extender-curso

name

extender-curso

description

Añade o modifica una lección/sub-unidad del curso AI/Automation Engineer respetando la ANATOMÍA DE LECCIÓN estándar (11 partes), los hilos transversales (testing, evals, seguridad, observabilidad, spec-driven, costo/latencia, inglés, empleabilidad, active recall) y el Definition of Done de los capstones. Úsala cuando quieras crear, expandir, reordenar o corregir contenido del curso a futuro con IA. Incluye el CONTRATO DE LECCIÓN como template copiable y el mapa exacto de rutas (src/content/docs, ejercicios/, .ai/rubricas, .ai/soluciones, progreso.md).

Extender el curso (autor de contenido)

Skill de RE-ITERACIÓN. Sirve para mantener y crecer el curso después del build inicial: añadir una sub-unidad nueva, expandir una corta, reordenar, marcar opcional o corregir un dato. Toda lección que entra al curso pasa por aquí.

0. Insumos de contrato (leer antes de escribir)

• ROADMAP.md — columna vertebral; ids y títulos oficiales de las sub-unidades.
• CURRICULUM-REVIEW.md (si está en el repo) — secciones E (anatomía + rúbrica), B (hilos transversales + DoD), D (build list con marcas ruta-crítica/opcional). Es la fuente de verdad pedagógica.
• .ai/INSTRUCCIONES-CORRECTOR.md — cómo se corregirán los ejercicios que generes (debe poder corregirse con lo que escribas).

No inventes ids ni títulos: cópialos del build list (§D). Cada sub-unidad tiene una marca [ruta-crítica] o [opcional/profundización] — respétala; las opcionales nunca se eliminan (por diseño del curso), solo se marcan.

1. Convención de identidad de una sub-unidad

Campo	Regla	Ejemplos
id	El del build list, literal	0.1, 1.10, 6.0b, 7.5a, N.P (capstone), T0.4
fase	fase-0 … fase-8; track paralelo = track-0	fase-6, track-0
slug	<id>-<kebab-corto-en-español>	6.0b-puente-ml-dl, 0.1-mentalidad, 7.P-capstone-agentico
ruta	critica u opcional (de la marca del build list)	critica

El slug es la llave que comparten lección, ejercicios, rúbrica y solución. Si renombras, renombra los cuatro.

2. Mapa de archivos (dónde va cada cosa)

fase-N = fase-0…fase-8 o track-0. <slug> como en §1.

Artefacto	Ruta	Visibilidad
Lección publicable (Astro Starlight)	src/content/docs/fase-N/<slug>.md	Pública (la lee el alumno)
Ejercicios (enunciados + andamiaje)	ejercicios/fase-N/<slug>/	Pública
Rúbrica (criterios de corrección)	.ai/rubricas/fase-N/<slug>.md	Privada (corrector)
Solución de referencia anotada	.ai/soluciones/fase-N/<slug>/	Privada (corrector)
Dashboard de avance	progreso.md	Pública

Reglas duras:

• Nada de .ai/ se referencia ni se enlaza desde la lección pública. La solución completa vive solo en .ai/soluciones/. Lo que el alumno ve para autocorregirse es un bloque "solución de referencia" dentro de la lección, revelable después del intento (collapsible), más breve que la de .ai/.
• No toques src/ config ni package.json desde esta skill — solo creas/editas archivos de contenido .md y de ejercicios.
• Carpetas técnicas y nombres de archivo en inglés cuando son infraestructura; el contenido y los slugs en español.

3. Anatomía de lección estándar (las 11 partes, obligatorias)

Toda sub-unidad (las ~121) se escribe con esta estructura (§E.1). El orden importa: convierte "temario" en "enseñanza".

1. Objetivos observables (1–3) — verbos de Bloom (implementar, explicar el trade-off, depurar, diseñar). Lo que sabrás hacer, no "conocer".
2. Hook / por qué importa — reusa el "💰" de la fase en el ROADMAP; relevancia de mercado.
3. Activación de conocimiento previo — retrieval de lo anterior (prerequisite-check).
4. Ejemplo resuelto modelado (worked example) — think-aloud: el experto razona en voz alta, no solo muestra el resultado. Para contenido genuinamente nuevo, el worked example bate al "resuélvelo solo" (Sweller).
5. Non-examples + misconceptions explícitas — "podrías pensar X; aquí por qué está mal".
6. Práctica con andamiaje que se desvanece (faded) — completar (Parsons/faded) → independiente. Aquí entra el Primero-Sin-IA escalado por novedad (§5).
7. Ejercicios Primero-Sin-IA con timebox (25–45 min) — cada uno con solución de referencia + errores comunes para autocorrección honesta. Los enunciados viven en ejercicios/fase-N/<slug>/.
8. Check de dominio (active recall) — quiz de bajo riesgo / "explícalo de vuelta" / predecir salida.
9. Recursos — documentación oficial primero; lista viva en articulos.md de la carpeta de ejercicios.
10. Conexión con el proyecto — cómo alimenta el capstone de la fase (constructive alignment).
11. Prompt de reflexión + gancho de spaced repetition — qué repasar y cuándo.

