Quinta etapa: Exploración de escenarios de aplicación de la IA

Traducción al español de Agentic Design Patterns, que cubre 21 patrones de diseño de agentes de IA, incluyendo métodos de arquitectura central como cadenas de prompts, enrutamiento, colaboración multiagente, con ejemplos de código en Python.

Start Learning AI →
AIAgentAgenticPatternsMultiAgentGitHubTextFreeChinese-English

Patrones de Diseño Agénticos - Explicación Detallada de Materiales de Aprendizaje sobre Patrones de Diseño de Agentes Inteligentes

📚 Resumen del Curso

"Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems" es una guía técnica completa escrita por Antonio Gulli, Director Senior y Distinguido Ingeniero de la Oficina del CTO de Google, centrada en la construcción de sistemas de agentes de IA inteligentes y autónomos.

Es una guía práctica de 424 páginas que cubre los conceptos centrales y los métodos prácticos del diseño de agentes en los sistemas modernos de inteligencia artificial. Este libro ayuda a los desarrolladores a construir sistemas de agentes complejos desde cero a través de 21 patrones de diseño probados en la práctica.

Antecedentes del Autor

  • Nombre: Antonio Gulli
  • Cargo: Director Senior y Distinguido Ingeniero de la Oficina del CTO de Google
  • Experiencia: Más de 30 años de experiencia en IA, búsqueda y tecnologías de la nube
  • Educación: Doctorado en Ciencias de la Computación por la Universidad de Pisa, Italia
  • Otras obras: "Deep Learning with Keras"

Información de la Edición

  • Editorial original: Springer
  • Número total de páginas: 424 páginas
  • Fecha de publicación: 3 de diciembre de 2025
  • Traducción al chino: Versión de traducción bilingüe (chino-inglés) proporcionada por ginobefun
  • Naturaleza benéfica: Todas las regalías del libro original serán donadas a Save the Children

🎯 Objetivos de Aprendizaje

Este curso tiene como objetivo ayudar a los estudiantes a:

  1. Comprender los conceptos centrales de los sistemas de agentes - Dominar qué hace que un sistema de IA sea un verdadero "agente".
  2. Dominar 21 patrones de diseño - Aprender una pila tecnológica completa, desde lo básico hasta lo avanzado.
  3. Practicar la codificación práctica - Comprender la implementación de cada patrón a través de ejemplos de código reales.
  4. Construir sistemas de nivel de producción - Aprender a combinar patrones para crear sistemas autónomos complejos.
  5. Comprender las mejores prácticas - Obtener soluciones y diseños de arquitectura probados en la práctica.

📖 Estructura del Contenido Principal

Capítulos Preliminares

  • Dedicatoria (Dedication)
  • Agradecimientos (Acknowledgment)
  • Prólogo (Foreword)
  • La Perspectiva de un Líder de Pensamiento (A Thought Leader's Perspective)
  • Introducción (Introduction)
  • ¿Qué hace que un sistema de IA sea un "agente"? (What makes an AI system an "agent"?)

21 Patrones de Diseño Centrales

Patrones Básicos (Capítulos 1-5)

Capítulo 1: Encadenamiento de Prompts (Prompt Chaining)

  • Concepto: Patrón de descomposición de tareas "divide y vencerás".
  • Principio: Descompone tareas complejas en una serie de subproblemas más pequeños y manejables.
  • Aplicación: Cada subproblema se resuelve de forma independiente mediante un prompt diseñado específicamente, y la salida del paso anterior se convierte en la entrada del siguiente.
  • Valor: Forma una tubería de procesamiento lógicamente clara.

Capítulo 2: Enrutamiento (Routing)

  • Concepto: Toma de decisiones inteligente y distribución dinámica.
  • Principio: Selecciona la ruta de acción adecuada en función del estado del entorno, la entrada del usuario o los resultados de la ejecución.
  • Aplicación: Decide a qué módulo de función, herramienta o subproceso entregar la solicitud.
  • Valor: Permite que el agente tenga capacidades de toma de decisiones dinámicas.

