Herramientas del AI Engineer
Las herramientas que usa un AI engineer todos los días: VS Code con Copilot y Cursor como copilotos de código, OpenCode como agente en terminal, MCP para conectar herramientas externas, APIs de OpenAI y Anthropic desde scripts, debugging de prompts cuando el output no es lo que esperabas, testing de outputs para medir calidad, encadenar herramientas en workflows y automatizar tareas repetitivas con IA. Tu entorno de trabajo completo.
Tres semanas para pasar de "escribir prompts en un chat" a tener un entorno de trabajo profesional donde la IA es parte de tu flujo de desarrollo. Requiere terminal básica, Git, JavaScript o TypeScript y npm. Progresión: Inmersión → Profundización → Construcción.
- Duración
- 3 semanas
- Formato
- 3 semanas · 15 lecciones · proyecto final integrado
- Prerrequisitos
- Ninguno. Literalmente cero.
- Stack
- VS Code · OpenCode · Cursor · MCP servers · APIs varias
Proyecto final
Setup de entorno de trabajo completo + primer workflow automatizado con IA
Skills
- Copilot/Cursor
- OpenCode
- MCP servers
- APIs
- Prompt debugging
- Output testing
Este bloque es abierto y gratuito. Sigue las lecciones en orden y cierra con el proyecto final. (15/15)
Currículum
Tres semanas, 15 lecciones y un proyecto final integrado. Síguelas en orden: base, criterio, experimento real.
- Semana 01Inmersión
Construcción guiada
Configurar las herramientas fundamentales y hacerlas funcionar juntas. Al finalizar tenés VS Code con Copilot, OpenCode instalado, una conexión MCP o su diseño verificado y tu primera llamada a una API desde código.
- 0001Tu editor como centro de operacionesConfigurar VS Code como entorno de desarrollo para AI Engineering con las extensiones correctas
- 0002GitHub Copilot: más que autocompletarUsar los 4 modos de GitHub Copilot (inline, chat, edit, agent) para escribir código más rápido
- 0003OpenCode: tu primer agente en terminalInstalar y usar OpenCode como agente de código en terminal para tareas de desarrollo autónomas
- 0004APIs desde cero: tu primer requestHacer tu primera llamada a una API de LLM con OpenAI o Anthropic SDK
- 0005MCP: conectar herramientas externasConectar un servidor MCP a tu entorno de desarrollo para que el modelo use herramientas externas
- Semana 02Profundización
Recetas, con pistas
Profundizar en cada herramienta y empezar a combinarlas. Aprender a debuggear cuando algo no sale como esperabas y a testear de forma repetible.
- 0006Debugging de promptsDiagnosticar por qué un prompt falla y arreglarlo usando logs de API y métricas de tokens
- 0007Testing de outputsEscribir una suite de tests automatizada que valide outputs de LLMs de forma confiable y repetible
- 0008Encadenar herramientasDiseñar y documentar un flujo de trabajo que combine varias herramientas de IA en cadena
- 0009Cursor IDE: Composer y contextoUsar Composer y el contexto de Cursor para hacer cambios coordinados en múltiples archivos
- 0010Tu entorno personalizadoCrear un set de archivos de configuración portable para tener tu entorno de IA listo en minutos
- Semana 03Construcción
Especificaciones y demo final
Integrar todo en un workflow real. El proyecto final demuestra que podés trabajar con estas herramientas sin depender de instrucciones detalladas.
- 0011Workflow: del problema al código con IADiseñar un workflow personal que convierta un problema en código funcional usando herramientas de IA
- 0012Automatizar tareas con OpenCodeConvertir una tarea repetitiva en un comando o script automatizado con OpenCode
- 0013Calidad y monitoreo de outputsDefinir métricas de calidad para outputs de IA e implementar un sistema básico de monitoreo continuo
- 0014Proyecto final: armar todo juntoIntegrar todo lo aprendido en un entregable único: entorno documentado, workflow con IA, tests y README
- 0015Demo, reflexión y hacia el Bloque 4Demostrar el proyecto final, reflexionar con un learning record y prepararte para el Bloque 4
Recursos
Referencias curadas detrás de cada lección. Autoridad primero.