F0–F1 específicamente: usa PRIMM (Predict–Run–Investigate–Modify–Make) y Parsons problems (reordenar líneas). Baja carga cognitiva, encaja con Primero-Sin-IA (predecir = pensar primero).

4. Hilos transversales (tejer, no enseñar una vez)

El curso encapsula como hábitos diarios lo que un roadmap encapsularía como fases. En cada lección revisa qué hilos tocan y téjelos en el worked example y los ejercicios — no los pospongas a una fase "de calidad":

• Testing / TDD — red-green-refactor como método por defecto del Primero-Sin-IA; mutation/behavior coverage, nunca coverage % como meta.
• Evals de IA — eval harness antes de optimizar; "los unit tests de la IA"; ship-gate de todo proyecto con LLM.
• Seguridad — OWASP web desde el primer endpoint; OWASP LLM Top 10 + Agentic en cada feature de IA.
• Observabilidad — logs estructurados + correlation IDs + trazas (OTel); para IA, traza del call-chain con tokens/latencia/costo.
• Spec-driven + ADRs + Conventional Commits — mini-spec al arrancar; decisiones en ADRs; commit-msg hook desde el commit #1.
• Costo / latencia — token budgeting + USD/request medido en vivo; prompt + semantic caching; ruteo de modelos.
• Inglés técnico — READMEs/ADRs en inglés en fases tardías; explicar arquitectura en voz alta.
• Empleabilidad — conectar con portafolio/entrevista cuando aplique (track-0).
• Active recall + spaced repetition + interleaving — el check de dominio (#8) y el gancho de repaso (#11) no son opcionales.

5. Escalar Primero-Sin-IA por novedad (matiz crítico)

• Concepto nuevo: worked example → problema de completar (faded) → Primero-Sin-IA.
• Repaso/consolidación (o lo que el alumno ya sabe): Primero-Sin-IA de entrada.
• Todo ejercicio Primero-Sin-IA trae solución de referencia + errores comunes. Sin esto, el floundering fija misconceptions.
• La experiencia previa del autor entra como recuadro opcional ("Si ya lo tocaste, valida y salta"), nunca como prerrequisito.

6. Capstones (las sub-unidades N.P)

Un capstone declara su "hecho significa…" mapeado a los objetivos de la fase + la rúbrica + el Definition of Done único. No uses ">80% coverage" como criterio jamás. El capstone está terminado solo si cumple todo lo aplicable:

1. Spec inicial + ADRs de decisiones clave.
2. Tests verdes + lint en CI; calidad por mutation/behavior coverage o aserciones reales.
3. Seguridad aplicada: OWASP web (si hay endpoint) + OWASP LLM/Agentic (si hay IA); secret + dependency scanning (SCA).
4. Observabilidad instrumentada: logs + correlation IDs + trazas (OTel); para IA, call-chain con tokens/latencia/costo por paso.
5. (Si toca IA) eval harness versionado + número + gate de regresión + budget de costo/latencia.
6. (Si toca agente que ejecuta acciones) validación de salida antes de ejecutar + least-privilege de tools + HITL para acciones sensibles + techo de costo.
7. a11y mínima (WCAG 2.2) si hay UI; estados completos (empty/loading/error/success).
8. Demo en vivo que CORRE + README en inglés + write-up público de trade-offs.
9. Conventional Commits en todo el historial.

7. CONTRATO DE LECCIÓN (template copiable)

Copia este bloque a src/content/docs/fase-N/<slug>.md y rellénalo. Frontmatter compatible con Astro Starlight + campos del curso.

---
title: "<Título humano de la sub-unidad>"
description: "<1 línea — qué sabrás hacer al terminar>"
# --- metadata del curso (no romper estos nombres) ---
id: "<id-del-build-list>"          # p.ej. 6.0b
fase: "fase-N"                      # fase-0…fase-8 | track-0
slug: "<id>-<kebab-corto>"
ruta: "critica"                    # critica | opcional
objetivos:
  - "<verbo de Bloom> ..."
hilos: [testing, evals, seguridad, observabilidad, spec-driven, costo-latencia, ingles, active-recall]  # solo los que aplican
prerequisitos: ["<slug-de-leccion-previa>"]
capstone: false                    # true solo en las N.P
---

## 🎯 Objetivos
<!-- 1–3, observables, verbos de Bloom. Lo que sabrás HACER. -->

## 💰 Por qué importa
<!-- Hook: reusa el "💰" de la fase. Relevancia de mercado, 2–4 líneas. -->

## 🔁 Antes de empezar (lo que ya deberías poder hacer)
<!-- Activación de conocimiento previo / prerequisite-check. 2–3 preguntas de recuperación. -->

> [!note] Si ya lo tocaste
> <!-- Recuadro OPCIONAL para el oxidado-con-experiencia: cómo validar y saltar. Nunca prerrequisito. -->

## 🧠 Ejemplo resuelto (think-aloud)
<!-- El experto razona en voz alta: decisiones, dudas, por qué este camino y no otro. NO solo el resultado. -->

## 🚫 Errores y falsas intuiciones
<!-- Non-examples + misconceptions: "podrías pensar X; aquí por qué está mal". -->

## 🪜 Práctica guiada (andamiaje que se desvanece)
<!-- Parsons / faded → independiente. En F0–F1 usa PRIMM. -->

## ✍️ Ejercicios Primero-Sin-IA
<!-- Enunciados completos en ejercicios/fase-N/<slug>/. Cada uno con timebox 25–45 min. -->
- **E1** (timebox 30 min) — <enunciado corto>. Enunciado: `ejercicios/fase-N/<slug>/e1/`.

