de agentes como bloques de construcción para crear diagramas de flujo de trabajo visual.
• Implementación de Flujos de Trabajo Agenticos
Cubre los aspectos prácticos de traducir modelos de flujos de trabajo agenticos a código Python. Los estudiantes aprenden a estructurar la lógica de los agentes, definir clases de agentes y orquestar sus interacciones.
• Patrones de Flujos de Trabajo Agenticos: Flujo de Trabajo de Encadenamiento de Prompts
Introduce el patrón de Encadenamiento de Prompts para descomponer tareas complejas en una secuencia de pasos más pequeños y dependientes. Cubre estrategias para la descomposición de tareas, validación y gestión del contexto.
• Implementación de Flujos de Trabajo de Encadenamiento de Prompts con Python
Proporciona experiencia práctica en la implementación del patrón de Encadenamiento de Prompts. Los estudiantes construyen una cadena de múltiples agentes para resolver un problema donde la información se pasa secuencialmente.
• Patrones de Flujos de Trabajo Agenticos: Enrutamiento
Enseña el patrón de Enrutamiento, que implica clasificar tareas entrantes y dirigirlas al agente especializado o ruta de procesamiento más apropiado.
• Implementación de Flujos de Trabajo de Enrutamiento Agentico con Python
Los estudiantes implementan un sistema de enrutamiento donde un agente de enrutador utiliza un LLM para clasificar una consulta y luego la envía al agente especialista correcto, lo cual puede involucrar la orquestación de sub-tareas.
• Patrones de Flujos de Trabajo Agenticos: Paralelización
Introduce el patrón de Paralelización para ejecutar múltiples tareas de agentes de manera concurrente. Cubre estrategias para la descomposición de tareas (sharding, basadas en aspectos) y agregación de resultados.
• Implementación de Flujos de Trabajo de Paralelización con Python
Los estudiantes implementan un flujo de trabajo paralelo utilizando el módulo threading de Python, donde múltiples agentes especialistas analizan un documento de manera concurrente, y un agente sintetizador combina sus hallazgos.
• Patrones de Flujos de Trabajo Agenticos: Flujo de Trabajo Evaluador-Optimizador
Se centra en el patrón Evaluador-Optimizador, un proceso iterativo de generación, crítica y refinamiento para mejorar la calidad del resultado. Enfatiza criterios de evaluación claros y retroalimentación accionable.
• Implementación de Flujos de Trabajo Evaluador-Optimizador con Python
Los estudiantes construyen un sistema de dos agentes (un creador y un crítico) que trabaja en un bucle. El creador genera una solución, y el crítico proporciona retroalimentación hasta que la solución cumple con todas las restricciones.
• Patrones de Flujos de Trabajo Agenticos: Flujo de Trabajo de Orquestador-Trabajadores
Introduce el avanzado patrón Orquestador-Trabajadores, donde un agente central planifica, delega y sintetiza dinámicamente el trabajo de múltiples agentes trabajadores especializados.
• Implementación del Patrón Orquestador-Trabajadores en Python
Los estudiantes implementan un generador de informes de análisis de mercado donde un agente Orquestador crea un plan, asigna tareas a los trabajadores de análisis de noticias, competidores y tendencias, y luego sintetiza sus hallazgos.
• Revisión del Curso
Revisión del curso.
• Flujo de Trabajo Agentico Potenciado por IA para la Gestión de Proyectos
En este proyecto construirás una biblioteca completa y reutilizable de diferentes tipos de agentes y luego los usarás para crear un flujo de trabajo agentico de múltiples pasos para gestionar un proyecto técnico.

---

Impartido por

Peter Kowalchuk

---

Materias

Computer Science