The Developer’s Guide to AI
Jacob Orshalick, Jerry Reghunadh, Danny Thompson
- Editorial
- No Starch Press
- Año
- 2026
- Páginas
- ~432
- Nivel
- Intermedio
De qué trata
Guía de campo práctica orientada a programadores de software en activo, creada por Jacob Orshalick, Jerry Reghunadh y Danny Thompson para enseñar a integrar capacidades de inteligencia artificial y modelos de lenguaje de gran tamaño (LLMs) en aplicaciones comerciales modernas. La obra se fundamenta en las herramientas y lenguajes habituales de la industria (Python, JavaScript/Node.js, React, APIs REST y bases de datos) y está dirigida a desarrolladores web, backend y full-stack de nivel intermedio que desean crear funcionalidades con IA en producción sin necesidad de cursar estudios avanzados de ciencia de datos o estadística teórica.
El texto cubre la implementación práctica del ciclo de vida del software con IA: conexión con modelos de lenguaje fundacionales y locales (OpenAI API, Anthropic, Ollama), streaming de respuestas en interfaces web interactivas (React con Vite, Express, LangChain.js), ingeniería de prompts estructurada, formateo estricto de salidas (JSON mode) y control de errores. Desarrolla paso a paso arquitecturas de generación aumentada por recuperación (RAG) utilizando bases de datos vectoriales y algoritmos de segmentación semántica, técnicas de adaptación de modelos mediante fine-tuning ligero con LoRA, y la construcción de sistemas de agentes autónomos basados en llamadas a herramientas (tool calling) y el estándar Model Context Protocol (MCP).
El libro propone un enfoque mixto centrado en la creación de aplicaciones funcionales y componentes arquitectónicos listos para producción, abordando retos cruciales como la gestión de costes, latencia de llamadas, consumo de tokens y observabilidad en entornos reales. Aporta una perspectiva pragmática de ingeniería de software que traslada la IA desde prototipos de juguete hacia código mantenible y robusto; no aborda el pre-entrenamiento de redes desde cero ni la derivación matemática de las matrices de atención de los transformadores. Para aprovecharlo al máximo conviene tener soltura con JavaScript/TypeScript o Python, llamadas asíncronas y consumo de APIs web.
- LLM
- Prompt Engineering
- RAG
- Bases de datos vectoriales
- Model Context Protocol (MCP)
- Agentes de IA
- Fine-Tuning
- LoRA
- Python
- JavaScript
- LangChain.js
- Ollama
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Aplicación web con streaming interactivo de LLM
Interfaz interactiva desarrollada en React y Vite conectada a un servidor Node.js/Express que consume modelos remotos y locales (vía Ollama) transmitiendo tokens en tiempo real.
Pipeline de generación aumentada por recuperación (RAG)
Sistema de consulta sobre documentación privada que fragmenta textos, genera embeddings semánticos y recupera contexto mediante bases de datos vectoriales para formular respuestas precisas.
Agente autónomo con Model Context Protocol (MCP)
Agente inteligente capaz de ejecutar flujos de trabajo autónomos y llamadas a funciones integrando el protocolo estándar MCP para interactuar con herramientas del sistema de desarrollo.