<details>
<summary>Solución de referencia (ábrela SOLO después de intentar)</summary>

<!-- Versión breve para autocorrección honesta + "errores comunes". La versión anotada completa vive en .ai/soluciones/ y NO se enlaza aquí. -->

</details>

## ✅ Check de dominio (active recall)
<!-- 3–5 preguntas de bajo riesgo / "explícalo de vuelta" / predecir la salida. -->

## 🔌 Hilos transversales aplicados
<!-- Cómo esta lección teje testing/evals/seguridad/observabilidad/etc. Borra los que no apliquen. -->

## 🛠️ Conexión con el capstone de la fase
<!-- Qué pieza del proyecto de la fase habilita esta sub-unidad. -->

## 🪞 Reflexión + repaso espaciado
<!-- Prompt de reflexión + qué reescribir de memoria mañana + cuándo repasar (gancho de spaced repetition). -->

## 📚 Recursos
<!-- Documentación oficial primero. Lista viva en ejercicios/fase-N/<slug>/articulos.md. -->

8. Crear los artefactos privados (.ai/)

Por cada sub-unidad con ejercicios, crea también:

• .ai/rubricas/fase-N/<slug>.md — rúbrica analítica atada a los objetivos observables. Criterios: (a) corrección, (b) calidad de ingeniería (aserciones reales, no coverage%; clean code; manejo de errores), (c) seguridad (OWASP web/LLM según aplique), (d) comprensión demostrada (el write-up calza con el código), (e) observabilidad/eval (si toca IA: eval harness + número), (f) comunicación (README/ADR claros, inglés en fases tardías). Niveles: Novato (no cumple objetivo) · Competente (cumple, calidad aceptable) · Proficiente (cumple + teje los hilos transversales sin que se lo pidan). Lista los errores típicos a marcar específicos de la sub-unidad.
• .ai/soluciones/fase-N/<slug>/ — solución(es) de referencia anotada(s): por qué cada decisión, qué trade-off, qué se evaluará. Es lo que el corrector consulta para graduar sin pegarla. Más completa que la del <details> de la lección.

El estándar de rúbrica vive en la skill corregir-ejercicio y en §E.4 de CURRICULUM-REVIEW. Mantén ambos consistentes: la rúbrica que escribes aquí es exactamente la que el corrector aplicará.

9. Actualizar progreso.md

Tras crear/modificar una sub-unidad, refleja el cambio en el dashboard:

• Marca de estado: - [ ] pendiente · - [~] en progreso · - [x] completado.
• Una línea por sub-unidad bajo su fase, con id, título, marca [ruta-crítica]/[opcional] y enlace relativo a src/content/docs/fase-N/<slug>.md.
• Mantén el orden del build list (§D). Si añades una sub-unidad nueva fuera del build list, anótala como tal y avisa que toca actualizar ROADMAP.md/CURRICULUM-REVIEW.md.

10. Checklist de calidad (antes de declarar "hecha" una lección)

• id, fase, slug, ruta correctos y coherentes con el build list.
• Las 11 partes de la anatomía presentes (o justificación explícita si una no aplica).
• Objetivos observables con verbos de Bloom (no "conocer/entender").
• Worked example es think-aloud, no solo resultado.
• Hay non-examples/misconceptions explícitas.
• Cada ejercicio Primero-Sin-IA tiene timebox + solución de referencia + errores comunes.
• Andamiaje se desvanece (faded); en F0–F1, PRIMM/Parsons.
• Hilos transversales que aplican están tejidos (no pospuestos).
• Si es capstone: declara "hecho significa…" mapeado al DoD único; nada de coverage% como meta.
• .ai/rubricas/fase-N/<slug>.md y .ai/soluciones/fase-N/<slug>/ creados y consistentes con la lección.
• Nada de .ai/ enlazado desde la lección pública.
• progreso.md actualizado.
• Español con términos técnicos en inglés; sin voseo argentino; sin trailer de Claude en commits.

11. Reglas de lenguaje y estilo

• Prosa en español latino estándar (tuteo) o chileno natural; términos técnicos en inglés (testing, embeddings, rate limiting…).
• Prohibido el voseo argentino y sus modismos (podés, tenés, revisá, che, laburo…). Usa puedes, tienes, revisa.
• Sin trailers de co-autoría de Claude en ningún commit. No hagas commit desde esta skill salvo que te lo pidan.
• No edites src/ de configuración ni package.json: esta skill solo produce contenido .md, ejercicios y artefactos .ai/.