Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
10
respuestas

El video tiene saltos y errores

El profesor escribe este código: from langchain.prompts import PromptTemplate, el cuál nunca ejecuta y luego aparece su interfaz limpia del código en cuestión, mientras explica el video salta abruptamente en el minuto 14:49 donde ya tiene gran parte del trabajo configurado y corriendo a la perfección con códigos que no están en la documentación y donde solo se logra visualizar una parte de lo que ha codificado, más arriba no se puede visualizar nada más pues nunca hace un scroll hacia arriba para ver qué escribió.

Por favor revisen el video desde el minuto 14:48 en adelante y fijense del salto en la codificación.

10 respuestas

Totalmente de acuerdo, falta parte del video para poder que todo corra a la perfeccion

Me pasa igual, se hacen saltos en el video y sale con configuraciones que no se han hecho

Buen dia me paso igual y si faltan cosas para que corra el programa, investigando tuve inconvenientes como las cuotas del API KEY en google se agotan y tampoco deja correr, por eso me toco cambiarme a GROQ para buscar una API KEY que me permitiera trabajar, les comparto

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad
Lo primero es crear una API KEY como dice esta imagen y copiarla

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad
Agregar al final la instalacion de GROQ, no olviden ir ejecutando

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad
Aqui toca copiar la API KEY y hacer el proceso igual que pedia el profe, para ponerla en colab y el nombre que le puse es como aparece en la imagen, no olvidar ir ejecutando

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad
Aqui tambien cambian cosas, como es el nombre de la API KEY, ya no es google 2.5 pro, no olvidar ejecutar

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad
aqui todo es igual, no olvidar ejecutar

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad
aqui es igual y ejecutar, debe correr el programa

Estimados, me paso lo mismo.
Por mi lado cambie el codigo al siguiente:
llm = ChatGoogleGenerativeAI(model="models/gemini-2.5-flash")
Esto es en la cuarta celda.

Slds.

Pesimo! Se corta el video y repite en una ocasión. Después como ya describió muy bien Andrés, se encuentra perdida una gran parte del video. Esperemos que lo puedan corregir pronto para no atrasarnos.

Pésimo, no se entiende como puede estar subido así, no se entiende nada.

Hola buenas tardes, lo que pasa es que hay que ir viendo el video y el repo de Genesys, porque alli esta actualizado.

Confunde un monton, ojala lo solucionen en la brevedad. Para alguien que no viene de la programacion es importante entender la logica detras de cada paso

Hola a todos, lamentablemente me encuentro en la misma situacion, batallando para ver como hacerlo andar, porque ni con el video ni con los apuntes del video lo pude hacer funcionar...

Gente, Para solucionarlo simplemente cambie el modelo a "geminai-2.5-flash" y le agregue un pipe (|) en la cadena. Les paso el codigo funcionando...

---------------------------------code--------------------------------------

%pip install -U langchain
%pip install -U langgraph
%pip install -U google-generativeai
%pip install -U langchain-google-genai

import os
import google.generativeai as genai

from google.colab import userdata

api_key = userdata.get('GEMINI_API_KEY')
os.environ['GEMINI_API_KEY'] = api_key
genai.configure(api_key=api_key)

from langchain_google_genai import ChatGoogleGenerativeAI

llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash")

from langchain_core.prompts import PromptTemplate

prompt_template = """Eres un experto en {tema} y debes entregar una explicación clara y actualizada sobre los impactos de la Inteligencia Artificial (IA) en esta área."""
modelo_de_prompt = PromptTemplate(input_variables=["tema"], template=prompt_template)

Creamos la cadena utilizando el operador Pipe (|) LCEL

cadena = modelo_de_prompt | llm

respuesta = cadena.invoke({"tema": "educación"})

print(respuesta.content)