ruta de aprendizaje · build-along
AI / Agentes en backend
Construí features LLM y agénticas productivas — no demos: RAG que no alucina, evals que lo prueban, costo controlado y observabilidad. Cada módulo agrega una capa a un mismo proyecto que al final es una pieza de portafolio demostrable.
el proyecto ancla
Un servicio backend AI en FastAPI: un agente que usa un RAG sobre tu corpus (pgvector + reranking), con evals que gatean el deploy, observabilidad y despliegue en cloud. Lo construís vos, módulo a módulo.
A0 — Fundamentos LLM
Tokens/costo, context window, structured output y tool calling.
A1 — RAG core
Chunking, embeddings, pgvector y retrieval top-k.
A2 — Retrieval de calidad
Reranking, hybrid search (RRF), chunking y metadata filtering.
A3 — Agentes (LangGraph)
StateGraph, tools, memoria, límite de pasos y human-in-the-loop.
A4 — Tools & MCP
Diseño de tools, manejo de errores y servidor MCP.
A5 — Evals & observabilidad
RAGAS, LLM-as-judge, regression gate y Langfuse/OTel.
A6 — Producción & deploy
FastAPI async/SSE, auth, costo/latencia, guardrails, Docker, Cloud Run, CI/CD.
Capstone — Servicio AI
El servicio completo: demostrable, con evals que gatean, y defendible en entrevista.