Skills de Langchain Ai

Documentación de OpenAPI y patrones de diseño de API REST

Busca en arXiv prepublicaciones y artículos académicos por tema con recuperación de resúmenes. Búsqueda basada en consultas en física, matemáticas, ciencias de la computación, biología, estadística y campos relacionados. Límite de resultados configurable (por defecto 10 artículos) con resultados ordenados por relevancia. Devuelve título y resumen de cada artículo coincidente. Requiere el paquete arxiv de Python; instálelo mediante pip si aún no está presente.

Busca en el repositorio de prepublicaciones arXiv artículos de física, matemáticas, ciencias de la computación, biología cuantitativa y campos relacionados.

Redacción de publicaciones de blog de formato largo con delegación de investigación, plantillas de contenido estructurado e imágenes de portada generadas por IA. Delega la investigación a subagentes antes de escribir, almacenando los hallazgos en markdown para referencia y contexto. Aplica una estructura de publicación de cinco partes: gancho, contexto, contenido principal (3–5 secciones), aplicación práctica y conclusión con llamado a la acción. Genera imágenes de portada optimizadas para SEO utilizando indicaciones detalladas que cubren tema, estilo, composición, color e iluminación. Genera publicaciones para...

Realizar una revisión estructurada de código de los cambios, verificando corrección, estilo, pruebas y posibles problemas.

Lee las preferencias de codificación del usuario desde /memory/coding-prefs.md antes de tomar decisiones de estilo no triviales, y agrega nuevas preferencias cuando el usuario las proporcione…

Cuando se le pide analizar competidores:

Útil para análisis de datos acelerados por GPU en conjuntos de datos, archivos CSV o datos tabulares utilizando NVIDIA cuDF. Se activa cuando las tareas implican agregaciones groupby, estadísticas…

Útil para aprendizaje automático acelerado por GPU en datos tabulares usando NVIDIA cuML. Se activa cuando las tareas implican clasificación, regresión, agrupamiento, reducción de dimensionalidad…

Úsalo para crear gráficos de calidad de publicación y resúmenes de análisis de múltiples paneles. Se activa cuando las tareas implican visualizar datos, trazar resultados, crear…

Patrones de migración de base de datos y versionado de esquemas

deep-agents-memory-&-filesystem — una habilidad instalable para agentes de IA, publicada por langchain-ai/langchain-skills.

Marco fundamental para construir agentes de múltiples pasos con planificación, memoria y delegación de habilidades integradas. Proporciona seis opciones de middleware central: planificación de tareas, gestión de contexto del sistema de archivos, delegación de subagentes, memoria persistente, flujos de trabajo de aprobación humana y carga de habilidades bajo demanda. Incluye tres herramientas integradas siempre presentes: write_todos para seguimiento de tareas, operaciones del sistema de archivos (ls, read_file, write_file, edit_file, glob, grep) y task para generar subagentes especializados. Soporta...

INVOCA ESTA HABILIDAD al construir CUALQUIER aplicación de Deep Agents. Cubre create_deep_agent(), arquitectura de harness, formato SKILL.md y opciones de configuración.

Backends de memoria y archivos conectables para Deep Agents con opciones de enrutamiento efímero, persistente e híbrido. Cuatro tipos de backend: StateBackend (efímero, con ámbito de hilo), StoreBackend (persistente entre sesiones), FilesystemBackend (acceso real a disco para desarrollo local) y CompositeBackend (enruta diferentes rutas a diferentes backends). FilesystemMiddleware proporciona seis herramientas de operación de archivos: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend utiliza coincidencia de prefijo más largo para enrutar...

INVOCA ESTA HABILIDAD cuando tu Deep Agent necesite memoria, persistencia o acceso al sistema de archivos. Cubre StateBackend (efímero), StoreBackend (persistente),…

Orquestrar subagentes, planificar tareas de múltiples pasos y requerir aprobación humana para operaciones sensibles. Delegar trabajo a subagentes especializados mediante la herramienta de tareas; los subagentes personalizados admiten conjuntos de herramientas aislados y mensajes del sistema, mientras que el subagente "de propósito general" predeterminado hereda la configuración del agente principal. Planificar y rastrear flujos de trabajo complejos con write_todos, organizando tareas en estados pendientes, en curso y completados; requiere un thread_id para la persistencia entre invocaciones. Implementar...

