Nociones Básicas

Muy bien, en este vídeo te voy a enseñar exactamente las nociones básicas de NN.

Vamos a construir nuestro propio chatbot de inteligencia artificial de ejemplo y voy a enseñarte cómo conectar la mayoría de las APIs con los modelos.

Voy a enseñarte todo, todo lo básico para poder realizar un chatbot.

Entender cómo funcionan los flujos, entender cómo funcionan las memorias, entender cómo funcionan las tools, entender cómo funcionan los modelos.

Un curso prácticamente completo.

Vamos a empezar por las nociones básicas.

Lo primero que tenéis que entender es qué tenemos en NN, qué es lo que podemos hacer, qué es lo que no podemos hacer.

Para empezar, aquí tenemos los workflows, es muy importante, Nosotros cuando tengamos en un futuro bastantes clientes, vamos a tener que organizar nuestro espacio de trabajo, porque si no va a ser un desastre.

Entonces vamos a crear una folder.

Aquí podemos crear folders.

No me deja, dame un segundito.

Voy a poner otro correo electrónico para licencia, por ejemplo.

Vamos a poner cualquier correo que tenga.

Deme un segundito.

Voy a poner team, A ver si me la mandan.

Vamos a esperar.

Bueno, voy a poder hacer el tutorial simplemente.

El apartado de las folders es muy sencillo.

Tú si te quieres organizar las folders, aquí puedes organizarte las carpetas, aquí puedes crear carpetas, aquí puedes filtrar, aquí puedes meter credenciales directamente.

Esto es importante porque puedes añadir las credenciales antes de crear los workflows.

Yo, yo recomiendo directamente añadir las credenciales a medida que vais desarrollando infraestructuras.

Las ejecuciones, las datatables, que es una cosa que ha salido prácticamente la última versión de NE, que es básicamente para poder crear bases de datos internas en tu propio host, en tu propia Virtual Private Server.

Entonces nos vamos a meter aquí en workflow y vamos a hacer una cosa.

Te voy a enseñar primero las nociones básicas, después te voy a enseñar cómo vamos a hacer un chatbot ejemplo que funcionable, cosas interesantes.

Primero, aquí tenemos inteligencia artificial, todo lo que viene a ser inteligencia artificial que puede generar agentes, que puede generar agentes de watrails, por ejemplo, que son agentes básicamente de seguridad, para que no haya ningún.

Para prevenir, básicamente como aquí pone Generating undersideable responses, Generar respuestas indeseables, conectar OpenAI directamente.

Los LLM básicos, ¿Vale?

Para que tengan una estructura directa.

Information extractor, sacar información, simplemente.

Question and answer, change, una inteligencia artificial que únicamente responde y pregunta, análisis de sentimiento, etc.

Text classifier, esto ya es un poquito más avanzado, pero lo que vamos a hacer básicamente es construir un agente normal y de ahí te voy a ir explicando.

¿Aquí tenemos acciones que se pueden hacer en distintas aplicaciones, aquí están todos las conexiones que tenemos, podemos buscar, tenemos manipulación de datos, tenemos códigos, tenemos tiempos, tenemos edit fields, añadir o quitar ítems, meter filtros, quitar duplicados, dividir, por ejemplo que nos llegue un nodo, imagínate que nos llega de una manera no?

Por ejemplo, nos llega un texto que pone Denise, pone 18 y pone una fecha 30 del 6 del 2006, por ejemplo, fecha de nacimiento y viene todo esto en un string.

Vale, pues ¿Cómo dividirlo?

Con split it out, lo divides de this en distintas variables, 18 y 30 del 2006.

Esto por ejemplo sería lo que hace esta herramienta de split it out, que es para dividir una pisma variable, una cadena de texto en diferentes.

Aquí es lo contrario, el aggregate, lo contrario, el split it out, que lo que hace básicamente es lo contrario a esto.

Tienes aquí y lo añades en uno mismo, por ejemplo el merge, que es cuando recibes distintos inputs y quieres meterlo en uno mismo también resumir.

¿Y luego a nivel de compresión y conversión de data, aquí tenemos el flow, cosas para el flujo, el core del flujo human in loop, Vale, para que?

