[IAT-120] Integración RAGs y Agentes de IA en aplicaciones on-premises
Este curso enseña a integrar RAGs y agentes de IA en aplicaciones on-premises. Cubre desde la ingesta y procesamiento de datos con webscraping, limpieza y vectorización, hasta la construcción de pipelines RAG con LLM y chatbots internos. También incluye la creación de agentes para automatizar respuestas en Redmine y estrategias de escalado multiusuario.
Duración: 15 horas
Perfil: Avanzado
Dirigido a
Esta acción formativa va dirigida a dirigida a técnicos con experiencia en IA Generativa e integración de LLMs de pesos abiertos en aplicaciones on-premises, administradores de sistemas y desarrolladores back-end / full-stack.
Requisitos previos
Los alumnos necesitarán tener conocimientos de programación y de entornos de desarrollo.
Objetivos
Extraer datos de una web y guardarlos en una base vectorial para que el modelo los entienda y los use.
Tener un sistema funcional de generación aumentada por recuperación.
Automatizar tareas repetitivas mediante un agente de IA local.
Garantizar rendimiento y estabilidad en producción.
Contenido
Ingesta de datos para montar un RAG con ejemplo de webscraping
Webscraping de una web pública (ej. documentación interna)
Limpieza, partición y chunking
Vectorización con embeddings y almacenado en base vectorial
Puesta en marcha de un pipeline RAG
Integración LLM + vector DB + frontend tipo chatbot
RAG server (ej. LangChain o llama-index)
Ejemplo: chat de ayuda de una web interna
Puesta en marcha de un agente de IA con ejemplo en Redmine
Introducción a agentes: arquitectura y límites
Uso de LangChain o AutoGen para montar un agente
Caso práctico: respuestas iniciales automáticas a tickets de Redmine
Cómo escalar la solución para muchos usuarios
Servidores de inferencia paralela (vLLM, TGI)
Pooling, throttling, colas
Balanceo de carga y clustering
Buenas prácticas en entornos multiusuario
Documentación Recomendada
Se utilizará la documentación de referencia del proyecto.