INVOCA ESTA HABILIDAD al usar subagentes, planificación de tareas o aprobación humana en Deep Agents. Cubre SubAgentMiddleware, TodoList para planificación e interrupciones HITL.

Mejores prácticas para la contenerización con Docker y construcciones de múltiples etapas

Crear nuevas suites de evaluación para el monorepo deepagentsjs. Maneja el diseño de conjuntos de datos, la estructura de casos de prueba, la lógica de puntuación, la configuración de vitest y LangSmith…

Organiza inteligentemente tus archivos y carpetas en tu computadora al comprender el contexto, encontrar duplicados, sugerir mejores estructuras y automatizar…

Guía de selección de frameworks para la arquitectura en capas de LangChain, LangGraph y Deep Agents. Frameworks en capas donde LangChain proporciona primitivas fundamentales, LangGraph añade orquestación y flujo de control, y Deep Agents agrega planificación, memoria, gestión de archivos y delegación de habilidades. Tabla de decisión que guía la elección del framework según la complejidad de la tarea: LangChain para agentes de un solo propósito, LangGraph para flujo de control y bucles personalizados, Deep Agents para planificación de múltiples pasos y sesiones persistentes...

INVOCA ESTA HABILIDAD al INICIO de cualquier proyecto de LangChain/LangGraph/Deep Agents, antes de escribir cualquier código de agente. Determina qué capa de framework es la adecuada para el…

Úsalo al procesar PDFs grandes, colecciones de documentos o tareas de extracción de texto masivo que se beneficien del procesamiento acelerado por GPU. Se activa cuando el usuario…

SIEMPRE EMPIEZA AQUÍ para cualquier proyecto de agente de código abierto de LangChain, Deep Agents o LangGraph. Es el punto de partida requerido para cualquier agente de código abierto de LangChain…

langchain-middleware-&-hitl — una habilidad instalable para agentes de IA, publicada por langchain-ai/langchain-skills.

INVOCA ESTA HABILIDAD al construir CUALQUIER sistema de generación aumentada por recuperación (RAG). Cubre cargadores de documentos, RecursiveCharacterTextSplitter, embeddings (OpenAI),…

langchain-structured-output-&-hitl — una habilidad instalable para agentes de IA, publicada por langchain-ai/langchain-skills.

Usa esta habilidad para cualquier pregunta de codificación que involucre productos LangChain (LangChain, LangGraph, LangSmith SDK). Cubre patrones de desarrollo de agentes, primitivas,…

Versiones de paquetes del ecosistema LangChain, dependencias y guía de instalación para Python y TypeScript. Inicie todos los proyectos nuevos en LangChain 1.0 LTS; la versión 0.3 es solo mantenimiento heredado. Instale siempre langchain-core explícitamente junto con otros paquetes. Elija una capa de orquestación: LangGraph para control detallado de grafos, o Deep Agents para planificación y memoria completas. Fije langchain-community de forma conservadora a versiones menores exactas (por ejemplo, >=0.4.0,<0.5.0) ya que no...

INVOCA ESTA HABILIDAD al configurar un nuevo proyecto o cuando se te pregunte sobre versiones de paquetes, instalación o gestión de dependencias para LangChain, LangGraph,…

Construye agentes LangChain de producción con create_agent(), herramientas y patrones de middleware. Usa create_agent() con modelo, lista de herramientas y prompt del sistema; configura persistencia de estado con checkpointer y thread_id para memoria de conversación entre invocaciones. Define herramientas mediante el decorador @tool (Python) o la función tool() (TypeScript) con descripciones claras para que los agentes sepan cuándo invocarlas. Añade middleware como HumanInTheLoopMiddleware para flujos de aprobación, manejo personalizado de errores y humano en el bucle...