Esto es para hacer infraestructuras donde se requiera de atención humana, es decir, que se haga cierta cosa y hasta que una persona no lo verifique o no lo apruebe, no se haga, por ejemplo, y lo puedes añadir.

Otro trigger, trigger manually, hay distintos triggers con formularios como el de chat, que es el que tenemos ahora mismo.

Y también tenemos muy importante el tema de los webhooks on webhook cal.

Los webhooks son muy importantes porque es prácticamente donde se conecta absolutamente todo.

Si tú quieres conectar cualquier aplicación, un agente de voz, si quieres conectar lobable para hacer páginas web, si quieres conectar cualquier herramienta, al final vas a tener que utilizar webhooks, que son conexiones APIs entre aplicaciones.

Entonces, si nos metemos a la estructura de webhook muy básica, podemos ver por aquí que tenemos distintos métodos, Estos son los HTTP methods, podemos hacer en test o podemos hacer en production.

¿Qué significa en test?

Básicamente es cuando estamos haciendo directamente una prueba, no lo hemos puesto directamente a producción, no lo queremos en caso real.

Entonces, por ejemplo, si nosotros queremos hacer un método post, recibir información de otra aplicación, en método test copiaremos esta URL, que le podemos dar un nombre más específico, por ejemplo, prueba de NIST.

Un authentication en cas de que sea necesario.

Ahora mismo no es necesario, tienes distintos tipos y cómo quieres que responda en este caso Response inmediataly.

En este caso de response sí que voy a tocar uno muy relevante que es el de Response to webhook node.

Dame un segundito porque está la música, estaba la música y hablando en vocales, disculpa.

Entonces en el apartado respond hay uno que voy a recalcar que es este que pone Response to webhook Node.

Este es muy importante porque si añadimos aquí, le damos clic aquí, añadir response to webhook, OK, Es muy importante porque, por ejemplo, imagínate que nosotros queremos conectar un agente de voz y queremos que haga una automatización.

Nosotros pondremos este webhook, haremos la automatización y al final le tendremos que devolver a ese agente de voz un output para que entienda que se ha hecho, si se ha podido hacer por ejemplo o no la automatización.

Entonces directamente lo manda al mismo webhook de vuelta a la anterior aplicación.

Esto es muy importante, ya lo explicaré en cosas más, en cosas específicas, cuando vengan los casos, entonces explicará.

Pero esto es muy importante que sepas que vamos a tocar mucho los webhooks, esto es muy, muy importante.

Entonces, ¿Qué es lo que vamos a hacer ahora?

Yo te voy a enseñar cómo conectar las credenciales, cómo funcionan las memorias de los agentes de inteligencia artificial y cómo funciona este nodo.

En principal vamos a crear un chatbot de ejemplo y a medida que vamos creando ese chatbot de ejemplo, te voy a explicar cómo funciona todo, prácticamente cada parte de ese chatbot.

Para empezar tenemos el WhenChatMessage Received, esto es muy importante.

Este es el trigger que le vamos a dar, el de iniciación en este caso.

Este puede ser cualquiera de las aplicaciones que utilicemos.

Por ejemplo, si utilizamos WhatsApp, si nos bajamos aquí a donde pone Triggers, le damos a On Message, aquí hay que conectar las credenciales y eso no, pero por ejemplo, y conectamos el flujo a la gente, ya podemos recibir desde WhatsApp que por ejemplo queremos ver los mensajes que se reciben en Telegram.

Vamos a Telegram, vamos a Triggers on Message y hacemos lo mismo, conectamos la credencial y se conecta.

Entonces, dependiendo de la aplicación que tú vayas a usar, vas a tener que añadir uno u otro.

También se pueden hacer desde Webhook directamente, que es el que veremos después con Evolution API.

Vamos aquí a Webhook, le damos aquí, lo ponemos, muy importante en método post mensaje y luego este enlace lo añadiremos en la aplicación de Evolution o de WhatsApp, de donde sea.

Y cada vez que se reciba un mensaje se ejecutará este Webhook.

Entonces es muy importante porque este es el trigger inicial.

En este caso vamos a utilizar el propio nativo de NN para que veas las pruebas.

Entonces vamos a eliminar uno.

