</> CodeBooks
    ← Volver a IA generativa y LLMs (página 11)
    Portada de Learning LangChain

    Learning LangChain

    Mayo Oshin, Nuno Campos

    Editorial
    O'Reilly
    Año
    2025
    Páginas
    ~297
    Nivel
    Básico

    De qué trata

    Guía oficial de aprendizaje escrita por Mayo Oshin y Nuno Campos (ingeniero fundador de LangChain y creador de LangGraph) para dominar el desarrollo de aplicaciones inteligentes y flujos agénticos con las versiones modernas de LangChain y LangGraph. Está diseñada para desarrolladores noveles e intermedios en inteligencia artificial que ya programan con soltura en Python o JavaScript/TypeScript y desean adquirir una metodología sólida para integrar modelos de lenguaje en sus productos de software sin depender de soluciones improvisadas.

    El contenido recorre de manera progresiva los bloques fundamentales del ecosistema: la interfaz unificada Runnable y la sintaxis declarativa de LCEL (LangChain Expression Language), la gestión de prompts dinámicos y la estructuración de respuestas en formato JSON mediante parsers especializados. En el área de recuperación aumentada por generación (RAG), cubre la carga y división de documentos, almacenamiento en bases vectoriales y estrategias avanzadas como RAPTOR, reescritura de consultas, RAG-Fusion, HyDE y generación de SQL a partir de lenguaje natural (Text-to-SQL). Además, profundiza en el manejo de memoria conversacional y estados cíclicos con StateGraph en LangGraph, arquitecturas cognitivas (cadenas, routers, bucles de planificación y ejecución), llamadas a herramientas (tool calling) e integración con LangSmith para depuración y evaluación continua.

    El enfoque del libro es completamente guiado y orientado a la construcción paso a paso, proporcionando ejemplos ejecutables tanto en Python como en JavaScript. Su mayor atractivo radica en la autoridad de sus autores, quienes presentan los patrones de diseño recomendados y las mejores prácticas arquitectónicas de LangGraph de primera mano, evitando patrones obsoletos del pasado de la librería. No abarca el entrenamiento ni el ajuste fino (fine-tuning) de modelos fundacionales, enfocándose estrictamente en la capa de orquestación y desarrollo de aplicaciones. Es la puerta de entrada ideal antes de crear agentes autónomos o sistemas de producción complejos.

    • LangChain
    • LangGraph
    • LCEL
    • RAG avanzado
    • StateGraph
    • Memoria conversacional
    • Agentes autónomos
    • Tool Calling
    • LangSmith
    • Python
    • JavaScript

    ¿Cómo enseña?

    TeóricoPráctico

    Con proyectos

    • ✗ Sin ejercicios
    • ✓ Incluye proyectos

    Proyectos

    Chatbot conversacional con memoria persistente en LangGraph

    Asistente de diálogo implementado sobre StateGraph que gestiona, recorta y filtra el historial de mensajes para mantener el contexto sin exceder la ventana de tokens.

    Sistema RAG avanzado con búsqueda híbrida y transformaciones de consulta

    Motor de recuperación documental que emplea técnicas como RAG-Fusion, HyDE y filtros semánticos sobre bases de datos vectoriales para responder con datos externos.

    Agente autónomo con ciclo de planificación y ejecución de herramientas

    Agente inteligente construido con LangGraph capaz de planificar tareas complejas, invocar herramientas externas y manejar flujos multiagente con control de errores.

    Más de IA generativa y LLMs con nivel Básico