Bienvenido a Platzi

Alfredo Olmedo

Alfredo Olmedo

student
hace un año

Explicacion de cada uno de los Archivos:

script.py

Este archivo contiene un script que utiliza la API de OpenAI para generar respuestas basadas en la entrada del usuario. Utiliza la biblioteca langsmith para envolver el cliente de OpenAI y trazar automáticamente las llamadas a la API. La función

pipeline
toma una entrada del usuario y devuelve una respuesta generada por el modelo GPT-4o-mini.

Este archivo define varias funciones que realizan operaciones específicas relacionadas con productos, como calcular precios, buscar productos, sumar precios y verificar descuentos. Todas las funciones están decoradas con

@traceable
para permitir el seguimiento de sus ejecuciones.

evaluation.py

Este archivo contiene la función

target
que simula el comportamiento del agente en un entorno de producción. La función procesa las entradas del usuario, inicializa mensajes y llama a la API de OpenAI para generar respuestas. También maneja las llamadas a funciones definidas en .

main.py

Este archivo contiene la función principal que inicializa y ejecuta el agente de Platzi Store. Carga las variables de entorno, configura el cliente de OpenAI y gestiona la interacción con el usuario en un bucle, permitiendo al usuario ingresar consultas y recibir respuestas del agente.

pipeline.py

Este archivo define la lógica principal del agente, incluyendo la inicialización de mensajes, la definición de herramientas disponibles y la función

run_agent
que gestiona la conversación con el agente. También incluye funciones auxiliares para imprimir información de las llamadas a funciones y registrar la actividad en un árbol de ejecución.

trajectory.py

Este archivo configura un cliente de LangSmith y OpenAI, define un conjunto de ejemplos de prueba y evalúa la trayectoria del agente en función de las consultas del usuario. La función

run_agent_with_tracking
ejecuta el agente y registra la trayectoria junto con la respuesta final, mientras que
trajectory_subsequence
evalúa si la trayectoria del agente coincide con la trayectoria esperada.

No hay respuestas
Curso de Observabilidad de Agentes AI con LangSmith

Curso de Observabilidad de Agentes AI con LangSmith

Configura, monitorea y evalúa agentes de IA usando LangSmith. Analiza conversaciones, mide desempeño y corrige errores con trazabilidad, reglas, dashboards y anotaciones para mejorar agentes en aplicaciones reales.

Curso de Observabilidad de Agentes AI con LangSmith
Curso de Observabilidad de Agentes AI con LangSmith

Curso de Observabilidad de Agentes AI con LangSmith

Configura, monitorea y evalúa agentes de IA usando LangSmith. Analiza conversaciones, mide desempeño y corrige errores con trazabilidad, reglas, dashboards y anotaciones para mejorar agentes en aplicaciones reales.