AI Agent Book: una ruta de estudio para construir agentes
AI Agent Book: una ruta de estudio para construir agentes
Leer diez capítulos y sus ejercicios sin confundir un plan de aprendizaje con un agente desplegado.
Qué aprenderás
- Qué contiene el repositorio
- Leer con una pregunta
- Alcance de esta serie
Antes de empezar
- Entorno básico de Python
- Acceso a un proveedor de modelos para ensayos en vivo
Convertir una lección de contexto en experimento y decisión documentados.
Conclusiones clave
- Diez capítulos forman un currículo, no una aplicación.
- Las categorías de ejercicios tienen costes de reproducción distintos.
- Examinar un ejercicio no certifica todos los demás.
Qué contiene el repositorio
El README plantea agente como modelo, contexto y herramientas. Organiza diez capítulos desde fundamentos hasta colaboración multiagente, y describe 109 experimentos entre proyectos locales y reproducciones externas.
La cifra es un mapa de actividades, no una prueba de que todo funcione desde una descarga limpia. El repositorio distingue ejercicios ejecutables, reproducciones y diseños.
Leer con una pregunta
Una primera cuestión útil es si quitar resultados de herramientas cambia la capacidad de terminar una tarea. El capítulo 1 ofrece modos de contexto, código y un programa comparativo.
Antes de ejecutar, lee el README del ejercicio para conocer proveedor, clave, salidas y advertencias. Capítulos posteriores remiten a proyectos externos con configuración y licencias propias.
Alcance de esta serie
Fijamos un commit e inspeccionamos el README principal, la guía de contexto, el agente y el ejecutor de experimentos. No llamamos a un modelo ni reprodujimos cifras del libro.
Los nueve artículos orientan lectura y verificación. No certifican los 109 ejercicios ni convierten un ejemplo educativo en un servicio productivo.
Cómo elegir
| Criterio | Opción A | Opción B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
Pasos de implementación
- 1
Elegir una pregunta del índice.
- 2
Clasificar el ejercicio como local, externo o conceptual.
- 3
Anotar revisión y evidencia esperada antes de ejecutarlo.
Ejemplo para copiar
Chapter map -> choose one question -> inspect one experiment -> record evidencePreguntas frecuentes
¿Es una plataforma de agentes desplegable?
Es un libro con proyectos experimentales separados.
¿Se verificaron todos los ejercicios?
No. Solo se inspeccionó una parte fijada del código.
Fuentes
- AI Agent Book / README.mdFuente verificada 2026-09-26
- AI Agent Book / chapter1/context/README.mdFuente verificada 2026-09-26