Lecciones de Código con IA

En esta sesión convertimos Foodzinder en un proyecto “vivo”: cada cambio en GitHub puede terminar en producción de forma controlada. Nos centramos en despliegue automático con Easypanel usando una clave SSH y un webhook para disparar el redeploy. Cerramos con un mapa comparativo de cómo se resuelve este flujo en Google Cloud, AWS, Railway, Dokploy y alternativas, para entender qué cambia y qué se mantiene.

En esta sesión vamos a crear un proyecto REAL. Un directorio de restaurantes funcional usando NextJS 16 con su API, Frontend y Dashboard de administración

En esta Sesión 9 arrancamos el Proyecto P4: To-Do App con Vue 3 y damos un salto importante: pasamos de “UI local” a producto con datos reales, usando Supabase (Postgres + Auth + RLS) como backend gestionado y despliegue en Vercel para tener una URL pública. Esta sesión entrena especialmente nuestra capacidad de definir contratos de datos, permisos y estados de UI con IA, sin perdernos en detalles de código.

En esta sesión construiremos un dashboard funcional utilizando las capacidades modernas de Angular 20, trabajando con signals, ejecución zoneless y componentes standalone. El objetivo es comprender cómo orquestamos la IA para levantar de principio a fin un proyecto real en solo dos horas, manteniendo siempre el foco en la ingeniería de contexto: arquitectura, prompting y generación controlada de artefactos. Este dashboard forma parte del proyecto P3 del módulo y será la base para trabajos posteriores.

En esta lección realizaremos la captura de datos (texto e imágenes) de una web accediendo desde su listado hasta sus páginas detalle

En esta sesión conectamos por fin backend y frontend. Durante los primeros 30 minutos completamos el despliegue del backend E4 en Easypanel (si quedó pendiente en la sesión 6) y validamos que la API esté estable. A continuación iniciamos el Proyecto P2: Landing Page Profesional del Restaurante usando React 19, Tailwind y subagentes de IA para generar el código sin escribirlo a mano.

En esta sesión generamos toda la API principal del proyecto E4 (restaurantes, menús, platos, reservas, reseñas), pero los módulos users y roles se generan solo parcialmente, dejando la lógica de negocio y las reglas de acceso como tarea supervisada para el alumnado. Esto permite que la sesión avance con un backend completamente funcional para pruebas y despliegue, mientras que los alumnos desarrollan criterio profesional sobre diseño de seguridad, roles y autenticación.

En esta quinta sesión damos el salto al desarrollo backend profesional utilizando nuestro enfoque de Ingeniería de Contexto. Trabajamos sobre el dominio Restaurantes para diseñar y generar con IA: el modelo de datos en PostgreSQL, los contratos de la API REST, la arquitectura modular en NestJS, la estructura del monorepo, el entorno de pruebas con Postman y mocks, y el conjunto de artefactos que guardamos en /docs/e4/*. Nuestro objetivo es salir de esta sesión con el backend NestJS generado por IA y ejecutable en local, y dejar la sesión 6 para desplegarlo, dockerizarlo y reforzar lo aprendido.

En esta sesión aprenderás a usar herramientas multimodales (imágenes, PDF, DOC, MD, JSON, audio, video) dentro de agentes y asistentes IA, para poder planificar proyectos completos usando artefactos reales como insumos. El objetivo es que entiendas qué puede leer, interpretar y producir la IA, y cómo integrar todo eso en una planificación técnica sólida, incluyendo arquitectura, dependencias, milestones, entregables, UI, datos y documentación.

Instalación, configuración inicial y desarrollo un proyecto en el nuevo IDE de google: Antigravity

- Comprender el papel de los IDEs asistidos por IA. - Conocer el nuevo IDE Google Antigravity y su enfoque agent‑first. - Entender los conceptos fundamentales de agentes, multi‑agentes, tareas y artefactos. - Aplicar prompting avanzado orientado a agentes. - Iniciar el Proyecto E2: Configuración de entorno IA + diseño de multi‑agente + prompt base.

Esta sesión consolida principios de prompting efectivo aplicados a la extracción de datos (scraping) usando BeautifulSoup + Requests como stack conceptual. Trabajaremos sin escribir código: generaremos artefactos (plan de scraping, contrato de datos, mapa de selectores, estrategia de paginación y riesgos anti-bot), listos para que la IA produzca o ejecute código en sesiones posteriores.