Configuración del curso de flujos de trabajo con IA: terminal, Git y laboratorio práctico

Table of Contents
Volver al curso práctico de flujos de trabajo con IA
Prepara un espacio seguro antes de usar un agente. Las lecciones 1 y 2 funcionan en un navegador sin este laboratorio. Vuelve aquí antes de la lección 3 si quieres completar el curso. Las lecciones prácticas de programación usan Git, Python 3.10 o posterior y un agente de programación. La ruta de estudio sustituye las acciones no disponibles del agente por tareas manuales identificadas.
Resultado de aprendizaje: ejecutarás el laboratorio inicial, guardarás una línea base local y explicarás cómo restablecer una copia desechable.
Puntos clave
- Ruta de navegador: completa los ejercicios de chat, planificación, comprobación de fuentes y revisión en ChatGPT o Claude.
- Ruta local: usa una terminal y el laboratorio de Python incluido para los ejercicios de programación.
- Ruta de reinicio: extrae una copia nueva del laboratorio cuando un ejercicio salga mal.
- Regla de seguridad: mantén los archivos privados, los registros de clientes y las credenciales fuera del laboratorio.
Elige tu ruta
| Ruta | Requisitos | Práctica |
|---|---|---|
| Introducción en navegador | Navegador actualizado y una cuenta de ChatGPT o Claude | Lecciones 1 y 2, además del paquete de tareas de chat de la lección 1 |
| Práctica local | Git, Python 3.10 o posterior, terminal y un agente de programación | Archivos, diferencias, pruebas y cambios del agente |
| Curso de estudio | Navegador, Python 3.10 o posterior local y Git | Comprobaciones completas del laboratorio; los pasos de agente y MCP no disponibles se marcan como no ejecutados |
Cada producto define sus propios planes y límites. Consulta ChatGPT Projects y Claude Projects antes de depender de una función. La ruta de estudio no demuestra habilidad práctica con un agente de programación no disponible. Anota esa diferencia en tus notas de finalización.
Sigue una ruta predeterminada: usa ChatGPT en el navegador para los ejercicios de chat y luego un agente de programación disponible con el laboratorio local. Claude es una alternativa equivalente para el chat. Codex CLI, Claude Code CLI y OpenCode son opciones para la etapa de programación. No necesitas tener cuentas con todos los proveedores.
Anota cinco comprobaciones antes de abrir un agente de programación. Así distingues una comprobación del laboratorio local de una afirmación sobre una cuenta o un espacio de trabajo alojado.
| Comprobación | Anota |
|---|---|
| Espacio de trabajo | La carpeta exacta del laboratorio extraído que leerá el agente |
| Ejecución | Computadora local o espacio remoto seleccionado |
| Proveedor | Cuenta o proveedor del modelo usado para esta tarea |
| Permisos | Si se permiten escrituras de archivos y comandos de shell, o si requieren aprobación |
| Línea base | Cantidad observada y dos pruebas aprobadas antes de editar |
Mantén acotada la carpeta raíz de práctica. Un espacio alojado necesita su propia copia del laboratorio sintético. Una ejecución local no demuestra que la copia remota o la cuenta tenga los mismos archivos y permisos.
Aprende los términos locales
| Término | Significado sencillo |
|---|---|
| Terminal | Aplicación donde escribes comandos |
| Shell | Software que interpreta esos comandos |
| CLI | Interfaz de línea de comandos de un programa |
| Directorio de trabajo | Carpeta que usa un comando de forma predeterminada |
| Repositorio | Proyecto cuyo historial registra Git |
| Commit | Instantánea guardada de Git |
| Rama | Línea con nombre para los cambios de Git |
| Diferencia | Vista de las líneas añadidas o eliminadas |
| Prueba | Comprobación repetible del comportamiento esperado |
| Código de salida | Número que indica si un comando tuvo éxito o falló |
No necesitas GitHub para el laboratorio inicial. Git funciona en tu computadora. GitHub es un servicio de alojamiento independiente. Un commit local guarda una instantánea sin enviar tus archivos a ningún sitio.
Prepara el laboratorio
Descarga el
laboratorio inicial del curso
y extráelo en una carpeta nueva que controles. Abre una terminal dentro de ella. En macOS o Linux, abre Terminal y usa cd para entrar en la carpeta extraída. En Windows, usa PowerShell o Windows Terminal y cd para entrar. En Windows, suele usarse py -3 en lugar de python3.
