# Laboratorio: Fundamentos de IA para desarrolladores Ponte manos a la obra con los cuatro pilares fundamentales del desarrollo de aplicaciones de IA: modelos, ingeniería de prompts, llamadas a herramientas y RAG. Este laboratorio se ejecuta completamente en tu máquina usando Docker Model Runner, sin necesidad de claves de API ni de cuentas en la nube. ## Iniciar el laboratorio

Inicia el labspace:
$ docker compose -p labspace -f oci://dockersamples/labspace-ai-fundamentals up -d
Note

Esta práctica de laboratorio utiliza un modelo de IA, lo que requiere activar Docker Model Runner. El modelo puede tardar algún tiempo en descargarse.
Abre tu navegador en http://localhost:3030.
Cuando hayas terminado, elimina el labspace:
$ docker compose -p labspace down

## Qué aprenderás Al final de este Labspace, habrás completado lo siguiente: - Comprender la API de Chat Completions y cómo estructurar mensajes para un modelo. - Utilizar técnicas de ingeniería de prompts, incluyendo prompts de sistema, ejemplos de pocos intentos (few-shot) y salidas estructuradas. - Implementar llamadas a herramientas y el bucle agéntico en el código. - Construir una canalización (pipeline) de RAG que fundamente las respuestas del modelo en tus propios datos. ## Módulos | # | Módulo | Descripción | | --- | ------------------------------------ | ----------------------------------------------------------------- | | 1 | Bienvenida y Configuración | Introducción al laboratorio y verificación de tu entorno | | 2 | Hablar con los modelos | API de Chat Completions, roles de mensajes y comportamiento del modelo sin estado (stateless) | | 3 | Ingeniería de prompts | Prompts de sistema, ejemplos de pocos intentos (few-shot) y salidas estructuradas | | 4 | Llamadas a herramientas | Definiciones de herramientas, el bucle agéntico y ejecución de herramientas en código | | 5 | Generación aumentada por recuperación (RAG) | Recuperar, aumentar y generar con tu propia base de conocimientos | | 6 | Cierre | Resumen de conceptos y siguientes pasos |