GuíaIntermedio
Deploy de un proyecto AI en LocalStack
Despliega una aplicación de AI engineering completa sobre LocalStack, un emulador de AWS que corre en tu Docker — $0 de infraestructura. Construyes un asistente de documentos internos que resume bajo demanda (`POST /summarize`), reacciona solo cuando subes un archivo a S3 (event-driven), y responde preguntas en lenguaje natural con un agente que decide qué tools usar (`POST /ask`). Once fases, cada una cerrando en un checkpoint funcional, de Docker a Terraform.
- 74
- lecciones
- 14
- módulos
- Inglés · Español
- disponible en
- Sí
- certificado
- Gratis
- acceso
Resultados
Lo que vas a poder hacer
- Levantar un entorno AWS completo en local con LocalStack y Docker, sin costo
- Escribir, empaquetar y desplegar una Lambda en Python con su rol IAM
- Exponer la Lambda por HTTP con API Gateway
- Disparar procesamiento automático con eventos de S3 (arquitectura event-driven)
- Indexar documentos con embeddings para hacerlos buscables (RAG)
- Construir un agente con function calling que elige entre buscar, resumir o ambas
- Reescribir ese agente con LangGraph y mejorar el retrieval con búsqueda híbrida (BM25 + semántica)
- Aplicar caching, logs estructurados y medición de costo por invocación
- Defender el sistema de prompt injection y evaluarlo con golden dataset y LLM-as-judge
- Agregar autenticación JWT y rate limiting
- Versionar la infraestructura como código con Terraform
Antes de empezar
Qué necesitas traer
Es para ti si...
- AI Engineers que quieren practicar arquitectura serverless sin pagar AWS
- Desarrolladores backend que necesitan llevar una app de AI de local a una arquitectura cloud
- Estudiantes del AI Engineering Bootcamp que quieren consolidar las fases 2 y 3 en un proyecto único
- Cualquiera que quiera un proyecto portfolio-worthy con RAG, agentes, evals y seguridad
Requisitos y materiales
- Python intermedio y manejo básico de línea de comandos
- Docker instalado (la guía cubre la instalación desde cero si no lo tienes)
- Nociones de REST APIs; haber usado FastAPI ayuda pero no es obligatorio
- Opcional: una API key de OpenAI (unos centavos). Hay camino 100% local con Ollama y un modo de respaldo sin modelo
Contenido
El temario, módulo por módulo
Abre cualquiera para ver sus lecciones.
- Fase 0 — Setup: Docker y LocalStack corriendo (25-40 min)
- Paso 1: Docker — de cero a motor encendido
- Paso 2: Crear el proyecto y levantar LocalStack
- Paso 3: Instalar las herramientas CLI (son DOS, y las dos se instalan)
- Paso 4: Credenciales fake
- Paso 5: Verificar la conexión
- Paso 6: Apagar y encender (guárdatelo desde ya)
- ✅ Checkpoint Fase 0
- Fase 6 — El agente: `POST /ask` con tools (40 min)
- 6.1 Agregar el agente a `service.py`
- 6.2 Enrutar `/ask` — una ruta nueva, y ya
- 6.3 Probar el agente con invocación directa
- 6.4 Exponer `/ask` en el API Gateway
- 6.5 Tests del agente (sin LLM, como siempre)
- ✅ Checkpoint Fase 6
- 6.6 El mismo agente, con LangGraph (30 min)
- 6.7 Mejor retrieval: búsqueda híbrida (BM25 + semántica) (25 min)
Dudas frecuentes
Lo que suele preguntarse
Sin límite. Es una guía gratuita: entras cuando quieras, las veces que quieras.
No. Los módulos están ordenados de menos a más, pero puedes saltar al que necesites. Tu progreso se guarda por lección.
Lo que haga falta está en «Qué necesitas traer», arriba. Si no aparece nada ahí, puedes empezar desde cero.
En el grupo de WhatsApp del Club, y cada quince días hay un live con un instructor donde se resuelven dudas en vivo.
Sí. Al terminar todas las lecciones se emite automáticamente, con un código verificable que puedes compartir en LinkedIn.
Empieza cuando quieras
Lo que dicen los estudiantes
Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.
Aún no hay reseñas aprobadas.
¡Sé el primero en compartir tu experiencia!