Instala
Python 3.10 o posterior
y
Git
si hace falta. Comprueba las herramientas instaladas antes de ejecutar el laboratorio. Los dos primeros comandos muestran los números de versión. cd cambia el directorio de trabajo. ls muestra los archivos. Sustituye la ruta de ejemplo por la ruta real de la carpeta extraída.
python3 --version
git --version
cd /path/to/effective-ai-course-lab
ls
En Windows PowerShell, usa py -3 --version, git --version, cd C:\path\to\effective-ai-course-lab y Get-ChildItem. Entre los archivos listados deben aparecer task_report.py, tasks.json, tests y docs. Si falla un comando de versión, termina la instalación antes de continuar.
pwd
python3 task_report.py tasks.json
python3 -m unittest discover -s tests -v
En Windows PowerShell, sustituye pwd por Get-Location si lo prefieres, y python3 por py -3 si Python usa el iniciador. La primera orden muestra la ruta. Debe terminar en la carpeta del laboratorio extraído. Comprueba también los nombres de archivo. Un archivo llamado AGENTS.md.txt no sirve como AGENTS.md. En el Explorador de Windows, activa las extensiones de nombre para ver el nombre completo.
Resultado esperado: el informe dice Total tasks: 4. El comando de pruebas muestra dos pruebas y termina con OK. El shell devuelve el código de salida cero si todo sale bien. Si aparece otro total o un traceback, detente y revisa la carpeta y la configuración de Python.
Interpreta cada comando por partes. En python3 task_report.py tasks.json, python3 inicia Python, task_report.py es el programa y tasks.json es un argumento que indica los datos de entrada. La cantidad impresa es el resultado, no otro comando. Tras un fallo, macOS y Linux muestran el estado con echo $?. PowerShell expone el último estado de un programa nativo mediante $LASTEXITCODE.
Calcula unos diez minutos para la primera ejecución una vez instalado Python: extrae el laboratorio, ejecuta el informe y compara el total con las cuatro entradas de tasks.json. Abre el archivo JSON en un editor de texto y cuenta las entradas.
Practica Git con seguridad
Inicia Git solo dentro de la carpeta del laboratorio extraído. Estos comandos guardan una instantánea local. git status muestra si cambiaron archivos. git diff muestra las líneas modificadas después de editar un archivo con seguimiento.
git init
git add .
git commit -m "Línea base del laboratorio del curso"
git status --short
Estado esperado: después del commit no aparece ningún nombre de archivo. Si Git pide un nombre y un correo, configura una identidad solo para el laboratorio desde esta carpeta y vuelve a ejecutar el commit. Sustituye los valores de ejemplo por los tuyos y privados. No pegues la salida de identidad ni de credenciales en un chat público.
git config --local user.name "Estudiante del curso"
git config --local user.email "[email protected]"
git commit -m "Línea base del laboratorio del curso"
git status --short
Para restablecerlo no necesitas comandos de Git. Guarda las notas fuera del laboratorio, elimina la copia de práctica extraída y vuelve a extraer el ZIP original. Usa este reinicio si la edición de una lección deja el programa en un estado desconocido.
Protege tu espacio de práctica
Usa ejemplos sintéticos. No cargues documentos privados en un proyecto del curso. No pongas claves de API en prompts, archivos fuente, capturas de pantalla ni commits. El acceso del agente a archivos y comandos depende de sus permisos y de la carpeta que abras. Revisa ambos antes de permitir su ejecución.
Comprueba el uso compartido antes de cargar archivos. Los miembros del proyecto podrían tener acceso a los archivos. Sigue la política de tu organización para el trabajo real. El curso usa datos ficticios, así que el laboratorio no requiere una aprobación especial.
Practica y comprueba
Tu resultado: anota la ruta elegida, los cinco campos de preflight, el total del informe, el resultado de las pruebas y el método de reinicio. Usa una copia nueva para confirmar que sabes restablecer el laboratorio.
Razonamiento esperado: sabes qué carpeta afectan los comandos, distingues Git local del alojamiento y tienes una forma de recuperarte antes de que un agente edite archivos.
Comprueba lo aprendido
Pregunta: ¿La introducción solo con navegador completa la ruta del laboratorio local? Respuesta: No. La ruta completa requiere una línea base local de Python y Git.
Pregunta: ¿Qué debes guardar antes de cambiar el laboratorio desechable? Respuesta: El resultado aprobado de las pruebas iniciales y un punto limpio para reiniciar.
Solución de problemas
- Falta el comando de Python: instala Python 3 desde su distribuidor oficial y vuelve a abrir la terminal.
- No se encuentra el archivo: comprueba el directorio de trabajo y muestra los archivos de la carpeta extraída.
- Las pruebas no se ejecutan: usa el comando exacto del README del laboratorio extraído.
- Git pide una identidad para el commit: configura Git localmente y no incluyas esos valores en las notas del curso.
Próximos pasos
Continúa con el flujo de trabajo de IA fiable . El primer ejercicio usa el mismo taller sintético antes de que cualquier herramienta reciba archivos reales.
Navegación del curso: Índice del curso .



