Curso RAG Agents: Construye Aplicaciones y GPTs con APIs, MCP, LangChain y n8n

Por /

Vamos a aprender todo sobre RAG (Retrieval Augmented Generation), desde los conceptos básicos hasta los flujos de trabajo más avanzados.

1 – Introducción y Consejos: Descripción del Curso y Cómo Empezar Fácilmente con RAG usando NotebookLM

Lecciones

1.1- Bienvenidos al Curso 1.2- Consejos Importantes para el Curso 1.3- Explicación de los Enlaces del Curso 1.4- Me presento, soy Jero 1.5- Inicio Rápido con RAG usando NotebookLM de Google

2 – Fundamentos: Explicación de LLMs, RAG, Bases de Datos Vectoriales y la Interfaz de ChatGPT

Lecciones

2.1- Fundamentos Esenciales: Lo Que Necesitas Saber Antes de Empezar 2.2- LLMs explicados: ChatGPT, Claude, Gemini, Deepseek, Llama, Mistral y más 2.3- Llamadas a Funciones: Cómo los LLMs se Comunican con Herramientas a través de APIs y usan RAG 2.4- Bases de Datos Vectoriales, Modelos de Embeddings, Top-K y Chunking para RAG 2.5- ¿Qué es una API? 2-6. Fundamentos de ChatGPT: Interfaz, Modelos, Configuraciones, GPTs y OpenAI Playground 2.7- Test Time Compute Explicado: Modelos Pensantes como Deepseek R1 y OpenAI o3 & o4 2.8- Repaso de RAG: Bases de Datos Vectoriales, Top-K, Fragmentación, LLMs, Llamadas a Funciones y APIs

3- Práctica con RAG usando ChatGPT y GPTs Personalizados

Lecciones

3.1- Qué aprenderás en esta sección sobre RAG y GPTs 3.2- Primer Bot RAG con PDFs usando GPTs: Preparación de Datos (Markdown) y Prompts del Sistema 3.3- Transformar una Página Web HTML en un Chatbot RAG 3.4- Construyendo un Bot RAG desde un video de YouTube 3.5- Entrenando ChatGPT en Tu Estilo de Escritura mediante Generación Aumentada por Recuperación 3.6- Usando un Archivo CSV como Fuente de Datos para un Bot RAG 3.7- Desbloquea el Poder de los GPTs – Genera Tráfico hacia tus Enlaces y Mucho Más 3.8- Resumen: Lo que has aprendido y qué debes hacer a continuación

4- Implementando RAG con LLMs de Código Abierto: AnythingLLM y Ollama

Lecciones

4.1- Qué Aprenderás en Esta Sección: RAG con Ollama y AnythingLLM 4.2- Fundamentos de Ollama: Instalación, Modelos, Comandos, Servidor y Hardware 4.3- AnythingLLM: Conceptos Básicos – Integración con Ollama, Configuración e Interfaz 4.4- Chunk Size (Tamaño de Fragmentos) y Chunk Overlap (Superposición) para tus Embeddings 4.5- Creando un Chatbot RAG Local con AnythingLLM y Ollama 4.6- Control del Comportamiento de la IA – System Prompt, Top-K, Búsqueda por Similitud, Memoria y Temperatura 4.7- Visión General de las Capacidades de los Agentes: Búsqueda Web, Intérprete Python, Web Scraping y MCPs 4.8- Conclusiones Clave de Ollama y AnythingLLM con RAG

5- Chatbots RAG y Agentes con la API de OpenAI, LangChain y LangGraph en Flowise

Lecciones

5.1- Resumen del módulo – Cómo Usar APIs para Construir Tus Propias Aplicaciones 5.2- API de OpenAI Explicada: Precios, Configuración de Proyectos, Gestión y Cumplimiento GDPR 5.3- OpenAI Playground y Response API: Simplificando RAG, Imágenes, Audio y más 5.4- LangChain, LangGraph & Flowwise: Herramientas Clave para Flujos de Trabajo de IA en esta Sección 5.5- Configuración de Node.js para FlowWise: Instalación, Gestión y Opciones de Uso 5.6- Solucionando Problemas de Instalación de Flowise: Gestión de Versiones de Node con NVM 5.7- Instalación de Flowise con Node.js mediante la Línea de Comandos (y cómo actualizar tu instancia) 5.8- La Interfaz de FlowWise y LangChain y LangGraph de Forma Sencilla 5.9- Construye un Chatflow RAG: Web Scraping, Embeddings, Base de Datos Vectorial y División HTML 5.10- Exportar e Importar Flujos como JSON 5.11- Creando Tu Propia Interfaz de Chatbot y Frontend para Flowise 5.13- Ejecutando un Chatbot RAG Localmente con Ollama y LangChain (Seguridad de Datos) 5.14- Agente de Herramientas con RAG: Pinecone, Function Calling y APIs (Postgres & Supabase) 5.15- Ingeniería de Prompts del Sistema para Agentes de IA y Agentes RAG 5.16- Agentes de IA Multi-Agente con Múltiples Expertos LLM y RAG 5.17- Agentes Secuenciales con Human‑in‑the‑Loop and self-improving Agentic RAG 5.18- Resumen de los puntos claves que hemos aprendido: Agentes RAG con APIs, LangChain y LangGraph en Flowise

6- Construyendo Chatbots y Agentes RAG con n8n

Lecciones

6.1- Qué Aprenderás en Esta Sección sobre n8n 6.2- Instalación Local de n8n con Node.js y la Interfaz (+ versión de prueba gratuita) 6.3- Gestión de Versiones de Node con nvm (Solucionando Errores en la Instalación de n8n) 6.4- Actualizando n8n Localmente via Node 6.5- n8n Fundamentos: Triggers, Acciones, Nodos, Modelos y Más 6.6- Bot RAG para Generación de Leads con n8n, Pinecone y Google Sheets 6.7- Usa mis Workflows: Exportar, Importar y Combinar Workflows de n8n en Formato JSON 6.8- Convirtiendo un Sitio Web en un Chatbot RAG mediante Solicitudes HTTP y Web Scraping 6.9- Resumen de la Sección de n8n

7- Aplicaciones RAG con Flowise y n8n: Alojamiento, Auto-hospedaje y Venta Simplificados

Lecciones

7.1- Lo que Aprenderás en Esta Sección: Auto-hospedaje, Construcción y Venta de Agentes RAG 7.2- Cómo Alojar Flowise en Render: Guía Paso a Paso 7.3- Crear un Chatbot RAG para un Cliente con Flowise Tool Agent: Guía Paso a Paso 7.4- Mejorando el Diseño y Marca del Chatbot LangGraph en Replit 7.5- Cómo Integrar un Chatbot RAG en un Sitio WordPress 7.6- Añade tu Logo y Ajustes Finales del Bot para un Aspecto Profesional 7.7- Configuraciones Adicionales para tu Aplicación LangChain LangGraph en Flowise 7.8- Hosting de n8n: Auto-hospedaje con Render, Hostinger y Otras Opciones

Resumen de privacidad
Logo JeroCuevas.com

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.

Cookies de terceros

Esta web utiliza Google Analytics para recopilar información anónima tal como el número de visitantes del sitio, o las páginas más populares.

Dejar esta cookie activa nos permite mejorar nuestra web.