Descubre qué hace especiales a los code agents y cómo usan Python para razonar y actuar. Crea tu primer agente con smolagents, añade herramientas integradas y de la comunidad para acceder a la web y crea herramientas personalizadas para conectar los agentes con los datos.

Introducción a Hugging Face smolagents

Deja que el agente haga las cuentas: análisis de gastos

¿Cómo? ¿No escribiste ninguna función?

Crear un agente con herramientas

Escribir código mediante prompts: Interés compuesto

Permite que los agentes busquen en la web

Crear un agente con herramientas personalizadas

Solo añade @tool: crea una herramienta personalizada

¡La cuenta, por favor! Dar acceso a datos a los agentes

Un único prompt, muchas herramientas

Transforma tu pipeline de RAG tradicional en un sistema agentic que recupera información de forma iterativa y razona a lo largo de múltiples pasos. Crea herramientas con estado para admitir recuperación avanzada, guía a los agentes con intervalos de planificación para mejorar los resultados y usa callbacks para seguir y personalizar el comportamiento del agente en tiempo de ejecución.

Repaso de RAG

La canalización RAG paso a paso

RAG en orden: de los manuales a las respuestas

Entonces, ¿qué está pasando realmente en RAG?

El paso que aporta significado

Introducción al Agentic RAG

Con estado desde el diseño: crea una herramienta de búsqueda RAG

Conecta la herramienta y activa Agentic RAG

Trabajar con agentes de múltiples pasos

Sigue los pasos del agente y monitoriza la acción

Hora de jugar: ejecuta el agente completo

Agentic RAG y agentes de múltiples pasos

Aborda flujos de trabajo complejos orquestando equipos de agentes especializados bajo la coordinación de un manager. Añade memoria para mantener el contexto entre interacciones, depura el comportamiento del agente usando trazas de ejecución y pasos de razonamiento, e implementa estrategias sólidas de validación para garantizar respuestas fiables y de alta calidad.

Introducción a los sistemas multiagente

Divide y vencerás: creando agentes especialistas

Conoce al equipo: coordinación de agentes

Gestión de la memoria del agente

Que no se te olvide: mantener la memoria entre llamadas

Trazar la ejecución del código del agente

Validación de la respuesta final del agente

Di más, agente: imponer longitud de las respuestas

Agentes más inteligentes: validar y reintentar

¡Enhorabuena!

Sistemas multiagente, memoria y validación

Orders

Los agentes de IA están cambiando cómo trabajamos con datos y software. Desde automatizar flujos de trabajo hasta ayudar a los usuarios con tareas complejas, los agentes pueden buscar, razonar y actuar por ti. En este curso, aprenderás a crear agentes con smolagents, un framework de Python ligero desarrollado por Hugging Face.

Practica con Code Agents y herramientas

Empezarás entendiendo qué hace especiales a los code agents y por qué son tan potentes. Luego, crearás tu primer agente desde cero usando smolagents para generar y ejecutar código en Python. También aprenderás a conectar herramientas integradas y a crear herramientas personalizadas para ampliar lo que tus agentes pueden hacer.

Haz que los agentes sean más inteligentes con RAG y memoria

A continuación, usarás retrieval-augmented generation (RAG) para ayudar a los agentes a extraer información de grandes colecciones de documentos. Irás un paso más allá creando sistemas de Agentic RAG: agentes que razonan en múltiples pasos para obtener mejores respuestas. También aprenderás a añadir memoria para que los agentes gestionen repreguntas de forma natural y lleven un seguimiento de lo ya realizado.

Coordina sistemas multiagente y valida resultados

En el capítulo final, construirás sistemas multiagente que coordinan agentes especialistas a través de un manager. Añadirás intervalos de planificación, usarás callbacks para entender el comportamiento del agente y validarás las respuestas finales, de modo que tus agentes se mantengan confiables y fáciles de usar.

Al terminar el curso, sabrás crear agentes que se anticipan, colaboran y ejecutan tareas con eficacia.

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

Aprende a crear agentes inteligentes que razonan, actúan y resuelven tareas reales con Python.

Agentes de IA con Hugging Face smolagents

Aprende a crear agentes inteligentes que razonen, actúen y resuelvan tareas del mundo real utilizando Python.

Fundamentos de Hugging Face

Recopila y preprocesa los manuales en PDF.

Crea un índice semántico: divide los documentos en fragmentos, genera embeddings y almacena los vectores.

Busca en el índice y selecciona los fragmentos más relevantes.

Reúne el contexto: une los fragmentos recuperados con separadores y metadatos.

Genera la respuesta: envía la pregunta y el contexto al LLM para obtener una respuesta.

RAG en orden: de los manuales a las respuestas

Agentes de IA con Hugging Face smolagents

Ejercicio interactivo práctico