Capítulo 3: Paralelización (Parallelization)

  • Concepto: Ejecución concurrente y mejora del rendimiento.
  • Principio: Ejecuta múltiples tareas independientes simultáneamente para mejorar la eficiencia y la velocidad de respuesta.
  • Aplicación: Transforma operaciones de espera en serie en ejecución concurrente.
  • Valor: Una tecnología clave para optimizar el rendimiento de flujos de trabajo complejos.

Capítulo 4: Reflexión (Reflection)

  • Concepto: Autoevaluación y mejora iterativa.
  • Principio: Optimiza continuamente la calidad de la salida mediante la introducción de bucles de retroalimentación.
  • Aplicación: El agente revisa su propio trabajo, identifica problemas y genera una versión mejorada.
  • Valor: Un mecanismo de auto-optimización para mejorar la calidad de la salida.

Capítulo 5: Uso de Herramientas (Tool Use)

  • Concepto: Integración de herramientas externas y API.
  • Principio: Expande los límites de las capacidades del agente.
  • Aplicación: Invoca API externas, bases de datos, herramientas de cálculo, etc.
  • Valor: Permite que el agente realice operaciones reales.

Patrones Intermedios (Capítulos 6-11)

Capítulo 6: Planificación (Planning)

  • Concepto: Formulación y ejecución de planes de varios pasos.
  • Aplicación: Planificación estratégica para tareas complejas.

Capítulo 7: Colaboración Multi-Agente (Multi-Agent Collaboration)

  • Concepto: Arquitectura de trabajo colaborativo.
  • Aplicación: Múltiples agentes colaboran para completar tareas complejas.

Capítulo 8: Gestión de la Memoria (Memory Management)

  • Concepto: Gestión de la memoria a corto y largo plazo.
  • Aplicación: Mantenimiento del contexto y recuperación de información histórica.

Capítulo 9: Aprendizaje y Adaptación (Learning and Adaptation)

  • Concepto: Aprender de la experiencia.
  • Aplicación: Mejora y adaptación continua del agente.

Capítulo 10: Protocolo de Contexto del Modelo (Model Context Protocol - MCP)

  • Concepto: Protocolo de interacción estandarizado.
  • Aplicación: Comunicación estandarizada entre agentes.

Capítulo 11: Establecimiento y Monitoreo de Objetivos (Goal Setting and Monitoring)

  • Concepto: Gestión dinámica de objetivos.
  • Aplicación: Seguimiento de objetivos y monitoreo del progreso.

Patrones Avanzados (Capítulos 12-21)

Capítulo 12: Manejo y Recuperación de Excepciones (Exception Handling and Recovery)

  • Concepto: Manejo elegante de errores.
  • Aplicación: Tolerancia a fallos del sistema y recuperación de errores.

Capítulo 13: Colaboración Humano-en-el-Bucle (Human-in-the-Loop)

  • Concepto: Toma de decisiones colaborativa entre humanos y máquinas.
  • Aplicación: Intervención manual en puntos críticos de decisión.

Capítulo 14: Recuperación de Conocimiento (Knowledge Retrieval - RAG)

  • Concepto: Técnica de generación aumentada por recuperación.
  • Aplicación: Integración dinámica de bases de conocimiento.

Capítulo 15: Comunicación Inter-Agente (Inter-Agent Communication - A2A)

  • Concepto: Protocolo de comunicación entre agentes.
  • Aplicación: Sistemas de agentes distribuidos.

Capítulo 16: Optimización Consciente de Recursos (Resource-Aware Optimization)

  • Concepto: Gestión de optimización de recursos.
  • Aplicación: Equilibrio entre costo y rendimiento.

Capítulo 17: Técnicas de Razonamiento (Reasoning Techniques)

  • Concepto: Mejora de las capacidades de razonamiento.
  • Aplicación: Razonamiento lógico complejo.

Capítulo 18: Barandillas/Patrones de Seguridad (Guardrails/Safety Patterns)

  • Concepto: Mecanismos de garantía de seguridad.
  • Aplicación: Asegurar que el comportamiento del agente sea seguro y controlable.

Capítulo 19: Evaluación y Monitoreo (Evaluation and Monitoring)

  • Concepto: Sistema de evaluación del rendimiento.
  • Aplicación: Medición y monitoreo de la calidad del sistema.