Crea agentes de LangChain con create_agent, define herramientas y usa middleware para intervención humana y manejo de errores.

Patrones de aprobación con intervención humana, middleware personalizado y salida estructurada para agentes LangChain. HumanInTheLoopMiddleware pausa la ejecución antes de llamadas peligrosas a herramientas, permitiendo que los humanos aprueben, editen argumentos o rechacen con retroalimentación. Las políticas de interrupción por herramienta permiten configurar diferentes reglas de aprobación según el nivel de riesgo; requiere un checkpointer y thread_id para la persistencia del estado. El patrón de reanudación de comandos continúa la ejecución después de decisiones humanas, con soporte para editar argumentos de herramientas...

INVOCA ESTA HABILIDAD cuando necesites aprobación humana en el bucle, middleware personalizado o salida estructurada. Cubre HumanInTheLoopMiddleware para aprobación humana de…

SIEMPRE EMPIEZA AQUÍ para cualquier proyecto de construcción de agentes LangChain, Deep Agents o LangGraph. Punto de partida requerido antes de elegir otras habilidades o escribir cualquier…

Pipeline completo de RAG para ingesta de documentos, incrustación, recuperación y generación de respuestas impulsada por LLM. Admite múltiples cargadores de documentos (PDF, páginas web, directorios) y almacenes vectoriales persistentes (Chroma, FAISS, Pinecone) con tamaño de fragmento y superposición configurables para una preservación óptima del contexto. Incluye búsqueda por similitud, recuperación MMR (Maximal Marginal Relevance) y filtrado de metadatos para equilibrar relevancia y diversidad en los resultados. Funciona con incrustaciones de OpenAI y se integra sin problemas...

langchain-rag — una habilidad instalable para agentes de IA, publicada por langchain-ai/skills-benchmarks.

INVOCA ESTA HABILIDAD para flujos de trabajo de LangGraph, ejecución paralela, interrupciones o transmisión. Cubre la API Send para fan-out, interrupt() para intervención humana,…

langgraph-persistence-&-memory — una habilidad instalable para agentes de IA, publicada por langchain-ai/langchain-skills.

Accede a la documentación de LangGraph para construir agentes con estado y flujos de trabajo multiagente. Obtiene la documentación oficial de LangGraph en Python que cubre máquinas de estado, diseño de agentes basado en grafos y patrones de intervención humana. Prioriza la documentación relevante según el tipo de consulta: guías de implementación para preguntas de procedimiento, páginas conceptuales para teoría, tutoriales para ejemplos completos y referencias de API para detalles técnicos. Selecciona automáticamente de 2 a 4 URL de documentación más relevantes y recupera su contenido para responder...

Usa esta habilidad para solicitudes relacionadas con LangGraph, con el fin de obtener documentación relevante que brinde orientación precisa y actualizada.

Marco de grafo dirigido para construir flujos de trabajo de agente con estado y múltiples pasos, con control detallado. StateGraph con esquemas de estado tipados, reductores para acumular listas/valores y nodos que devuelven actualizaciones parciales de estado. Aristas estáticas para flujo fijo, aristas condicionales para bifurcación y Command para combinar actualizaciones de estado con enrutamiento dinámico. API Send para paralelismo fan-out hacia nodos trabajadores con agregación de resultados mediante reductores. Invoke para ejecución única y modos de flujo (valores, actualizaciones,...).

INVOCA ESTA HABILIDAD al escribir cualquier código de LangGraph. Cubre StateGraph, esquemas de estado, nodos, aristas, Command, Send, invoke, streaming y manejo de errores.

Pausar la ejecución del grafo para revisión, aprobación o validación humana, luego reanudar con su entrada. Requiere tres componentes: un checkpointer (InMemorySaver o PostgresSaver), un ID de hilo en la configuración y cargas de interrupción serializables en JSON. interrupt(value) pausa y expone datos; Command(resume=value) reanuda y devuelve ese valor al nodo pausado. Todo el código antes de interrupt() se re-ejecuta al reanudar, por lo que los efectos secundarios deben ser idempotentes (usar upsert, no insert). Soporta flujos de aprobación,...