Hace falta ni que lo eliminemos, lo voy a eliminar por si acaso, para que no haya lío, no quiero hacer un lío.

Aquí, clic derecho, no lo veo, un segundito.

Bueno, le damos a Delete directamente desde el teclado.

¿Entonces vamos a escribir un mensaje de prueba, vale?

Si le damos aquí a Open Chat, se nos abre un chat.

Aquí nosotros podemos escribir lo que queramos a la gente.

Hola, buenas.

En este caso falla, obviamente, pero vemos que se ha registrado directamente el texto y nos ha generado por usuario, nos genera un caché temporal, nos genera un caché en base a quien escribe.

Eso ocurre en todos los triggers, en WhatsApp, en Telegram, en propio DN, nos genera un session ID, nos genera la acción que ha hecho la persona y nos da el texto que nos ha mandado.

Estas son las variables que recibimos de la gente, que son los datos con los que después vamos a manipular y vamos a utilizar para que la gente haga una cosa u otra.

Entonces, una vez explicado esto, vamos a ir directamente al agente de inteligencia artificial.

¿Cómo se corresponde y cómo funciona un agente de inteligencia artificial?

Para empezar, cuando damos clic, tenemos aquí el prompt userMessage, este es el prompt que recibe directamente el agente.

Puedes poner uno definido directamente, puedes decirle este es el texto que recibes de la persona y tú, por ejemplo, puedes arrastrar el mensaje que acaba de escribir la persona.

Tú le puedes decir dime exactamente, dice la persona.

Entonces este es el prompt userMessage que le damos cada vez que se ejecuta el prompt.

Luego tenemos el require specific output format.

¿Qué significa esto?

Significa que queremos dar un output específico que cuando salga el agente nos dé directamente un output, una salida con un formato en concreto.

Esto lo explicaré después.

Enable FileBack Model.

Esto no es necesario ahora, esto en caso de que dé error, pues estableces otro agente, por ejemplo, que puede hacerlo y sustituirlo.

Lo importante es esto.

Aquí vamos a añadir System message.

Este aquí es donde le añadimos toda la magia a la gente, todas las instrucciones, absolutamente todo, todo el contexto de la gente.

Por ejemplo, aquí hemos escrito lo buenas, Vamos a hacer un agente, por ejemplo, que lo que haga es que el texto que ponga la persona lo traduzca directamente en inglés y se lo mande en inglés.

Muy importante, los agentes, recomiendo darle clic aquí en expresión y luego ponértelo aquí en grande.

Es muy importante que tengáis en cuenta que los agentes de inteligencia artificial funcionan en formato Markdown, ¿Vale?

Para poder optimizarlos lo máximo posible.

¿Qué significa Markdown?

Te lo voy a explicar.

¿Que significa Markdown?

Porque los prompts se escriben así.

Markdown es un lenguaje de formato simple y ligero que permite dar una estructura y estilo al texto sin usar herramientas complicadas.

Se utiliza muchísimo en programación, documentación y también en props, porque es una forma de escribir texto que luego puede renderizarse de manera más fácil.

Aquí tenemos un ejemplo y estas son las nociones muy básicas.

Quiero que te grabes una cosa en la cabeza, muy importante, Si tú tienes alguna duda, tienes que entender que ChatGPT y Advisia Academy.

Dame un segundo, si se escribirá.

Acá de mí.

Venga va Denisse, tú puedes.

Tengo el ratón hecho, pochísimo.

Son tus mejores amigos.

Mejores amigos.

¿Qué significa esto?

Si tienes duda ChatGPT, si tienes duda Advis Academy, Carlos y Denisse, directamente ni te lo pienses, empieces a ver tutoriales directamente.

La duda que tienes, la duda, te resolvemos que tienes una duda, te resolvemos que tienes una duda técnica para saber por qué Denis dice esto.

ChatGPT, por ejemplo, ¿Vale?

Entonces es muy importante que entiendas esto, ¿OK?

¿Cómo se hacen?

¿Explícame por ejemplo, cómo se puede hacer el mejor prompt más optimizado nn Por ejemplo, ves?

Aquí nos lo explica.