Capítulo 20: Priorización (Prioritization)

  • Concepto: Gestión de la prioridad de las tareas.
  • Aplicación: Asignación de recursos y programación de tareas.

Capítulo 21: Exploración y Descubrimiento (Exploration and Discovery)

  • Concepto: Mecanismos de exploración autónoma.
  • Aplicación: Descubrimiento de nuevos conocimientos y soluciones.

Sección de Apéndices

Apéndice A: Técnicas Avanzadas de Prompting (Advanced Prompting Techniques)

  • Consejos detallados de ingeniería de prompts.

Apéndice B: Agentes de IA: De las Interfaces Gráficas a los Entornos del Mundo Real

  • Aplicaciones de agentes en diferentes entornos.

Apéndice C: Resumen Rápido de Marcos de Agentes de IA

  • Comparación de marcos populares y guía de selección.

Apéndice D: Construyendo Agentes con AgentSpace

  • Tutorial práctico de la plataforma AgentSpace.

Apéndice E: Agentes de IA en la Línea de Comandos

  • Desarrollo de agentes en entornos CLI.

Apéndice F: Profundizando: Mecanismos Internos de los Motores de Razonamiento de Agentes

  • Detalles técnicos de los motores de razonamiento.

Apéndice G: Agentes de Codificación (Coding Agents)

  • Generación de código y agentes de asistencia a la programación.

💻 Marcos Tecnológicos

Este libro utiliza tres marcos principales de desarrollo de agentes como "lienzo" práctico:

1. LangChain & LangGraph

  • Características: Construcción flexible de secuencias de operaciones complejas.
  • Ventajas: Ecosistema maduro, rica biblioteca de componentes.
  • Aplicación: Adecuado para el desarrollo rápido de prototipos y la orquestación de flujos de trabajo complejos.

2. Crew AI

  • Características: Marco estructurado de orquestación multi-agente.
  • Ventajas: Centrado en patrones de colaboración en equipo.
  • Aplicación: Adecuado para construir equipos de agentes que trabajan en colaboración.

3. Google Agent Developer Kit (Google ADK)

  • Características: Conjunto completo de herramientas de desarrollo proporcionado por Google.
  • Ventajas: Soporte de principio a fin para la construcción, evaluación y despliegue.
  • Aplicación: Adecuado para el desarrollo de aplicaciones a nivel empresarial.

👥 Audiencia Objetivo

1. Ingenieros de IA

  • Aprender a construir sistemas de IA inteligentes y confiables.
  • Dominar las habilidades de desarrollo de agentes de nivel de producción.

2. Arquitectos de Software

  • Comprender el diseño de sistemas de componentes de agentes.
  • Aprender patrones de arquitectura de sistemas a gran escala.

3. Gerentes de Producto

  • Comprender las capacidades y limitaciones de la tecnología de agentes.
  • Planificar mejor las características de los productos de IA.

4. Investigadores

  • Aprender los últimos métodos de diseño de agentes.
  • Obtener inspiración para direcciones de investigación.

5. Estudiantes

  • Aprender sistemáticamente sobre inteligencia artificial y sistemas de agentes.
  • Sentar las bases para una futura carrera en IA.

🚀 Cómo Usar Este Material

Sugerencias de Ruta de Aprendizaje

1. Ruta de Lectura Secuencial (Recomendada para Principiantes)

  1. Primero, lea los capítulos preliminares para comprender los conceptos básicos.
  2. Estudie los 21 patrones de diseño en orden de capítulo.
  3. Los capítulos posteriores se basan en los fundamentos anteriores, progresando paso a paso.

2. Ruta Orientada a Temas (Para Desarrolladores Experimentados)

  • Construcción Básica: Capítulos 1-5
  • Colaboración y Memoria: Capítulos 6-8
  • Funciones Avanzadas: Capítulos 9-17
  • Seguridad y Monitoreo: Capítulos 18-19
  • Consejos de Optimización: Capítulos 20-21

3. Ruta de Práctica Primero

  1. Revise rápidamente la parte teórica.
  2. Ejecute directamente los ejemplos de código.
  3. Si encuentra problemas, vuelva a profundizar en la comprensión.
  4. Modifique el código para experimentar.

