GoonConstruyendo un Agente de IA usando TypeScript y Next.js
Introducción a la Sesión
La sesión comienza con el orador presentándose a sí mismo y el tema de la construcción de un agente de IA simple usando TypeScript. El orador pregunta a la audiencia si alguien tiene experiencia con la Open AI API, y aproximadamente la mitad de la audiencia levanta la mano. 
This is the screenshot of the introduction to the session
Introducción y Antecedentes del Orador
El orador se presenta como Paro, un Tech Lead y Deputy Head en PALO IT. Explica que es un experto en hacer batidos y tiene experiencia trabajando con bancos y compañías de seguros. 
This is the screenshot of the speaker introduction
Introducción a PALO IT y sus Servicios
El orador explica que PALO IT es una empresa de consultoría con sucursales en 10 países alrededor del mundo. Ofrecen servicios como transformación digital, desarrollo de productos y DevOps. También mencionan que están vendiendo GitHub Copilot, una herramienta que ayuda con la codificación.
Motivación y Antecedentes de la Sesión
El orador explica que se inspiraron para crear un agente de IA que pueda ejecutar scripts Bat después de leer un artículo sobre OS copilot, un agente móvil que automatiza tareas en un teléfono. Querían crear una IA que pueda controlar todo en una computadora.
Objetivo de la Sesión
El objetivo del orador es crear un agente de IA que pueda hacer trabajo de DevOps, automatización y codificación. Quieren demostrar cómo construir un agente de IA simple usando TypeScript y Next.js.
Demostración del Agente de IA
El orador muestra una demostración del agente de IA, que puede configurar un backend local en menos de un minuto. Explican que el agente de IA puede recibir instrucciones, generar un plan y ejecutarlo en una computadora. 
This is the screenshot of the demo of the AI agent
Cómo Funciona el Agente de IA
El orador explica que el agente de IA funciona recibiendo instrucciones del usuario, generando un plan y ejecutándolo en una computadora. Explican que el agente de IA puede funcionar en dos modos: modo paso a paso y modo automático.
Introducción a ReAct
El orador presenta ReAct, un patrón de prompting que permite al agente de IA razonar antes de tomar medidas. Explican que ReAct se basa en un artículo de investigación que mostró que al dejar que el agente de IA razone primero, puede funcionar mucho mejor.
Código Básico de ReAct
El orador muestra el código básico de ReAct, que es un código de Python que usa un bucle para generar un plan. Explican que el código utiliza una función de observation para obtener retroalimentación del usuario y ajustar el plan en consecuencia. 
This is the screenshot of the basic code of ReAct
Implementación del Agente de IA
El orador explica que utilizaron full-stack Next.js para implementar el agente de IA. Utilizaron dos APIs: Run Open AI y Run batch. También actualizaron el repositorio para usar Open AI's Structure output, lo que facilita la escritura de código.
Ejemplo de Escritura con ReAct
El orador muestra un ejemplo de escritura con ReAct, que genera un plan para configurar un backend local. Explican que el agente de IA puede ejecutar el plan y proporcionar retroalimentación al usuario.
System Prompt
El orador explica que el system prompt se utiliza para especificar la tarea que el agente de IA necesita realizar. Explican que el system prompt se puede utilizar para generar un plan y ejecutarlo en una computadora. 
This is the screenshot of the system prompt
Open AI SDK
El orador explica que el Open AI SDK se utiliza para enviar mensajes al Open AI API. Muestran un ejemplo de cómo usar el SDK para enviar un mensaje y obtener una respuesta.
Message Object
El orador explica que el message object se utiliza para enviar mensajes al Open AI API. Muestran un ejemplo de cómo crear un message object y enviarlo al API. 
This is the screenshot of the message object
Conclusión
El orador concluye la sesión resumiendo los puntos clave y proporcionando recursos adicionales para seguir aprendiendo. También invitan a la audiencia a hacer preguntas y proporcionar retroalimentación. 
This is the screenshot of the conclusion
