Ingeniería Agéntica: Evolución de prácticas de desarrollo
Los equipos de desarrollo ya usan IA generativa en su día a día, pero en general como exploración individual: cada developer con su prompt, sin estándares compartidos ni integración real en el flujo de trabajo.
Este curso propone dar el siguiente paso: convertir esa exploración en una práctica de equipo, estandarizada y con resultados consistentes.
Con modalidad hands-on, recorremos desde los fundamentos de LLMs y agentes hasta los patrones avanzados de trabajo agéntico que hoy usamos en nuestros propios equipos de desarrollo.
Información del curso
Modalidad
Online
Duración
10 horas teórico-prácticas, organizadas en tres módulos más contenidos opcionales
Grupo privado de alumnos, a medida de tu empresa
Objetivos
Comprender cómo funcionan los LLMs y los agentes de código.
Dominar técnicas de prompt engineering y context engineering para obtener resultados consistentes.
Conectar el agente con el entorno de trabajo mediante herramientas y MCP, y convertir las prácticas del equipo en skills y reglas reutilizables.
Estructurar y controlar tareas complejas con agentes, incorporando subagentes con roles específicos y contexto independiente.
Usar los tests, los quality gates y los hooks como mecanismos de verificación y alineación del trabajo del agente.
Incorporar la revisión asistida de código para detectar vulnerabilidades, errores y code smells.
Establecer prácticas y acuerdos de equipo: qué delegar al agente, qué no, y cómo hacer el onboarding al flujo agéntico.
Trabajar con seguridad: permisos, sandboxing, manejo de secrets y prevención de operaciones destructivas.
¿Qué aprenderás en este curso?
Un marco compartido de trabajo con IA para todo el equipo, no solo habilidades individuales.
Criterios para seleccionar modelos y herramientas según el tipo de tarea.
Mecanismos concretos de verificación —tests, quality gates, hooks y code review asistido— para trabajar con agentes sin resignar calidad.
Práctica hands-on real: cada módulo se ejercita sobre casos concretos de desarrollo.
Contenido
Fundamentos
LLMs y Agentes: tipos de modelos, capacidades y criterios de selección. Uso consultivo vs. uso agéntico.
Prompt Engineering: técnicas fundamentales y anti-patrones frecuentes.
Context Engineering: arquitectura de contexto —AGENTS.md y configuraciones de proyecto— y mecánica del context window.
Herramientas y guidelines
Herramientas y MCP: capacidades del agente y protocolo para conectarlo con sistemas externos.
Skills y Reglas: prácticas de equipo convertidas en procedimientos y convenciones reutilizables.
Seguridad: permisos, sandboxing, manejo de secrets y prevención de operaciones destructivas.
Subagentes: roles específicos, ejecución paralela y contexto independiente.
Prácticas de equipo: convenciones compartidas y onboarding al flujo agéntico del equipo.
Flujos de trabajo con IA
Flujos de trabajo: cómo estructurar y controlar tareas complejas con agentes.
El test como contrato: TDD agéntico, pruebas automatizadas para alinear al agente y verificar el código.
Quality gates y hooks: controles automáticos para verificar y guiar el trabajo del agente.
Code review agéntico: revisión asistida para detectar vulnerabilidades, errores y code smells.
Introducción a Spec-Driven Development (SDD): especificar antes de construir para alinear intención, código y pruebas.
Contenidos opcionales (se incorporan según los intereses del grupo)
Prototipado funcional rápido: uso de herramientas generativas para iterar interfaces visuales e interactivas (v0, Claude Artifacts, Claude Design y similares).
Plugins y skills populares: ampliación de las capacidades del agente mediante extensiones de la comunidad (Superpowers, Caveman, Skill Creator, entre otros).
¿A quién está dirigido?
Developers y equipos de desarrollo de software que ya experimentaron con herramientas de IA generativa (ChatGPT, Claude, Copilot) y quieren evolucionar hacia un uso agéntico, sistemático y de equipo.
También aporta valor a tech leads y arquitectos que necesitan definir estándares y criterios de adopción para sus equipos.
