Harness con DeepAgents
Construya un Deep Agent que aprende sus propios skills.
En este taller de 90 min, va a aprender
Los agentes que impresionan en demos suelen fallar en producción por la misma razón: no fueron construidos con reliability en mente. En este taller usted arma un Deep Agent capa por capa — reglas, schemas, gates, skills, memoria — de tal forma que cada acción quede trazada y cada fallo sea reproducible. Termina con un agente que responde con evidencia (o dice explícitamente por qué no puede).
- Definir VISION y AGENTS antes de la primera línea de código.
- Construir el reliability floor con Pydantic v2 y mypy --strict.
- Ejecutar un DeepAgent que falla explícitamente cuando le falta capacidad.
- Delegar en un sub-agent que escribe SKILL.md siguiendo agentskills.io.
- Ingerir datos de negocio a Cognee sobre Neo4j y consultarlos con Cypher.
- Modelar el ciclo de vida del agente con python-statemachine y receipts.
5 lecciones, 90 min.
-
01
14 min
Rules before code
Antes de que el DeepAgent exista, **negocia las reglas del juego**: qué preguntas de negocio va a resolver, qué puede tocar, qué gates lo detienen. Sin esto, cualquier autonomía es…
-
02
14 min
Reliability floor
Hacer que **input malformado falle fuerte y con contexto**. Antes de darle capacidades al agente, sus estructuras de datos deben rechazar basura visiblemente.
-
03
14 min
Raw Deep Agent
Instanciar un DeepAgent **crudo** — cero custom tools, cero dominio — y hacer que **falle explícitamente** en la primera pregunta. Vamos a leer las cuatro primitivas de DeepAgents …
-
04
14 min
Skill generation
Enseñarle al agente a **escribirse sus propios skills** siguiendo la spec de [`agentskills.io`](https://agentskills.io/home) (resumida en `.skills/README.md`).
-
05
14 min
Cognee + autonomía acotada
Si algo está rojo: - `cognee status` → [`setup.md#4-cognee-elija-una-ruta`](../setup.md#4-cognee-elija-una-ruta) - Directorios o embeddings mal seteados → [`setup.md#bugs-de-integr…
Componentes clave.
- Harness DeepAgents (LangChain) Planning tool, virtual filesystem, sub-agents, human-in-the-loop. El agente es autónomo pero acotado.
- Memoria Cognee sobre Neo4j Grafo persistente. El agente lo ingiere una vez y luego consulta con Cypher generado.
- Lifecycle python-statemachine Transiciones explícitas: raw → learning → answering → refining → escalated. Sin booleanos escondidos.
- Reliability Pydantic · Ruff · mypy --strict Un solo comando: `academy check`. Rojo = no avanzás.