Temario del curso
El ecosistema de personalización de cuatro niveles
Nivel 1 | Sabe – Reglas y AGENTS.md
Temas cubiertos:
• Definición de convenciones del proyecto y estándares de codificación
• Documentación de la arquitectura y restricciones técnicas
• Creación de guías de proyecto independientes de herramientas
• Mantenimiento de la consistencia entre equipos de desarrollo y herramientas de IA
Nivel 2 | Puede – Habilidades
Temas cubiertos:
• Creación de unidades reutilizables de conocimiento especializado
• Carga de información contextual solo cuando es necesario
• Reducción del tamaño del contexto mientras se mejora el rendimiento de la tarea
• Construcción de bibliotecas de flujos de trabajo y experiencia reutilizables
Nivel 3 | Alcanza – MCP
Temas cubiertos:
• Conexión de herramientas de IA con sistemas y servicios externos
• Acceso a repositorios, bases de datos y fuentes de documentación
• Extensión de las capacidades de los asistentes de codificación con IA
• Implementación de integraciones seguras y controles de gobernanza
Nivel 4 | Actúa – Agentes
Temas cubiertos:
• Comprensión de los agentes autónomos de IA y sus capacidades
• Lectura, escritura, prueba y revisión de código de forma autónoma
• Gestión de flujos de trabajo orientados a objetivos y tareas delegadas
• Establecimiento de mecanismos de supervisión y revisión humana para sistemas agénicos
Día 1 | Delegación y extensión de herramientas
Módulo 1 | De asistente a agente
Temas cubiertos:
• Comprensión de la diferencia entre asistentes de IA y agentes autónomos
• Completado de código en línea versus delegación agénica
• Cómo los flujos de trabajo agénicos cambian la estructura de las tareas de desarrollo
• Identificación de tareas adecuadas para delegar a agentes
• Mejores prácticas para colaborar con sistemas autónomos de IA
Módulo 2 | Delegaciones que funcionan sin supervisión constante
Temas cubiertos:
• Redacción de instrucciones efectivas para agentes de IA
• Provisión del contexto y los requisitos comerciales suficientes
• Definición de restricciones y límites para la ejecución
• Establecimiento de criterios de aceptación claros y medidas de éxito
• Minimización de la intervención humana mientras se mantiene la calidad
Módulo 3 | Ecosistema de personalización y su aplicación en cada contexto
Temas cubiertos:
• Comprensión del ecosistema de personalización de cuatro niveles
• Uso de Reglas y AGENTS.md para definir convenciones del proyecto
• Determinación de qué mecanismos de personalización aplican en diferentes escenarios
• Gestión eficiente del contexto entre herramientas y proyectos
• Creación de entornos de desarrollo asistido por IA consistentes
Módulo 4 | Habilidades y subagentes
Temas cubiertos:
• Creación de Habilidades reutilizables para flujos de trabajo y tareas comunes
• Empaquetado de conocimiento especializado para uso repetido
• Comprensión del papel de los subagentes y contextos aislados
• Delegación de tareas acotadas a agentes especializados
• Mejora de la eficiencia mediante flujos de trabajo modulares de IA
Día 2 | Conexión de herramientas, paralelismo y gobernanza
Módulo 5 | MCP: Conectar y construir
Temas cubiertos:
• Comprensión de los principios del Protocolo de Contexto del Modelo (MCP)
• Conexión de herramientas de IA con sistemas y servicios externos
• Integración de navegadores, bases de datos, repositorios y fuentes de documentación
• Construcción de un servidor MCP personalizado
• Gestión del control de acceso y consideraciones de seguridad
Módulo 6 | El flujo de trabajo agénico disciplinado
Temas cubiertos:
• Establecimiento de un proceso de desarrollo asistido por IA repetible
• Lluvia de ideas y planificación con agentes de IA
• Construcción e implementación colaborativa de soluciones
• Prueba y validación de los outputs generados
• Revisión y finalización de entregables con pasos de verificación adecuados
Módulo 7 | Desarrollo paralelo
Temas cubiertos:
• Ejecución simultánea de múltiples agentes de IA
• Trabajo con ramas aisladas y árboles de trabajo de Git
• Coordinación de actividades de desarrollo entre flujos de trabajo paralelos
• Fusión y validación de outputs de múltiples agentes
• Mejora de la productividad mediante estrategias de ejecución en paralelo
Módulo 8 | Riesgos, revisión y gobernanza
Temas cubiertos:
• Evaluación y verificación de Habilidades externas y servidores MCP
• Comprensión de los riesgos de seguridad y gobernanza
• Gestión de permisos y derechos de acceso
• Protección de datos sensibles y propiedad intelectual
• Establecimiento de procesos de revisión y prácticas de aseguramiento de la calidad
Módulo 9 | Adopción de IA en el desarrollo de software: casos de uso y próximos pasos
Temas cubiertos:
• Cómo las organizaciones están integrando la IA en el Ciclo de Vida de Desarrollo de Software (SDLC)
• Casos de uso reales y ejemplos de implementación de diferentes industrias
• Enfoques comunes de adopción de IA: adopción individual, adopción basada en equipos y habilitación a nivel organizacional
• Casos de uso típicos en el SDLC:
• Recolección de requisitos y documentación
• Generación de código y prototipado
• Pruebas y aseguramiento de la calidad
• Revisión de código y refactorización
• Documentación y gestión del conocimiento
• DevOps y gestión de incidentes
• Modelos de gobernanza, políticas y consideraciones de seguridad
• Medición de la productividad y el retorno de inversión (ROI) del desarrollo asistido por IA
• Construcción de una hoja de ruta interna para la adopción de IA
• Definición de pasos prácticos inmediatos para los participantes y sus equipos
Taller de discusión interactiva
• Desafíos actuales dentro de los equipos de desarrollo de los participantes
• Identificación de casos de uso de alto valor para adopción inmediata
• Riesgos, bloqueos y consideraciones organizacionales
• Creación de un plan de acción inicial para la integración de IA.<
Requerimientos
Experiencia profesional en desarrollo, comodidad con la terminal y conocimientos funcionales de Git. Uso regular de una herramienta de codificación con IA o haber completado el curso Fundamentos.
Público objetivo
Desarrolladores que ya utilizan herramientas de IA, líderes técnicos responsables de la adopción en sus equipos e ingenieros de plataforma o DevOps que construyen Habilidades y servidores MCP.
Reseñas (2)
Usando Claude Code de manera más eficiente
Virgil Trif - Frequentis
Curso - Claude Code: Agentic AI Development · 1-Day
Traducción Automática
"Aprendí el potencial de la herramienta y adquirí las habilidades necesarias para empezar a usarla en mi trabajo de inmediato"
Angelo Moro
Curso - Claude AI for Developers: Building AI-Powered Applications
Traducción Automática
