Generative AI with Python

Manual práctico para desarrolladores escrito por Bert Gollnick y publicado por Rheinwerk Computing que explora el ecosistema de la inteligencia artificial generativa aplicada mediante Python. El libro se concentra en el aprovechamiento de modelos preentrenados, almacenamiento vectorial, arquitecturas de Generación Aumentada por Recuperación (RAG) y diseño de sistemas agénticos autónomos. Está orientado a desarrolladores de software, científicos de datos e ingenieros de aprendizaje automático de nivel intermedio que cuentan con buen dominio de Python y desean crear aplicaciones comerciales impulsadas por LLMs sin perderse en el exceso de herramientas superficiales del mercado.

La obra enseña los principios fundacionales de tokenización, embeddings semánticos y modelos transformers y de difusión para la generación de texto, código e imágenes. Demuestra cómo interactuar programáticamente con APIs comerciales como OpenAI y utilizar bibliotecas abiertas como Hugging Face Transformers y LangChain. Profundiza en técnicas avanzadas de prompt engineering, fine-tuning de instrucciones, despliegue y consulta de bases de datos vectoriales para RAG, y construcción de arquitecturas colaborativas de múltiples agentes mediante frameworks especializados como CrewAI y AG2 (anteriormente AutoGen). Además, examina métodos cuantitativos para evaluar la precisión de las respuestas generadas y patrones de arquitectura para el despliegue de soluciones en producción.

A lo largo de sus capítulos se construyen generadores de contenido automatizados, pipelines de búsqueda y respuesta fundamentada con RAG conectando documentos a bases vectoriales, y un entorno multiagente coordinado donde diversas entidades de IA asumen roles especializados para resolver flujos de trabajo empresariales. Su mayor virtud es la claridad con la que integra librerías punteras como CrewAI y AG2 en un recorrido coherente y directamente aplicable. No profundiza en la matemática de optimización de redes neuronales profundas ni en el entrenamiento de modelos fundacionales desde cero, manteniéndose enfocado en la ingeniería de aplicaciones. Se recomienda contar con nociones de arquitecturas de microservicios y consumo de APIs REST.