Estructura clara, Markdown obligatorio, lo que comentamos, definir los roles, definir las reglas y prohibiciones y tener un formato de salida fijo.

Muy importante en n.

Este es el prompt perfecto, el system prom perfecto, Son cuatro pilares que tiene que seguir a la gente sí o sí para poder hacer un agente que funcione y que sea viable.

Tener una estructura muy clara de lo que hace la gente.

Tener los roles definidos de lo que hace la gente.

Tener unas reglas y unas prohibiciones que no puede hacer y que debe seguir.

Y tener un formato de salida fijo.

Entender cómo quiere que devolvamos eso a la gente.

Por ejemplo, aquí tenemos una estructura ideal de prompt.

La estructura universal más efectiva para nn es rol.

¿Qué eres y cuál es tu propósito?

Contexto, reglas, output format y ejemplos, ¿Vale?

Por ejemplo, vamos a añadir esto y vamos a hacerlo en base a cómo queremos que haga.

A lo que queremos que haga la gente.

Disculpa.

¿Vale?

Entonces, rol.

Vale, le vamos a añadir un rol.

Por ejemplo, eres Denise de Advisia Academy.

Respondes siempre en inglés y tu rol es traducir el texto directamente.

¿Qué recibes?

Teleusuario, saludar a Denise, siempre importante.

¿Vamos a decirle que nos salud, que salude, no?

Que salude.

Vamos a poner traducir.

Vamos a hacerlo sencillo.

Tu rol es traducir el texto directamente en inglés.

Traducir el texto directamente.

¿Que recibes del usuario en inglés siempre, independientemente del idioma?

Por ejemplo, contexto, recibes.

Recibes el mensaje en el input.

El input, en el user input le podemos dar.

Entonces, fijaos como ya voy siguiendo la estructura.

Es muy importante ponerlo con los guiones para ir poniendo distintas cosas.

Esto es muy importante en el markdown, el contexto maestro mismo, las reglas.

Esto es muy importante que lo tengas en cuenta, porque ahora parece muy sencillo, parece muy sencillo, pero luego cuando creas infraestructuras complejas hay pequeños detalles.

Cuando dices ay, no está el guión, ay, no está el markdown, este error aquí, ay, no está bien definido esto.

Y vas a tener tanto texto, tanto texto que vas a decir no entiendo qué está pasando aquí.

Entonces es muy importante que entiendas muy bien las bases, ¿Vale?

Tools, Bueno, reglas, por ejemplo, vamos a decirle no te desvíes y no utilices cualquier idioma que no sea el inglés, ¿Vale?

Las tools y el output format.

Las tools.

¿Qué significan las tools?

Las tools es básicamente lo que conectamos después aquí.

¿Qué permiten las tools?

Esto es la hostia, es la gracia de la gente.

Por ejemplo, que podamos conectar, por ejemplo, Google Calendar, ¿Vale?

Y que nosotros conectamos una tool que se llame, le asignamos un nombre que se llame, por ejemplo, crear evento, ¿Vale?

Entonces, ¿Qué le decimos?

Vamos aquí a la gente, ¿Qué nombre le hemos asignado a la Tool?

Crear evento, luego hay que configurar la Tool, ahora no voy a enseñarte cómo se hace, pero te lo voy a enseñar a futuro.

¿Pero si te fijas aquí ya tenemos la Tool, hay que definirla, hay que añadir la credencial como corresponde y si vienes a la gente y ves Assistant Message, aquí en Tool le podemos decir si aplica, ves?

En caso de que tenga aquí le podemos decir quiero utilizar, cada vez que la persona persona escriba debes ejecutar la Tool y fíjate cómo lo ponemos entre estos corchetes, crear evento y después vais a ver cómo va a crear, va a ejecutar la Tool, pero va a dar error porque no está bien conectada, pero para que lo veas.

Y Output Format.

¿Cómo queremos que nos devuelva la gente?

Vamos a decirle quiero que me lo devuelvas siempre con el texto, sin tonterías, ni emojis, ni símbolos raros, siempre en inglés.

¿Y aquí vamos a poner ejemplos, por ejemplo, Hello Dennis?

¿Por ejemplo, Hello, how are you?

OK, por ejemplo.

