Aprender agentes de IA en YouTube: diez creadores y una ruta
Compara vídeos, delimita su alcance y convierte el aprendizaje en un proyecto comprobado.
Fuentes y versiones
En este artículo
Elige una ruta
1. Conceptos
Jeff Su → IBM → Tina Huang: distingue llamada, flujo fijo y elección de herramientas. Karpathy aporta las bases del modelo.
2. Ingeniería Python
Tina Huang → Dave Ebbelaar → Cole Medin: implementa un agente limitado antes de migrar de framework. Usa los patrones de Andrew Ng para comparar, no para añadir agentes sin motivo.
3. Flujos low-code
Tina Huang → Nate Herk: aprende JSON y HTTP primero. Un editor visual sigue necesitando permisos, idempotencia, errores y responsables.
4. Entrega comercial
Liam Ottley → Dave Ebbelaar, con Google Cloud Tech como contexto. Define problema y aceptación antes de elegir herramientas; una demo no es un compromiso de servicio.
Ver el vídeo puede ser gratuito; modelos, hosting, API o cursos asociados pueden costar dinero. No cargamos reproductores ni enviamos datos de ejercicios. Abrir YouTube aplica sus reglas de privacidad. Suscriptores e ingresos prometidos no prueban calidad.
Currículo de seis etapas: del modelo al servicio fiable
Estas seis lecciones son una síntesis propia que conecta los vídeos con ingeniería y un único proyecto SRE de solo lectura. No todos los vídeos cubren todos los requisitos. Lee, mira el material seleccionado y realiza la práctica al final.
1. Modelos, flujos y agentes
Orden y conocimientos previos
Empieza por la frontera de decisión: ¿el software fija el siguiente paso o lo elige el modelo? Basta entender entradas y retornos de funciones. Jeff e IBM ordenan el vocabulario; Karpathy aporta fundamentos del modelo. Son recursos complementarios.
Mecanismo y decisiones
El modelo produce una salida; el flujo conecta pasos con reglas; el agente repite observación, decisión y acción bajo un runtime. Un prompt largo no crea permisos, persistencia ni parada. Cambiar contexto no actualiza pesos.
Un paso más en el caso SRE
Caso continuo: suben errores de inferencia. Un flujo lee métricas y despliegues siempre; un agente puede elegir otra consulta según resultados. Ninguno debe concederse permiso para reiniciar producción.
Orden de visionado: Jeff Su → IBM Technology → Andrej Karpathy
2. Contratos y bucle de ejecución
Orden y conocimientos previos
Aprende JSON, campos obligatorios, tipos, códigos HTTP y excepciones: son la frontera entre texto y software ejecutable. Tina orienta componentes y Dave separa responsabilidades. Sigue una llamada completa antes de ampliar herramientas.
Mecanismo y decisiones
Una herramienta tiene nombre, propósito, esquema e implementación. El modelo propone; el ejecutor valida nombre, argumentos y autoridad. El resultado vuelve como evidencia no confiable. Limita pasos y tiempo. Un JSON válido puede ser falso o carecer de autorización.
Un paso más en el caso SRE
En SRE, permite read_metrics y read_pods con alcance fijado por el servidor, sin shell genérico ni URL de clúster arbitraria. Devuelve identificadores de evidencia.
Orden de visionado: Tina Huang → Dave Ebbelaar / Datalumina
3. Contexto, recuperación y memoria
Orden y conocimientos previos
Antes de añadir una base vectorial, distingue entrada actual, conocimiento recuperable y registros persistentes. Resuelven problemas diferentes. Complementa los vídeos con la revisión RAG sobre ingestión, recuperación y suficiencia.
Mecanismo y decisiones
La recuperación elige fuentes; el contexto guarda lo necesario ahora; el registro persiste progreso. La memoria necesita alcance, procedencia y vigencia. Resumir puede perder restricciones. Un documento recuperado no autoriza herramientas.
Un paso más en el caso SRE
Un runbook antiguo puede corresponder a otra versión. Conserva versión y texto, compáralos con el servicio y comunica discrepancias en lugar de asumir vigencia.
Orden de visionado: Andrej Karpathy → Dave Ebbelaar / Datalumina → Nate Herk
4. Grafos, planificación y aprobación
Orden y conocimientos previos
Usa grafos cuando importan ramas y recuperación. Define estados, transiciones, datos necesarios y finalización. Cole ofrece la perspectiva de grafos; el vídeo de Andrew Ng introduce patrones, pero no es el curso completo.
Mecanismo y decisiones
Planificar propone pasos; orquestar impone transiciones. Reflexionar propone revisiones; evaluar mide mejoras. Varios agentes añaden coordinación y fallos. Una aprobación debe vincular acción y parámetros exactos.
Un paso más en el caso SRE
Usa recoger → valorar → informar, con retorno limitado si falta evidencia. Una propuesta de reinicio va a revisión. El tutorial SRE sigue siendo de solo lectura; ejecutar aprobaciones es otra extensión.
