📚 Curso de Agentes IA

Este repositorio contiene todos los recursos para el curso completo de Agentes Inteligentes, usando LangChain, LangRap, Groq, HuggingFace embeddings, y ejemplos prácticos para procesar y consultar PDFs, automatizar tareas y construir agentes conversacionales.

📁 Estructura del repositorio

agentesIA/
│
├─ s1/
│   ├─ agente_simple/          # Agente básico: carga PDFs y permite consultas simples
│   └─ agente_resumidora/      # Agente que genera resúmenes automáticos de PDFs
│
├─ s2/
│   └─ agente_pdf_girly/       # Agente avanzado: estilo girly 💖✨, usa FAISS y embeddings
│
├─ data/
│   ├─ doc1.pdf                # PDF de ejemplo
│   └─ doc2.pdf                # PDF de ejemplo
│
├─ venv/                       # Entorno virtual Python
│
├─ .envEjemplo                  # Plantilla de archivo .env para API keys
└─ README.md                    # Este archivo

Cada semana (s1, s2) contiene ejemplos prácticos de agentes con distintos niveles de complejidad, desde simples hasta avanzados con prompts personalizados.

🔧 Requisitos

• Python 3.10+
• Paquetes Python (instalables con pip):

pip install langchain langchain-groq langchain-huggingface langchain-community faiss-cpu python-dotenv sentence-transformers

Estos paquetes permiten cargar PDFs, generar embeddings, construir un vectorstore con FAISS y crear agentes que respondan consultas.

🛠️ Configuración del entorno

1️⃣ Crear un entorno virtual (recomendado):

Windows:

python -m venv venv
.\venv\Scripts\activate

Mac/Linux:

python3 -m venv venv
source venv/bin/activate

2️⃣ Configurar el archivo .env: Copia .envEjemplo y renómbralo a .env. Dentro se coloca tu API key de Groq:

GROQ_API_KEY="TU_API_KEY_AQUI"

Esto protege tus claves y evita subirlas a GitHub. Python las cargará automáticamente con load_dotenv().

📂 Cómo usar los agentes

S1 – Agentes básicos

• agente_simple: carga PDFs y permite hacer consultas simples.
• agente_resumidora: genera resúmenes automáticos de PDFs.

Ejemplo de ejecución:

python s1/agente_simple/main.py

S2 – Agente girly avanzado

• agente_pdf_girly:

  • Detecta automáticamente los PDFs en data/
  • Divide el texto en chunks
  • Crea embeddings y vectorstore con FAISS
  • Permite consultas con respuestas en estilo girly 💖✨

Ejemplo de ejecución:

python s2/agente_pdf_girly/agente_pdf_girly_todo_en_uno.py

También puedes usar la función dentro del script:

from agente_pdf_girly_todo_en_uno import preguntar_girly

preguntar_girly("💅 Dame un resumen cute de los documentos y cita las fuentes")

Esto permite reutilizar la funcionalidad de manera programática.