4. Modo Manual de Referencia

  • Utilice este libro como manual de referencia de patrones de diseño.
  • Consulte los capítulos relevantes cuando encuentre problemas específicos.
  • Participe en la comunidad y en discusiones.

🛠️ Configuración del Entorno de Práctica

Configuración del Entorno Local

1. Clonar el Repositorio

git clone https://github.com/ginobefun/agentic-design-patterns-cn.git
cd agentic-design-patterns-cn

2. Crear un Entorno Virtual (Recomendado)

# Crear entorno virtual
python3 -m venv venv

# Activar entorno virtual
# macOS/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. Instalar Dependencias

pip install langchain langchain-community langchain-openai langgraph

4. Configurar Claves API

Crear un archivo .env:

touch .env

Añadir al archivo .env:

# Clave API de OpenAI
OPENAI_API_KEY=your-openai-api-key-here

# O usar OpenRouter (compatible con la API de OpenAI)
OPENAI_API_KEY=your-openrouter-api-key-here
OPENAI_API_BASE=https://openrouter.ai/api/v1

5. Ejecutar Código de Ejemplo

# Asegurarse de que el entorno virtual esté activado
source venv/bin/activate

# Ejecutar ejemplo del Capítulo 1: Encadenamiento de Prompts
python codes/Chapter-01-Prompt-Chaining-Example.py

# Ejecutar código de otros capítulos
# python codes/Chapter-XX-Example.py

Entorno en Línea (Google Colab)

  • Cada archivo de ejemplo de código incluye un enlace a Google Colab.
  • Se puede ejecutar directamente en línea sin necesidad de configuración local.
  • Adecuado para experimentos y aprendizaje rápidos.

Notas

  • 🔑 Seguridad de la Clave API: Nunca envíe archivos .env que contengan claves API reales al control de versiones.
  • 💰 Costos de API: La ejecución del código generará costos de llamadas a la API; preste atención al uso.
  • 🌐 Conexión de Red: Se requiere conexión de red para acceder a los servicios de la API de LLM.
  • 🔄 Compatibilidad: Admite la API de OpenAI y servicios compatibles con la API de OpenAI (como OpenRouter).

📝 Normas de Traducción

Características de Formato

  • Resaltado: El contenido en chino utiliza <mark>texto</mark> para resaltado amarillo.
  • Bilingüe: Los párrafos en inglés van seguidos inmediatamente de la traducción al chino.
  • Términos Técnicos: Los términos importantes se mantienen en inglés, con la traducción al chino entre paréntesis.
  • Reglas de Espaciado: Se añade un espacio entre caracteres chinos e ingleses, y entre números.

Principios de Traducción

  • Precisión: 100% fiel al significado original.
  • Fluidez: Conforme a las expresiones habituales en chino.
  • Profesionalidad: Mantiene el rigor de la documentación técnica.
  • Consistencia: La traducción de la terminología es uniforme en todo el texto.

🌟 Valor Central y Características

1. Sistematicidad e Integridad

  • 21 patrones de diseño que cubren todos los aspectos del desarrollo de agentes.
  • Una ruta de aprendizaje completa, desde lo básico hasta lo avanzado.
  • Teoría y práctica estrechamente integradas.

2. Orientado a la Práctica

  • Cada capítulo proporciona ejemplos de código reales y ejecutables.
  • Implementaciones reales basadas en marcos populares.
  • Aplicable directamente en entornos de producción.

3. Soporte Multi-Marco

  • Ejemplos de LangChain/LangGraph.
  • Ejemplos de Crew AI.
  • Ejemplos de Google ADK.
  • Aprendizaje de patrones genéricos entre marcos.

4. Gratuito y Abierto

  • El libro original es de acceso público gratuito.
  • La traducción al chino es de código abierto.
  • Mejora continua impulsada por la comunidad.

5. Autoridad

  • El autor es un experto senior de la Oficina del CTO de Google.
  • Cuenta con 30 años de experiencia en la industria.
  • El contenido ha sido probado en la práctica.

🤝 Participación de la Comunidad

Cómo Contribuir

  1. Reporte de Errores - Encuentre errores de traducción o problemas de formato.
  2. Mejora de la Traducción - Proporcione sugerencias de traducción mejores.
  3. Traducción de Capítulos - Participe en la traducción de capítulos incompletos.
  4. Revisión y Corrección - Ayude a revisar los capítulos ya traducidos.

