Descripción
Curso para construir asistentes que responden sobre la documentación de la empresa (RAG) y agentes con LangChain, usando modelos que corren en vuestros servidores. Los documentos no salen de casa y cada respuesta cita su fuente o reconoce que no la tiene.
Datos del curso
| Código SIXE: SXIA05 | Categoría: Inteligencia Artificial / RAG y agentes |
| Modalidad: Online y presencial | Duración: 2 días |
Para quién es
Desarrolladores y arquitectos que tienen que montar un asistente sobre manuales, contratos o procedimientos internos sin enviar esos documentos a un servicio externo.
Requisitos
Python, APIs REST y JSON. Ayuda haber usado algún modelo de lenguaje, pero no hace falta experiencia previa con LangChain.
Qué vas a aprender
- Preparar los documentos: extraer texto y tablas de PDF con Docling, trocearlos y guardar de qué página sale cada fragmento.
- Recuperar lo que toca: embeddings, búsqueda vectorial y por palabras, y filtros para que cada usuario solo vea lo que puede ver.
- Responder con fuentes: cadenas de LangChain que citan el fragmento usado y se abstienen cuando no hay evidencia.
- Añadir herramientas: un agente con LangGraph que consulta el índice y otras APIs, con límites de pasos y permisos.
- Medir: un conjunto de preguntas con respuesta conocida para comprobar si cada cambio mejora o empeora el asistente.
Se practica con 25 documentos de ejemplo, con versiones contradictorias y preguntas sin respuesta, y termina con un asistente funcionando sobre un modelo local.
Qué te llevas
- Una ingestión de documentos con procedencia y permisos.
- Un asistente RAG con LangChain y un modelo local.
- Una batería de 30 preguntas para comprobar cada cambio.
Si lo que necesitáis es que lo montemos nosotros, eso es nuestro servicio de implantación de RAG con Docling. Y si queréis entender por qué un RAG acaba respondiendo con datos viejos, lo contamos en este artículo.
Preguntas frecuentes
¿Cuánto dura el curso?
2 días.
¿Es online o presencial?
Las dos cosas: en vuestras oficinas o en remoto, con instructor en directo.
¿Qué necesito saber antes?
Python, APIs REST y JSON. Ayuda haber usado algún modelo de lenguaje, pero no hace falta experiencia previa con LangChain.
¿Funciona con modelos locales o hace falta OpenAI?
Con los dos. El curso se hace con un modelo local y se explica qué cambia al pasar a una API externa.
¿El RAG elimina las alucinaciones?
No. Se mide la recuperación, la fidelidad a las fuentes y la abstención, y con eso se fijan criterios de aceptación.
¿Se puede adaptar a mi equipo?
Sí. Ajustamos ejemplos y prácticas a las herramientas y procesos del equipo, y podemos combinarlo con otros cursos de IA.