Entonces, ¿Qué vamos a hacer ahora?

Muy importante, quiero que entiendas que chatgpt es tu mejor amigo en este caso.

Entonces te voy a dar un truco muy importante.

En cualquier System Prom que hagas, tú puedes copiar todo esto, Vamos a mandárselo, chatGPT, vamos a decirle, quiero que me hagas el mismo exacto System Prompt para mi agente de NN, pero que esté mucho más mejorado, con más ejemplos y dándole instrucciones más claras para que funcione.

Mandamelo en formato Markdown, listo para copiar y pegar.

Esto es un ejemplo para que entiendas todas las bases, pero después vas a ver que es súper, súper más sencillo.

Es mucho más sencillo, fíjate, nos da el System Prompt optimizado directamente en inglés.

¿Es brutal esto, Hay cosas, por ejemplo, es in English, lo remarca quién eres?

Lo remarca Always, siempre respondes las tools, más formatos, fíjate, más ejemplos, mucho más mejores definidos, simplemente copiamos, vamos aquí y pegamos y ya tenemos nuestra gente.

Entonces, ¿Qué es lo que vamos a hacer ahora?

¿Aquí por ejemplo, vamos a conectar, ves?

Dímelo exactamente lo que dice la persona aquí directamente, esto no hace falta ni ponerlo, le damos directamente el Chat Input, ¿Cómo se le da?

¿Simplemente arrastras lo que llega de la persona, vale?

¿Chatinput aquí, vale?

Entonces, si nosotros ahora escribimos, vais a ver, hola buenas, que nos da error, ¿Por qué?

¿Porque ahora vamos a ir al siguiente apartado que son las credenciales, cómo conectar las credenciales de manera correcta, Te voy a enseñar cómo vamos a conectar una credencial de ejemplo de OpenAI, vale?

¿Yo te recomiendo dos cosas cuando estés empezando te recomiendo Gemini, te recomiendo OpenAI, te recomiendo OpenRouter, porque te recomiendo Open Router?

Porque en Open Router si eliminamos este modelo y le damos aquí añadir y vamos a Open Router, vamos a quitar error un segundito, vamos a quitar esto de aquí, si damos clic aquí ponemos Open Router, Open Router es una plataforma open source que reúne absolutamente todas las credenciales y te las pone en una, entonces no tienes que estar conectando credenciales constantemente, sino que ya tienes una y la añades.

Si nos vamos aquí a Open Router y buscamos en Internet, Había muteado el.

Estoy un poquillo resfriado, había muteado el micrófono para no toser en el micrófono, entonces si te fijas nosotros básicamente te creas una cuenta en Open Router y aquí tienes todos los modelos, es muy interesante esto, yo te recomiendo sinceramente esto, entonces tú aquí en Open Router puedes filtrar por modelos, puedes decirle que te de el de Gemini, puedes decirle que te de el de OpenAI, puedes decirle que te deja Antropic por ejemplo de Cloud directamente y tienes todos conectados, no tienes que ir teniéndolos separados, si te fijas ir conectando separados, gemini, el de OpenAI, entonces yo te recomiendo que conectes open router, ¿Cómo vamos a conectar Open Router?

¿Muy simple, esto para que entiendas son los modelos LLM que utilizamos, dependiendo de tus necesidades vas a utilizar un modelo u otro, aquí directamente por ejemplo puedes ver en qué son mejores los modelos, si vamos a modelo de imagen, quitamos filtros, perdón, Input, en output, perdón, categories, prompt pricing, bueno aquí podemos filtrar dependiendo lo que queramos, prompt pricing free 0,5 10, el context length, OK?

¿Si lo queremos para vídeo, que nos puede generar vídeos, imágenes, yo en imágenes por ejemplo recomiendo muchísimo Gemini, vale más que otro sinceramente, pero bueno aquí puedes conectar todos los LMS, los LLMs, entonces vamos a crearnos una cuenta sencilla, te creas una cuenta, registras correo electrónico, nos vamos a ir directamente donde pone credits, aquí en créditos van a ser los créditos que nosotros tengamos, OK?

