Memoria persistente en agentes con LangGraph
Contenido del curso
Herramientas y Búsqueda Vectorial
Orquestación y Construcción con LangGraph
Criterios de Uso y Finalización
Memoria persistente en agentes con LangGraph
Memoria persistente en agentes con LangGraph
Contenido del curso
Ricardo Andres Ardila Enriquez
Kevin Fiorentino
Mateo Montoya Henao
Cual seria la mejor opcion de estas herramientas pero en AWS, seria algo como: OpenSearch/s3vector y Berdrock? pero no se cual seria la opcion para LandGraph
En este taller, el profesor está utilizando un endpoint en la nube para prompter. Probablemente por detrás utilice directamente la API de OpenAI.
Respondiendo tu pregunta, puede usar el provider o LLM que quieras junto con LangGraph. Bedrock es buena opción, es básicamente una API que te provee muchos LLMs.
✨ Resumen Visual de la Clase: Agregar memoria a agentes con LangGraph y MongoDB ✨
1. La Idea Central (El Core 💡): Aprendimos a integrar memoria en agentes de inteligencia artificial utilizando LangGraph y MongoDB para mejorar interacciones.
2. Puntos Clave (En viñetas 📌):
3. El Ejemplo o Dato Crucial 🚀: Al preguntar al agente sobre las mejores prácticas para backups en MongoDB, este recuerda la pregunta anterior y proporciona una respuesta contextualizada.
4. Conexión o Siguiente Paso 🔗: Este conocimiento es fundamental para desarrollar agentes adaptativos que manejen tareas complejas y mejoren con cada interacción, esenciales en proyectos de inteligencia artificial.