🤖 Python y Ship

Instalar y administrar versiones de Python con pyenv o python3 nativo.

Sin la versión correcta, nada funciona. Claude Code necesita un Python consistente.

pyenv install, pyenv local, python3 --version, PATH.

Los entornos virtuales aíslan las dependencias por proyecto.

Evita conflictos y garantiza la reproducibilidad.

python3 -m venv, uv venv, activate, .venv en .gitignore.

Instalar paquetes con pip o uv (una alternativa rápida a pip).

Claude Code genera requirements.txt; debes saber instalarlo y fijar las versiones.

pip install, pip freeze, requirements.txt, uv pip install.

Escribir scripts sencillos de Python con ayuda de Claude Code.

Automatizar tareas repetitivas es el primer paso para hacer "ship".

argparse, pathlib, sys.argv, if __name__.

Usar Claude Code para identificar y corregir bugs rápidamente.

El debug ocupa el 50% del tiempo de desarrollo; la IA lo reduce drásticamente.

Pegar el traceback, pedir una corrección, breakpoints, pdb.

Agregar type hints con ayuda de Claude para lograr un código más robusto.

Los type hints mejoran el autocompletado y reducen los errores en runtime.

str, int, list[str], Optional, TypedDict, mypy.

Extraer datos de páginas web con requests y BeautifulSoup.

La automatización comienza con datos; el scraping es la puerta de entrada.

requests.get, BeautifulSoup, selectors, rate limiting.

Procesar cientos de archivos con pathlib y glob.

Las tareas manuales que llevan horas se convierten en un script de 20 líneas.

pathlib.Path, glob, shutil, renombrar en masa.

Leer, transformar y exportar datos entre CSV, JSON y otros formatos.

Todo pipeline de datos necesita convertir formatos.

csv.DictReader, json.load/dump, pandas básico.

Programar scripts para que se ejecuten automáticamente con cron/systemd.

La automatización real = ejecutarse sin intervención humana.

crontab -e, sintaxis de cron, logging, temporizadores de systemd.

Consumir APIs REST de servicios como GitHub, Slack, etc.

Los scripts potentes conectan servicios entre sí.

requests, headers, auth tokens, paginación.

try/except, logging, retries y graceful degradation.

Un script de producción no puede fallar en silencio.

try/except, logging module, tenacity, exit codes.

Crear tu primera API con FastAPI en minutos.

FastAPI es el framework de Python más rápido para APIs modernas.

FastAPI(), @app.get, uvicorn, async.

Definir esquemas de datos con Pydantic BaseModel.

La validación automática elimina errores de datos en la entrada.

BaseModel, Field, validators, response_model.

Implementar las cuatro operaciones básicas de cualquier API.

CRUD es el estándar universal; toda API empieza aquí.

@app.post/get/put/delete, códigos de estado, parámetros de ruta.

Agregar CORS, rate limiting y autenticación básica.

Una API sin auth es una invitación al desastre.

CORSMiddleware, Depends, OAuth2, API keys.

FastAPI genera Swagger UI y ReDoc automáticamente.

Documentación viva que facilita la depuración y la incorporación de nuevos miembros.

/docs, /redoc, OpenAPI schema, tags.

Ejecutar localmente con uvicorn y hacer deploy remoto con gunicorn.

Una API que solo funciona localmente no es un producto.

uvicorn, gunicorn, reverse proxy, HTTPS.

Escribir y ejecutar pruebas con pytest.

Las pruebas son la red de seguridad que permite iterar rápidamente.

test_ prefix, assert, pytest -v, markers.

Las fixtures preparan el estado; conftest.py lo comparte entre archivos.

Evita duplicaciones y mantiene las pruebas limpias.

@pytest.fixture, scope, conftest.py, parametrize.

Simular dependencias externas con unittest.mock.

Probar sin depender de una base de datos, API o sistema de archivos.

Mock, patch, MagicMock, side_effect.

Medir qué líneas de código ejercitan las pruebas.

No sabes qué no está probado hasta que lo mides.

pytest-cov, --cov=src, coverage html, branch coverage.

Escribir la prueba antes del código, con Claude generando la implementación.

TDD + IA es un superpoder: tú defines qué, la IA hace cómo.

Red-green-refactor, pruebas primero, especificación mediante ejemplos.

Ejecutar pruebas automáticamente en cada push/PR.

CI garantiza que nadie (ni siquiera la IA) rompa lo que funciona.

GitHub Actions, paso de pytest, insignia de cobertura, fail fast.

Empaquetar tu app Python en un contenedor Docker.

"Funciona en mi máquina" se convierte en "funciona en cualquier lugar".

Dockerfile, docker build, docker run, multi-stage.

Orquestar varios contenedores (app + DB + redis) con un YAML.

Las apps reales tienen más de un servicio.

docker-compose.yml, services, volumes, networks.

Deploy con un comando en plataformas como Railway o Fly.io.

Cloud PaaS es la forma más rápida de ponerlo en marcha.

railway deploy, fly launch, Procfile, buildpacks.

Gestionar .env, secrets y configuraciones por entorno (dev/staging/prod).

Secrets expuestos = desastre; configuración incorrecta = tiempo de inactividad.

.env, python-dotenv, pydantic-settings, 12-factor.

Structured logging, health checks y alertas básicas.

Sin monitoring, solo descubres los problemas cuando el usuario se queja.

structlog, /health endpoint, uptime monitoring.

Escalado horizontal vs. vertical, caché y cuándo tenerlo en cuenta.

Saber cuándo (y cuándo NO) escalar evita el sobrediseño.

Réplicas, balanceador de carga, caché de Redis, optimización prematura.

Construir el mínimo viable que aporte valor real.

El perfeccionismo mata proyectos; un MVP los lanza.

MVP, recorte del alcance, «suficientemente bueno», tiempo limitado.

Decidir qué NO hacer es tan importante como decidir qué hacer.

Con IA, puedes construir rápido; el cuello de botella pasa a ser decidir QUÉ.

Debe/debería/podría/no se hará, impacto frente a esfuerzo, priorización del backlog.

Lista de verificación previa al lanzamiento: pruebas, documentación, monitoreo, rollback.

Los lanzamientos sin checklist son lanzamientos con sorpresas.

Antes del lanzamiento, pruebas smoke, plan de rollback, feature flags.

Recopilar feedback real y convertirlo en mejoras.

Un producto sin feedback es pura adivinación.

Comentarios de usuarios, analíticas, informes de errores, solicitudes de funciones.

Ciclos cortos de construir-medir-aprender después del lanzamiento.

El lanzamiento no es el final; es el comienzo.

Sprints, changelogs, semver, continuous deployment.

Opciones después de dominar Python + Claude Code: SaaS, open source, consultoría.

Saber cuál es el destino ayuda a elegir el siguiente paso.

SaaS, código abierto, trabajo freelance, portafolio, comunidad.