¿Muy importante, va a ser básicamente lo que nosotros, lo que vaya a ir consumiendo el agente, vale, Normalmente yo te digo por con cinco, diez dólares tienes de sobra, o sea de sobra vamos, si no ya dependiendo lo uso, si tienes más infraestructura y más clientes significa que estás haciendo más, por lo tanto mete más créditos y no hay ningún problema porque estás haciendo pasta con los clientes entonces vamos a darle aquí añadir créditos, dame un segundito, voy a añadir un poco de créditos, vale?

Vale, y una vez has añadido directamente tú, has añadido directamente tu, tu tarjeta de crédito y tu dirección, básicamente compramos los créditos, vale, Es un mínimo de 5, te pide un mínimo de 5, no puedes ponerte 2 si no me equivoco, vale, tiene que ser mínimo 5, entonces vamos a poner 5 dólares, no queremos invoice, simplemente vamos a comprar.

Y como vemos ya me ha añadido 5 créditos, ahora puedo utilizar los créditos que quiera con los agentes que quieran.

¿Cómo conectamos el Open router con el agente de n?

Porque hay que conectarlo, cuando le demos clic a open router aquí nos aparecerá directamente select credencial, entonces vamos a darle a crear nueva credencial, aquí nos va a pedir una API key, vamos a ir directamente aquí donde pone keys y aquí vamos a crear una API key, vamos a poner n, prueba tutorial en mi caso vamos a poner un límite de crédito por ejemplo, que no nos quite más de tres créditos de tres dólares por ejemplo, vamos a crear, vamos a darle copiar aquí vamos a añadir lo que hemos copiado, la apici, aquí le damos a guardar y como verás ya se nos habrá conectado nuestra cuenta de open router, tenemos acceso a todos los modelos, entonces aquí ya directamente, ¿Cuál vamos a usar de ejemplo?

¿Vamos a usar por ejemplo el 4.1 mini, pero si te fijas, si le das clic aquí a modelos tienes absolutamente todos los modelos que quieras y esto es maravilloso, nosotros Vamos a seleccionar 4.1 MIDI de ejemplo, vale?

Que tienes algunas más opciones que puedes meter, por ejemplo la temperatura que quieres de la gente, el tiempo de espera, el máximo número de tokens que quieres que gaste, por ejemplo, etc.

Pero esto no lo vamos a tocar ahora.

Entonces ya hemos seleccionado, ya tenemos un modelo de inteligencia artificial metido a nuestra gente para que pueda interpretar estos datos.

Luego tenemos la memoria, que ahora trabajaremos con la memoria, ¿Vale?

Después lo trabajaremos eso.

Entonces si nosotros vamos al chat y ya directamente aquí le ponemos, vamos a limpiar esto y vamos a poner directamente Hola, buenas, veremos que nuestra gente credencial, vale, Nuestro agente, fíjate que lo que ha hecho es, fíjate, ha intentado crear el evento con la tool que le habíamos asignado, pero no puede ser porque no tenemos ninguna credencial puesta en Google Calendar, que esto lo enseñaré próximamente porque es un poquito más complejo conectarlas, no es complejo, simplemente que tarda un poquito más y quiero que entiendas las nociones básicas de un chatbot.

Entonces vamos a eliminar la Tool, vamos a ir donde habíamos ido, a System Prom y le habíamos dado las tools y simplemente como no hay tools, las vamos a quitar, perdón, aquí arriba, esto es el response Result, las quitamos, le damos a Save.

Entonces ahora mismo si le decimos Hola buenas, veremos que la gente nos devuelve como queríamos que nos devolviese, en inglés, absolutamente todo.

Entonces el agente recibe el mensaje, lo pasa por el modelo de point router que le hayamos asignado, interpreta y tiene en cuenta todo lo que le hemos dicho y nos da un output, es maravilloso.

¿Por ejemplo vamos a ponerle buenas tardes, me llamo Denise, y tú cómo te llamas?

¿Ves?

Fíjate que nos traduce exactamente igual.

Good afternoon, my name is Denise and you watch it your name.

Vale, perfecto, ahí lo tenemos.

Vamos a implementar la memoria.

¿Qué significa la memoria?

Esto es muy importante, para que la gente tenga memoria es muy sencillo, normalmente se suele trabajar con Postgres y Redis, pero en este caso vamos a trabajar con Simple Memory.