INVOCA ESTA HABILIDAD al implementar patrones de intervención humana, pausar para aprobación o manejar errores en LangGraph. Cubre interrupt(), Command(resume=...),…

INVOCA ESTA HABILIDAD cuando tu LangGraph necesite persistir estado, recordar conversaciones, navegar por el historial o configurar el alcance del checkpointer de subgrafos.

Ejecución de grafos duradera con puntos de control por hilo, historial de estados y memoria a largo plazo entre hilos. Tres opciones de punto de control: InMemorySaver para pruebas, SqliteSaver para desarrollo local, PostgresSaver para producción; siempre pase thread_id en la configuración para habilitar la persistencia. Navegue y reproduzca desde puntos de control anteriores usando get_state_history(), bifurque la ejecución actualizando el estado en un punto anterior, o modifique manualmente el estado antes de reanudar. La API de Store proporciona memoria entre hilos para el usuario...

INVOCA ESTA HABILIDAD al crear conjuntos de datos de evaluación a partir de trazas O al subir conjuntos de datos a LangSmith O al consultar conjuntos de datos. Cubre tipos de conjuntos de datos (final_response,…

INVOCA ESTA HABILIDAD al construir pipelines de evaluación para LangSmith. Cubre tres componentes principales: (1) Creación de Evaluadores - LLM como Juez, código personalizado; (2)…

INVOCA ESTA HABILIDAD cuando trabajes con el rastreo de LangSmith o consultes trazas. Cubre la adición de rastreo a aplicaciones y la consulta/exportación de datos de trazas. Contiene…

Crea evaluadores basados en código para agentes rastreados con LangSmith. Úsalo al construir lógica de evaluación personalizada, probar patrones de uso de herramientas o puntuar salidas de agentes…

INVOCA ESTA HABILIDAD al crear conjuntos de datos de evaluación a partir de trazas O al cargar conjuntos de datos en LangSmith O al consultar conjuntos de datos. Cubre tipos de conjuntos de datos (final_response,…

Crear, gestionar y cargar conjuntos de datos de evaluación a LangSmith para pruebas y validación. Soporta cuatro tipos de conjuntos de datos: final_response (conversaciones completas), single_step (comportamiento de nodos individuales), trajectory (secuencias de llamadas a herramientas) y RAG (pregunta/fragmentos/respuesta/citas). Comandos CLI para la gestión del ciclo de vida de conjuntos de datos: crear, listar, obtener, eliminar, exportar y cargar desde archivos JSON locales. Creación de conjuntos de datos basada en SDK en Python y JavaScript con adición programática de ejemplos. Gestión de ejemplos...

INVOCA ESTA HABILIDAD al crear conjuntos de datos de evaluación, subir conjuntos de datos a LangSmith o gestionar conjuntos de datos existentes. Cubre tipos de conjuntos de datos (final_response,…

INVOCA ESTA HABILIDAD al construir pipelines de evaluación para LangSmith. Cubre tres componentes principales: (1) Creación de Evaluadores - LLM como juez, código personalizado; (2)…

Construye pipelines de evaluación para LangSmith con LLM-as-Judge y evaluadores de código personalizados. Tres componentes principales: crear evaluadores (LLM-as-Judge o código personalizado), definir funciones de ejecución para capturar salidas y trayectorias del agente, y ejecutar evaluaciones localmente o mediante ejecución automática a través de evaluadores cargados. Admite tanto evaluadores offline (comparando salidas de ejecución con ejemplos del dataset) como evaluadores online (verificaciones de calidad en tiempo real sobre ejecuciones en producción). Requiere clave API de LangSmith y proyecto...

INVOCA ESTA HABILIDAD al construir pipelines de evaluación para LangSmith. Cubre tres componentes principales: (1) Creación de Evaluadores - LLM como juez, código personalizado; (2)…

Obtiene trazas de LangSmith para depurar el comportamiento del agente. Úsalo al solucionar problemas del agente, revisar el historial de conversaciones o investigar llamadas a herramientas.