Orden de visionado: Cole Medin → Andrew Ng / DeepLearning.AI → Nate Herk
5. Fiabilidad, seguridad y evaluación
Orden y conocimientos previos
Pasa de una respuesta exitosa a comportamiento repetible. Aprende timeout, reintento, idempotencia y mínimo privilegio antes de usuarios reales. Una demo no mide fiabilidad; complementa con seguridad y evaluación.
Mecanismo y decisiones
Un timeout no prueba que una acción haya fallado: puede haberse confirmado antes de perder la respuesta. Reintentar a ciegas duplica efectos. Registra identidad y resultado. Completar protocolo, citar y fundamentar una afirmación son propiedades distintas.
Un paso más en el caso SRE
Un Pod Pending real no prueba la causa de todos los errores. Si falta causalidad, indica que la causa no está establecida. Reproducir un incidente devuelve historia, no una observación nueva.
Orden de visionado: Dave Ebbelaar / Datalumina → Nate Herk → IBM Technology
6. Despliegue, costes y responsables
Orden y conocimientos previos
Decide dónde ejecutar después de entender el bucle. Aprende contenedores, secretos, identidad, persistencia y red. Google orienta y Liam aborda comercialización; ninguno sustituye un runbook.
Mecanismo y decisiones
Servicio privado, sonda de proceso y volumen persistente resuelven problemas distintos; no prueban calidad. Presupuesta llamadas, recuperación, reintentos y revisión humana. Asigna mantenimiento, retención, reversión y aceptación.
Un paso más en el caso SRE
Entrega esquema, versión de imagen, configuración, petición, informe esperado y recuperación. Declara colectores y autenticación ausentes. Ejecutar en localhost no demuestra preparación productiva.
Orden de visionado: Google Cloud Tech → Liam Ottley → Dave Ebbelaar / Datalumina
Vídeos representativos y alcance
AI Agents, Clearly Explained
Introducción a la transición del LLM aislado al flujo predefinido y al agente que utiliza herramientas. Ayuda a distinguir categorías antes de elegir software.
Audio en inglés; consulta los subtítulos.
Ver en YouTube ↗https://www.youtube.com/watch?v=FwOTs4UxQS4Deep Dive into LLMs like ChatGPT
Explica el modelo que hay debajo de un asistente conversacional. Es una base de LLM, no un curso de despliegue de agentes; Zero to Hero ofrece otra ruta técnica.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=7xTGNNLPyMIBuilding AI Agents In 44 Minutes
Los capítulos pasan de definiciones y componentes a flujos, prompts, demostraciones en n8n y un ejemplo de investigación financiera con Agents SDK.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=_Udb5NC6vTICapítulos seleccionados
How to Build Reliable AI Agents (without the hype)
Organiza la fiabilidad en inteligencia, memoria, herramientas, validación, control, recuperación y feedback. El artículo asociado prioriza flujos explícitos y llamadas selectivas al modelo.
Audio en inglés; consulta los subtítulos.
Ver en YouTube ↗https://www.youtube.com/watch?v=T1Lowy1mnEgCapítulos seleccionados
- 7:56 · Inteligenciahttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=476s
- 9:08 · Memoriahttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=548s
- 10:56 · Herramientashttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=656s
- 13:08 · Validaciónhttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=788s
- 16:53 · Controlhttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=1013s
- 20:59 · Recuperaciónhttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=1259s
- 23:06 · Retroalimentaciónhttps://www.youtube.com/watch?v=T1Lowy1mnEg&t=1386s
What are AI Agents?
Maya Murad explica el paso de un modelo aislado a sistemas compuestos con bases de datos y herramientas externas.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=F8NKVhkZZWIAI Agents: From concept to code
Entrevista breve sobre agentes, construcción y decisiones de programación. Es una orientación, no un laboratorio completo de despliegue en Vertex AI.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=8Yx0HW0bA_oTHE BEST Tool for AI Agent Workflows - LangGraph FULL Guide
Las notas del creador describen estado, nodos y aristas condicionales, ramificación y bucles agente-herramienta. Verifica las API actuales antes de ejecutar ejemplos antiguos.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=w_HeP0A2MF8How to Build & Sell AI Agents: Ultimate Beginner’s Guide
La descripción divide el curso en fundamentos, casos prácticos y comercialización. Es una ruta de entrega comercial, no una garantía de ingresos.
Audio en inglés; consulta los subtítulos.
Ver en YouTube ↗https://www.youtube.com/watch?v=w0H1-b044KYLearn to build effective Agentic AI systems with Andrew Ng
Es una presentación del curso, no el curso completo. Introduce reflexión, herramientas, planificación y múltiples agentes, con evaluación e implementación en Python.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=w7vqXL4PWEEBuild & Sell n8n AI Agents (8+ Hour Course, No Code)
Los capítulos cubren n8n, JSON, API, agentes, parsing, revisión humana, errores, webhooks y alojamiento propio. Empieza por un proyecto.