Seleccionamos Simple Memory, aquí tenemos que ver las conversaciones previas que queremos que recuerde, por ejemplo, vamos a dejarlo en 5 y aquí añadimos el session ID, que ya lo añade automáticamente.

Aquí añadimos el identificador por caché de usuario para entender a qué usuario guardarle la memoria o el chat que ha asignado.

Entonces vamos a ejecutar varias veces Hola, me llamo Denise, por ejemplo, vamos a decirle que me llamo Denise, vamos a decirle mi comida favorita son las lentejas.

Y ahora lo que vamos a hacer va a ser ir al agente y vamos a tener que modificarlo para que haga lo que nosotros queremos.

Vamos a coger, por ejemplo, esto y vamos a decirle quiero que me hagas el agente de manera que ahora sea un asistente virtual de Advisia Academy que resuelva dudas y que recuerde todo en la memoria con el nodo de memoria que tiene conectado a n.

Quiero que te inventes datos de la empresa y de absolutamente todo, pero que parezca realista.

El agente deberá responder en el idioma, por ejemplo, que la persona le habla como input.

Debe detectar el lenguaje y adaptarse a él.

El objetivo de la gente es resolver dudas de manera humana, debe parecer humano y no debe desviarse del camino.

Esta gente no tiene tools conectadas.

Y quiero que me mandes directamente el System Prompt para copiar y pegar.

Dejamos chatgpt que trabaje.

Una cosa muy importante también que te iba a comentar es que te recomiendo muchísimo que utilices Manus, ¿Vale?

Porque Manus, por ejemplo, permite hacer búsquedas un poquito más específicas, lo hace todo mucho, mucho mejor.

Sí que es verdad que es un poquito más costoso, yo lo voy a hacer con chatgpt porque me gusta más.

Pero si te puedes permitir manus, utiliza manuscripts 100% como el doble de chatgpt, pero yo te lo recomiendo mucho más, ¿OK?

Y aquí tenemos el System Pro definitivo.

¿Veis?

Cuesta la membresía Pro.

Nos ha hecho un ejemplo Your Advisia de Office al Virtual Assistant of Advisia Academy a Global no sé qué, no sé cuánto.

Le he dicho que se invente los datos, pero por ejemplo, tú le puedes decir a chatgpt que te haga el chatbot como quieras, ¿Vale?

Vamos a copiar el agente y ahora tendrá otro rol.

¿Qué es lo que ocurre?

Que ahora tiene memoria.

Hemos tenido una conversación previamente, le hemos dicho anteriormente que me llamó Denisse, que mi comida favorita son las de Texas, y he tenido un poco de conversación con él.

Entonces, ¿Qué pasa?

Nosotros ahora cuando le escribamos, le digamos hola, buenas, va a tener primero el rol del agente nuevo que le hemos asignado.

Hola Denisse, ¿En qué puedo ayudarte hoy?

¿Ves?

Le hemos dicho hola, buenas, fíjate, le hemos dicho hola, buenas, y ya recuerda nuestro nombre porque se lo hemos dicho antes.

Hemos dicho hola, me llamo Denisse.

Ya se acuerda de que me llamo Denisse.

¿Es decir, oye, sabes cuál es mi comida?

Vamos a preguntarle, quiero que me digas qué planes tienes.

¿Por ejemplo, vemos que la gente se ejecuta, vale?

Lo que pasa es que no me cabe en la pantalla, la gente se está ejecutando constantemente.

Claro Denis, en Advisia Academy tenemos tres planes principales que se adaptan a diferentes Advisia Core Program, Abyssia Pro Membership Abyssia Certification Me interesa el de certificación.

¿Vamos a cambiar el idioma por ejemplo, vamos a decirle What's the price?

¿Cuál es el precio?

Veis por ejemplo aquí ya tenemos un error que lo que crea es que yo por ejemplo se adapte al al translate del último mensaje.

¿Qué es lo que ocurre?

Que por ejemplo coge los mensajes de la anterior memoria y detecta que están en español, por lo tanto tiene un bug ahí.

¿Qué le podemos decir?

