Recursos Python · Nova AI¶
Ruta de capacitación en Python para el equipo, de nivel cero a construir agentes con LangGraph y CrewAI. Doce módulos de 3 a 5 horas cada uno —unas 48 en total— con guías, código que se ejecuta, 717 tests que verifican tus ejercicios, y una biblioteca de enlaces curados.
No es un catálogo de sintaxis. Cada módulo empieza por el criterio —cuándo usar algo y cuándo no— y termina en ejercicios que fallan hasta que los resuelves.
Diez preguntas y te dice tu módulo de entrada. No hace falta empezar por el principio.
Un git clone y un comando. uv instala hasta el propio Python.
Tres recetas concretas: añadir un enlace, un ejercicio o una guía.
Arranque rápido¶
Sin instalar nada¶
Abre el repositorio en GitHub Codespaces (botón Code › Codespaces). Tienes Python y las dependencias listas en un par de minutos.
En tu máquina¶
Necesitas uv. Instala el resto —incluido el propio Python— por ti:
git clone https://github.com/full-stack-dev-johncastrosanabria/recursos-python-nova-ai.git
cd recursos-python-nova-ai
uv sync
uv run pytest ruta/01-fundamentos
Los tests te saldrán en rojo. Es correcto: son los ejercicios sin resolver.
Cuando llegues al módulo 08 y quieras hablar con un modelo de verdad:
La ruta¶
Fundamentos¶
| # | Módulo | Qué cubre |
|---|---|---|
| 00 | Cómo piensa Python | qué es un programa, el Zen, los cinco modelos mentales |
| 01 | Fundamentos | asignación, números y dinero, la verdad, control de flujo, funciones |
| 02 | Estructuras de datos | costes por dentro, matrices, álgebra de conjuntos, generadores |
| 03 | POO y módulos | clases, propiedades, herencia y MRO, recursión, imports |
El oficio¶
| # | Módulo | Qué cubre |
|---|---|---|
| 04 | Entorno y herramientas | uv, ruff, tipos, pre-commit, logging, empaquetado |
| 05 | Testing | pytest a fondo, dobles, cobertura, property-based |
| 06 | Async y concurrencia | el GIL, hilos y procesos, TaskGroup, colas |
| 07 | Datos y APIs | archivos, pydantic, httpx, FastAPI, pandas |
Inteligencia artificial¶
| # | Módulo | Qué cubre |
|---|---|---|
| 08 | Fundamentos de LLMs | tokens, embeddings, prompts, tool use, RAG |
| 09 | Agentes con LangGraph | los cinco patrones, grafos de estado, memoria |
| 10 | Agentes con CrewAI | roles, diseño de herramientas, barreras, verificación |
| 11 | Proyecto final | un sistema completo, de punta a punta |
Cómo funcionan los ejercicios¶
Cada módulo tiene la misma anatomía:
ruta/NN-modulo/
├── GUIA.md la lección
├── ejemplos/ código que se lee y se ejecuta
├── ejercicios/ lo que completas tú (base/ y reto/)
├── soluciones/ la versión de referencia
└── tests/ lo que dice si acertaste
Los ejercicios son funciones sin terminar. Sus tests fallan a propósito hasta que los resuelves:
uv run pytest ruta/02-estructuras-de-datos # rojo: aún no lo has hecho
uv run pytest ruta/02-estructuras-de-datos -k conciliacion # solo uno
Los tests no importan tu archivo directamente: piden una fixture llamada
solution, que carga tu ejercicio o —cuando corre el CI— la solución de
referencia. Así el repositorio verifica que todo ejercicio publicado es
resoluble, que es el fallo típico del material didáctico: un enunciado que no
cuadra con su test.
Hay ejercicios de dos niveles en cada módulo: base/ para consolidar y reto/
si ya llegabas sabiendo el tema.
Recursos de consulta¶
- Enlaces curados — artículos, vídeos y cursos por tema, cada uno con una línea explicando por qué vale la pena
- Cheatsheets — referencias rápidas
- Plantillas — scaffolds reutilizables (todavía por escribir)
Claves de API¶
Los módulos 08 al 11 pueden llamar a modelos de pago, pero sus ejercicios no
necesitan clave ni conexión: prueban el código que rodea al modelo, que es lo
que se puede probar. Si quieres además hablar con un modelo de verdad, copia
.env.example a .env y pon la tuya. .env está en .gitignore.
Licencia y créditos¶
Doble licencia: el código bajo MIT, el contenido (guías, cheatsheets, listas de enlaces) bajo CC BY 4.0.
La estructura de la ruta y varios de los casos reales se apoyan en dos libros: Python: El Lenguaje del Pensamiento (edición 2026) para el criterio de ingeniería y la parte de IA, y Python Essentials 1 del OpenEDG Python Institute para la cobertura de fundamentos.