Proceso de Contribución

  1. Haga un "fork" de este repositorio.
  2. Cree una rama de características (git checkout -b feature/su-contribucion).
  3. Realice sus cambios (git commit -m 'Add: su contribucion').
  4. Envíe los cambios a la rama (git push origin feature/su-contribucion).
  5. Cree una Pull Request.

📚 Recursos Relacionados

Enlaces Oficiales

Documentación de Marcos

💡 Consejos de Aprendizaje

Principiantes

  1. Comience con los capítulos preliminares para comprender los conceptos básicos de los agentes.
  2. Concéntrese en aprender los 5 primeros capítulos de patrones básicos.
  3. Ejecute los ejemplos de código al menos una vez por capítulo.
  4. Intente modificar los parámetros del código para observar los efectos.
  5. Estudie los patrones avanzados después de comprender los fundamentos.

Desarrolladores Intermedios

  1. Revise rápidamente los capítulos básicos.
  2. Concéntrese en aprender los patrones intermedios y avanzados de los capítulos 6-14.
  3. Intente combinar múltiples patrones para resolver problemas reales.
  4. Investigue las técnicas avanzadas en los apéndices.
  5. Participe en discusiones y contribuciones de la comunidad.

Desarrolladores Avanzados

  1. Utilice este libro como manual de referencia.
  2. Concéntrese en la combinación de patrones y el diseño de arquitectura.
  3. Investigue la implementación del código fuente del marco.
  4. Contribuya con nuevos ejemplos y mejores prácticas.
  5. Guíe a otros en el aprendizaje.

🎓 Resultados del Aprendizaje

Al completar este curso, usted será capaz de:

  1. ✅ Comprender la arquitectura de los sistemas de agentes - Dominar los conceptos centrales y los principios de diseño de los agentes.
  2. ✅ Implementar 21 patrones de diseño - Implementar de forma independiente varios patrones de diseño de agentes.
  3. ✅ Elegir el marco adecuado - Seleccionar y utilizar marcos de desarrollo según los requisitos.
  4. ✅ Construir sistemas complejos - Combinar múltiples patrones para construir agentes de nivel de producción.
  5. ✅ Optimizar y depurar - Evaluar, monitorear y optimizar el rendimiento de los agentes.
  6. ✅ Garantizar la seguridad - Implementar barandillas de seguridad y mecanismos de manejo de errores.
  7. ✅ Colaboración en equipo - Diseñar e implementar sistemas de colaboración multi-agente.

📄 Información de Derechos de Autor

Derechos de Autor del Libro Original

  • Autor: Antonio Gulli
  • Editorial: Springer
  • Derechos de Autor: Los derechos de autor del libro original pertenecen al autor y a la editorial.
  • Naturaleza Benéfica: Todas las regalías se donan a Save the Children.

Derechos de Autor de la Traducción

  • Traducción: ginobefun
  • Licencia: CC BY-NC 4.0
  • Propósito: Solo para estudio e intercambio, promoviendo el desarrollo de la comunidad de IA en chino.

Restricciones de Uso

  • ✅ Permitido: Copiar, distribuir, exhibir y adaptar libremente la obra (con atribución al traductor).
  • ❌ Prohibido: Cualquier forma de uso comercial.
  • 📧 Colaboración Comercial: Para uso comercial, por favor contacte al traductor y a los titulares de los derechos de autor del libro original.

🌈 Resumen

"Agentic Design Patterns" es una guía de desarrollo de agentes sistemática, completa y orientada a la práctica. No solo proporciona 21 patrones de diseño probados, sino que también incluye abundantes ejemplos de código y mejores prácticas. Ya sea usted un ingeniero de IA, un arquitecto de software o un estudiante interesado en la tecnología de agentes, este libro le proporcionará conocimientos y experiencia práctica invaluables.

Al estudiar este libro, dominará las habilidades centrales necesarias para construir sistemas de IA inteligentes, autónomos y confiables, preparándose para construir la próxima generación de aplicaciones en la era de la IA.

¡Construyamos juntos un futuro más inteligente! 🚀