Vamos a decir a la gente, hay un problema con el idioma, quiero que se adapte al último mensaje que ha tenido que recibe el agente y debe tener en cuenta ese idioma y no los de la memoria.

Si le hablo en chino debe responder en chino, si le hablo en inglés, debe responder en inglés, si le hablo en español debe responder en español, dependientemente de el idioma que esté guardado en memoria.

¿Entonces ya te digo que ChatGPT te va a ayudar muchísimo en esto, a mí me ha ayudado muchísimo, de hecho yo lo sigo utilizando hoy en día para todo esto, es la gracia, vale?

Es la maravilla de la inteligencia artificial.

Entonces aquí ya nos da la corrección, tu agente debe recordar información, pero no el idioma, el idioma siempre debe depender únicamente del último mensaje recibido, La memoria jamás debe influir en la elección del idioma.

Entonces nos manda directamente el System Prompt, vamos a darle a copiar código, vamos a pegarlo y ahora sí debería funcionar este error que comentamos antes.

Entonces le decimos batwatch the price y si te fijas ya te habla el inglés y.

¿Y si le digo hola buenas, ya había hablado otra vez en español, vale?

¿Antes le habíamos dicho, esto es muy importante, fíjate que si yo ahora le digo vamos a jugar con la memoria, vale?

¿Yo antes le he dicho, hace mucho tiempo, hace un ratito le he dicho que me gustaban las lentejas, entonces le voy a decir sabes cuál es mi comida favorita?

¿Fíjate que no lo sabe, no me has contado cuál es tu comida favorita Y dirás Denise, pero claro, si antes se lo has dicho y tienes la memoria, no?

Mi comida favorita son las lentejas.

¿Qué es lo que pasa?

Que le hemos añadido una capacidad muy corta, le hemos añadido una capacidad de 5.

¿Si nosotros le añadimos una capacidad de 25, por ejemplo, y le decimos ahora sabes cuál es mi comida favorita?

No sé por qué no lo está teniendo en cuenta.

A ver un segundito.

Aún no me has contado cuál es tu comida favorita, pero me encantaría que me la contaras.

Seguro que no te la he contado.

Vamos a ver qué nos dice.

Si quieres puedes decírmelo ahora y tener.

vale, puede ser que se haya reiniciado la gente puede ser que lo haya reiniciado antes, pero bueno, si yo le digo, por ejemplo, son las lentejas, dime los precios, dime, tell me about, por ejemplo, about the pro membership.

Of community in Russian, please, En ruso, por ejemplo, y me lo hace en ruso.

In China Chinese.

Vamos a preguntar cuál es mi comida favorita.

Execution ID Vale, creo que ya sé lo que está pasando.

vale, no, coño, ya sé lo que pasa, que estaba desactivado, ya decía yo, digo, me estaba rayando, digo, que raro, no estaba guardando todo esto en la memoria, Entonces es normal, mi comida favorita son las lentejas.

Ahora, sí lo guardo en memoria en ruso.

Dime, dime sobre los planes, por ejemplo, se va desactivando la memoria, no sé por qué.

¿Ahora dime?

¿Tu comida favorita son las lentejas?

¿Quieres que te ayude más sobre ellas o que te ayude con algo relacionado a tus intereses?

¿Bueno, entonces has visto que recuerda las cosas, le estaba dando un botoncito sin querer que iba desactivando la memoria, por eso la estaba desactivando, vale?

Pero puedes añadir lo que quieras aquí de Context Window Length.

Para memorias más complejas estas de prueba, se recomienda utilizar la de Postgres, que es esta de aquí.

Esta es la que utilizaremos en un futuro para hacer agentes buenos.

Entonces, lo dicho, esto ha sido por hoy todo.

¿Estas son las nociones un poquito básicas de un agente de chatbot, OK?

En las siguientes clases te voy a enseñar un poquito más cómo hacer una demo, por ejemplo, te voy a enseñar a cómo hacer un agente de voz que funcione, te voy a enseñar a cómo presentar esas demos también, que es muy importante, y cómo desarrollar algunas infraestructuras un poquito más.

Son principiantes aún así, pero que sean más funcionables con distintos casos.

Entonces, nos vemos en la siguiente clase.