Newsletter para devsEntra
Masterclass

Cómo crear aplicaciones con Inteligencia Artificial con LangChain y OpenAI

#InteligenciaArtificial #OpenAI #LangChain #DesarrolloSoftwareIA

SuscríbeteDesde 15€/mes

Duración total: 01:27:11

Código descargable

Acceso 100% online

Guía práctica para crear apps con LangChain y OpenAI: integración de LLMs, ingestión de datos, embeddings, chains, memoria y demos con código real.

Qué vas a aprender

  1. 1Integración de LangChain con OpenAI para crear aplicaciones IA
  2. 2Uso de modelos GPT (3.5/4) y ajustes de parámetros como temperatura
  3. 3Ingesta de datos y document loaders (PDF, código, Markdown)
  4. 4Generación de embeddings y almacenamiento en vector stores (hnswlib, Chroma)
  5. 5Diseño de chains y plantillas de prompt
  6. 6Gestión de memoria y chat history (buffer memory)
  7. 7Streaming y callbacks para respuestas incrementales en la UI
  8. 8Análisis y consulta de código legacy (ej. PHP 2004) mediante vector search
  9. 9Costes y facturación al usar OpenAI; consideraciones de modelo
  10. 10Alternativas y despliegue: modelos open-source, self-hosting y Next/Docker

Explora los capítulos

1. Presentación [17:48]

Presentación

[01:02]

Impacto de IA en la programación

[00:57]

Uso beneficioso de IA

[01:45]

Explicación y respuesta de LLM/ChatGPT

[03:22]

Clave de desarrollo: Descubrimiento de OpenAI

[00:16]

OpenAI ofrece documentación para desarrolladores

[01:50]

LangChain: IA para facilitar desarrollo

[03:11]

LangChain avanza rápido, requiere actualización 🔥

[02:34]

Análisis de costes de GPT 🔥

[01:24]

Langchain: Documentación con buscador de IA

[01:27]

2. Demo básica [07:22]

Demo básica

[01:01]

Herramientas de Lanchain para programación

[05:40]

Proceso de devolución de datos

[00:41]

3. Demo con memoria [17:38]

Demo con memoria

[01:03]

Casos de uso del framework 🔥

[02:06]

Implementaciones de chat con OpenAI

[02:56]

Clasificación y almacenamiento de mensajes

[00:58]

Función MapStoriesMessage almacena mensajes

[04:29]

Ejemplo con Napoleón 🔥

[06:06]

4. Demo con datos [31:47]

Demo con datos

[01:44]

Texto convertido en vectores

[00:58]

Almacenamiento de texto en VectorStore 🔥

[03:23]

Generación de ficheros con librería

[00:12]

Proceso de vectorización con embedding

[00:50]

Lectura de datos con document loaders

[01:48]

División recursiva de documentos

[03:12]

Leyendo código legacy PHP

[01:27]

Uso de base de datos vectoriales

[02:18]

Pregunta sobre código legacy

[02:23]

Prueba de refactorización con IA 🔥

[00:51]

Pregunta: Uso alternativo de GPT4All

[05:37]

Embeddings usan ADA 002

[01:56]

Uso de modelos existentes para respuestas

[03:43]

Mejorar resultados trabajando el prompt

[01:25]

5. Demo con Next.js [12:36]

Demo con Next.js

[03:11]

Sobreescribir prompts para mejores resultados

[01:34]

Callback Manager y cadenas Q&A

[02:06]

Base de datos Markdown

[04:15]

Importancia de adaptar el framework

[00:37]

Chat: importancia de preguntas y respuestas

[00:53]

Suscríbete

Desde 15€/mes