INVOCA ESTA HABILIDAD cuando trabajes con el rastreo de LangSmith o consultes trazas. Cubre la adición de rastreo a aplicaciones y la consulta/exportación de datos de trazas. Utiliza el…

INVOCA ESTA HABILIDAD cuando trabajes con el rastreo de LangSmith o consultes trazas. Cubre la adición de rastreo a aplicaciones y la consulta/exportación de datos de trazas. Contiene…

Añade trazabilidad a aplicaciones LangChain/LangGraph y consulta datos de trazas mediante CLI para depuración y generación de conjuntos de datos. Trazabilidad automática para aplicaciones LangChain/LangGraph con variables de entorno; trazabilidad manual mediante el decorador @traceable y wrap_openai() para otros frameworks en Python y TypeScript. Consulta trazas (árboles de ejecución completos) o ejecuciones (nodos individuales) usando langsmith CLI con filtros por tiempo, latencia, errores, etiquetas y metadatos personalizados. Exporta trazas a archivos JSONL preservando la jerarquía;...

INVOCA ESTA HABILIDAD cuando trabajes con el rastreo de LangSmith o consultes trazas. Cubre la adición de rastreo a aplicaciones y la consulta/exportación de datos de trazas. Utiliza el…

Desglosar una tarea de codificación en un plan de implementación estructurado con pasos claros, identificación de archivos y evaluación de riesgos.

Escribe y ejecuta consultas SQL desde SELECTs simples hasta JOINs complejos de múltiples tablas, agregaciones y subconsultas. Úsalo cuando el usuario solicite consultar una base de datos,…

Patrones modernos de componentes React con hooks y TypeScript

Revisa la conversación actual y captura conocimiento valioso — mejores prácticas, convenciones de código, decisiones de arquitectura, flujos de trabajo y comentarios de usuarios —…

Enumera tablas, describe columnas y tipos de datos, identifica relaciones de clave foránea y mapea relaciones de entidades en una base de datos. Úsalo cuando el usuario pregunte sobre…

Guía para crear habilidades efectivas que extiendan las capacidades del agente con conocimientos especializados, flujos de trabajo o integraciones de herramientas. Usa esta habilidad cuando el usuario…

Guía para crear habilidades efectivas que extiendan las capacidades del agente con conocimientos especializados, flujos de trabajo o integraciones de herramientas. Usa esta habilidad cuando el usuario…

Redacta publicaciones para redes sociales específicas de cada plataforma, con contenido respaldado por investigación e imágenes complementarias generadas. Admite publicaciones de LinkedIn (1.300 caracteres con tono profesional) e hilos de Twitter/X (280 caracteres por tuit con formato 1/🧵). Requiere delegar la investigación a un subagente antes de redactar, y luego leer los hallazgos para garantizar precisión y relevancia. Genera automáticamente imágenes llamativas para redes sociales usando la herramienta generate_social_image con composiciones audaces y de alto contraste optimizadas para tamaños pequeños...

Distribuye un lote de tareas a subagentes en paralelo con concurrencia limitada. Devuelve un objeto resumen con {total, completadas, fallidas, resultados[]} — iterar…

Mejores prácticas para pruebas unitarias y de integración

Orquesta la investigación web de múltiples fuentes delegando en subagentes, sintetizando hallazgos y generando informes citados. Divide las preguntas de investigación en 2 a 5 subtemas distintos, crea un archivo de plan de investigación y lanza hasta 3 subagentes en paralelo para una investigación eficiente. Cada subagente realiza de 3 a 5 búsquedas web por subtema y escribe los hallazgos en archivos locales con datos clave, citas y URL de origen. Sintetiza los resultados leyendo los archivos de hallazgos locales, integrando información entre subtemas y...

Usa esta habilidad para solicitudes relacionadas con investigación web; proporciona un enfoque estructurado para realizar investigaciones web exhaustivas.