GuíaBásico

Guía de Cómo Funcionan los Agentes de Código

Entiende los fundamentos conceptuales y prácticos de cómo funcionan los agentes de código: desde la mecánica de los LLMs hasta el workflow que separa a los developers productivos de los que pierden tiempo con AI. No es una guía sobre construir agentes de producción —eso es AI Engineering—, es una guía sobre entender cómo piensan, actúan y fallan, para poder dirigirlos con criterio profesional con cualquier herramienta: Claude Code, Cursor, Copilot, Cline o cualquier agente futuro. Los siete módulos avanzan del cambio de paradigma en el desarrollo de software, a los LLMs explicados para developers (no para investigadores), al agentic loop y el tool calling que convierten a un modelo en un agente, al toolbox con el que un agente interactúa con tu código, a los mental models para dirigir la colaboración humano-agente, y al workflow Research → Plan → Execute → Validate. Cierra con un proyecto práctico: construir un mini coding agent desde cero para entender el loop agéntico desde adentro.

33
lecciones
7
módulos
Inglés · Español
disponible en
Sí
certificado
Gratis
acceso
Inicia sesión para empezar
NIEVA

Resultados

Lo que vas a poder hacer

  • Explicar qué cambió en el desarrollo de software con la llegada de los coding agents, y diferenciar vibe coding, desarrollo tradicional y agentic development
  • Entender los LLM desde la perspectiva de un developer: tokens y context windows, next-token prediction, por qué alucinan, y qué pueden y qué no pueden hacer
  • Definir con precisión qué es un coding agent (LLM + tools + loop + autonomía) y trazar el agentic loop —observe → think → act → observe— con tool calling y el patrón ReAct
  • Distinguir un chatbot de un coding agent real con criterio técnico, más allá del marketing
  • Nombrar y usar las categorías de herramientas de un agente (archivos, shell, web), entender cómo explora tu codebase y cómo configurar contexto y permisos con archivos como CLAUDE.md, AGENTS.md o .cursorrules
  • Aplicar mental models de colaboración humano-agente ("power tool", "intern manager"), actuar como circuit breaker y calibrar tu confianza en el output según el riesgo de la tarea
  • Analizar críticamente el estudio METR sobre productividad con AI —con sus datos y sus límites—, en vez de quedarte con el titular
  • Aplicar el workflow Research → Plan → Execute → Validate y sus variantes, y reconocer los anti-patrones más comunes: vibe coding, prompt-and-pray, context dumping
  • Construir un mini coding agent funcional en Python con tool calling real y logging de cada decisión, y documentar los insights observados sobre cómo razona

Antes de empezar

Qué necesitas traer

Es para ti si...

  • Developers que usan un coding agent a diario sin entender qué pasa por dentro cuando le dan un prompt
  • Developers que todavía no adoptan ninguna herramienta y quieren los fundamentos antes de elegir una
  • Devs senior que necesitan evaluar coding agents con datos —METR, Stack Overflow, DORA— y no con hype de marketing
  • Cualquiera que use o vaya a usar Claude Code, Cursor, Copilot o cualquier agente de código, sin importar cuál

Requisitos y materiales

  • Conocimiento básico de programación en cualquier lenguaje y familiaridad con editor, terminal y git
  • No requiere experiencia previa con ningún coding agent específico ni conocimientos de Machine Learning
  • Para el proyecto final del Módulo 7: una API key de Anthropic u OpenAI y Python básico (costo total estimado de unos pocos dólares)

Contenido

El temario, módulo por módulo

Abre cualquiera para ver sus lecciones.

Dudas frecuentes

Lo que suele preguntarse

Empieza cuando quieras

Inicia sesión para empezar
Reseñas

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!