Audio en inglés; consulta los subtítulos. Fecha del vídeo:
Ver en YouTube ↗https://www.youtube.com/watch?v=Ey18PDiaAYICapítulos seleccionados
- 12:05 · Fundamentoshttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=725s
- 51:25 · RAGhttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=3085s
- 129:54 · APIhttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=7794s
- 240:26 · Primer agentehttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=14426s
- 346:25 · Intervención humanahttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=20785s
- 362:16 · Erroreshttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=21736s
- 439:49 · Autoalojamientohttps://www.youtube.com/watch?v=Ey18PDiaAYI&t=26389s
Práctica y verificación — ejercicios propios
Jeff Su
Dibuja tres versiones de clasificación de soporte: llamada única, rutas fijas y bucle limitado. Identifica quién elige cada paso y selecciona la solución más sencilla.
Andrej Karpathy
Explica la diferencia entre añadir resultados al contexto y actualizar pesos. Examina tokens y ejecuta el proyecto de modelo pequeño antes de afirmar que un agente ha aprendido.
Tina Huang
Reconstruye un ejemplo de solo lectura y define entrada, herramientas, parada y evidencias. Trata el ejemplo financiero como ejercicio de software.
Dave Ebbelaar / Datalumina
Asigna las siete responsabilidades a archivos del proyecto SRE. Distingue errores recuperables de errores terminales y explica cómo evitar acciones duplicadas.
IBM Technology
Dibuja modelo, datos, ejecutor y usuario por separado. Añade límites de confianza: un texto recuperado no autoriza acciones. Identifica quién aplica permisos.
Google Cloud Tech
Define identidad, acceso al modelo, credenciales, salida de red y observabilidad. Separa la lógica portable de la configuración específica del proveedor.
Cole Medin
Implementa un grafo de recoger evidencia, valorar suficiencia y responder o parar. Limita iteraciones y prueba la recuperación entre herramienta y siguiente llamada.
Liam Ottley
Redacta un piloto con comprador, proceso actual, línea base, aceptación, permisos, mantenimiento y reversión. Calcula el coste total, no solo tokens.
Andrew Ng / DeepLearning.AI
Compara generación directa y una revisión limitada con las mismas tareas. Mide calidad, latencia y llamadas; ni reflexión ni más agentes garantizan mejora.
Nate Herk
Crea un flujo de borradores con aprobación. Duplica un webhook, quita credenciales y provoca un timeout. Debe registrar fallos y evitar envíos duplicados; usa herramientas simuladas.
Termina con un asistente SRE de solo lectura que separe hechos, hipótesis, evidencia ausente y acciones propuestas. Compara baseline determinista y política de modelo con los mismos incidentes. Registra éxito, causalidad sin apoyo, fallos, latencia y llamadas; incluye evidencia caducada, duplicados, permisos e inyección. Rúbrica: 1 vocabulario; 2 camino feliz; 3 fallos reproducibles y límites; 4 comparación justa y costes; 5 diseño defendible, recuperación y transferencia. Son ejercicios propios, no preguntas reales de empresas.
Fuentes y lecturas adicionales
- Jeff Su — AI Agents, Clearly Explainedhttps://www.youtube.com/watch?v=FwOTs4UxQS4
- Andrej Karpathy — Deep Dive into LLMs like ChatGPThttps://www.youtube.com/watch?v=7xTGNNLPyMI
- Tina Huang — Building AI Agents In 44 Minuteshttps://www.youtube.com/watch?v=_Udb5NC6vTI
- Dave Ebbelaar / Datalumina — How to Build Reliable AI Agents (without the hype)https://www.youtube.com/watch?v=T1Lowy1mnEg
- IBM Technology — What are AI Agents?https://www.youtube.com/watch?v=F8NKVhkZZWI
- Google Cloud Tech — AI Agents: From concept to codehttps://www.youtube.com/watch?v=8Yx0HW0bA_o
- Cole Medin — THE BEST Tool for AI Agent Workflows - LangGraph FULL Guidehttps://www.youtube.com/watch?v=w_HeP0A2MF8
- Liam Ottley — How to Build & Sell AI Agents: Ultimate Beginner’s Guidehttps://www.youtube.com/watch?v=w0H1-b044KY
- Andrew Ng / DeepLearning.AI — Learn to build effective Agentic AI systems with Andrew Nghttps://www.youtube.com/watch?v=w7vqXL4PWEE
- Nate Herk — Build & Sell n8n AI Agents (8+ Hour Course, No Code)https://www.youtube.com/watch?v=Ey18PDiaAYI
- Andrej Karpathy — LLM coursehttps://karpathy.ai/llm-course/
- Datalumina — How to build reliable AI agentshttps://academy.datalumina.com/blog/how-to-build-reliable-ai-agents
- Cole Medin — companion noteshttps://github.com/coleam00/cole-medin-knowledge-base/blob/main/sources/the-best-tool-for-ai-agent-workflows-langgraph-full-guide.md
- DeepLearning.AI — Agentic AIhttps://www.deeplearning.ai/courses/agentic-ai