El recorrido de la ruta 1: de la mentalidad al mapa del ecosistema, y termina con el glosario que sirve de base para todo lo demás del curso.
Mapa de la ruta
Contenido detallado
🧠 La mentalidad del Vibe Coding
El cambio de enfoque: construir describiendo el resultado en lenguaje natural. Determinismo vs. no determinismo, «confía, pero verifica», iterar por capas, la IA como herramienta de aprendizaje y quién hace qué (tú gestionas, la IA desarrolla).
Crear software y automatizaciones conversando con la IA en lenguaje natural: describes el resultado y la IA se encarga de la implementación.
Elimina la sobrecarga técnica; enfócate en el problema, no en la mecánica de cada nodo. Velocidad e iteración rápida.
El lenguaje natural dirige el build; la IA hace el «trabajo pesado»; para iterar, solo tienes que pedirlo.
Decir qué debe ocurrir («identifica preguntas técnicas») en vez de indicar cómo hacerlo («usa un nodo IF con regex»).
Deja que la IA elija el mejor camino; no necesitas conocer los nodos.
Outcome > instrucción; especificar la salida; dejar que la IA proponga la estructura.
La automatización tradicional es predecible; la IA generativa no es determinista: la misma instrucción puede generar nombres, estructura y diseño diferentes.
Evita confundir la variación normal con un error; no comparas pantalla por pantalla.
"Lo aburrido es hermoso" en lo tradicional; en la IA se esperan variaciones; enfócate en el resultado.
La IA comete errores: siempre prueba lo que se creó y compara el resultado con lo esperado, incluso si no parece haber errores.
Un workflow «verde» puede estar equivocado; verificarlo es parte del trabajo.
Confiar y verificar; green ≠ correcto; probar como un usuario real.
Mejorar por pasos (stair-step): una mejora a la vez, probando después de cada cambio.
Los cambios aislados son fáciles de probar, revertir y diagnosticar.
Capas; incremento; medir antes y después; hacer una copia de seguridad antes de cambiar.
Pedirle a la IA que explique por qué eligió un nodo o una configuración, para que el conocimiento perdure.
Dejas atrás el "set it and forget it" y desarrollas intuición sobre el sistema.
Preguntar por qué; observar el build desde temprano; aprender mientras construyes.
Tratar a la IA como especialista: tú defines el objetivo y apruebas; ella ejecuta, como un desarrollador experimentado.
La división de roles evita la microgestión y permite que la IA resuelva.
Gerente vs. desarrollador; delegar; dar feedback en vez de corregir.
🧩 El ecosistema: cómo encajan las piezas
El mapa del territorio: el asistente de código, n8n (constructor visual), MCP (herramientas externas), skills y workflows, agentes y la diferencia entre ejecutar en local y en un servicio alojado.
El motor que transforma tu conversación en acciones: lee archivos del proyecto, escribe y edita código, ejecuta comandos y conecta herramientas mediante MCP.
Es la pieza central: entender qué hace (y qué no hace) orienta todo.
Funciona en el editor; cuatro capacidades; una carpeta por proyecto.
Un constructor visual de workflows basado en nodos que conecta apps, datos, IA y APIs externas.
Es donde «viven» las automatizaciones; el asistente las construye ahí por ti.
Nodos; activador → lógica → acción; visual y low/no-code.
El protocolo (Model Context Protocol) que expone un conjunto de herramientas externas para que el agente las use por sí solo.
Es cómo la IA obtiene «brazos»: comunicarse con n8n, extraer datos de la web, leer bases de datos.
Una conexión, muchas herramientas; el agente decide cuándo usar cada una.
Archivos markdown con instrucciones reutilizables — una «SOP» que el agente sigue y que puedes invocar según necesites.
Dejan de explicar las tareas una y otra vez; aportan consistencia y ahorran contexto.
Workflow = instrucción; skill = workflow invocable; markdown.
Un sistema que razona, se adapta y decide por sí solo los pasos a seguir a partir del resultado que pediste.
Es el salto de «conecta todo manualmente» a «di el resultado».
Razona y se adapta; describe el resultado; no determinista.
Ejecutarse en tu máquina (tú lo activas) vs. ejecutarse solo en la nube (según un cronograma o evento, sin que estés presente).
Define el arco del curso: empieza en local y termina en producción.
Disparo manual vs. automático; escala; la «brecha agentic».
📖 Glosario esencial — Parte 1 (IA, Claude Code, n8n)
Siete grupos de términos definidos con un ejemplo concreto: conceptos de IA, modos del asistente, archivos clave, MCP, n8n básico, n8n con IA y datos (vector store, embeddings).
El vocabulario básico: LLM, prompt, system prompt, context window, token y context rot.
Sin estos términos, todo lo demás se convierte en jerga sin contexto.
Cada término con un ejemplo concreto; ventana de contexto; costo por token.
Los modos y comandos: plan mode, bypass permissions, permission modes, /clear e /compact.
Controlan cuánto hace la IA por sí sola y cómo gestionas la sesión.
Planificar antes de actuar; limpiar vs. compactar; equilibrio entre velocidad y seguridad.
Los archivos que estructuran un proyecto: CLAUDE.md, .env, .gitignore, .mcp.json y SKILL.md.
Saber el papel de cada uno evita filtrar secretos y perder la configuración.
System prompt; secretos; qué se sube al repositorio y qué no.
Los términos de MCP: el protocolo, el MCP server, la tool/herramienta y el descubrimiento de servers.
Es cómo le das nuevas capacidades al agente.
Protocolo; servidor; herramienta; dónde encontrar servidores.
Los bloques de n8n: nodo (node), trigger, workflow, credential y OAuth2.
Permite leer lo que construyó la IA y conversar sobre ajustes.
El disparador inicia el flujo; las credenciales conectan aplicaciones; OAuth2 autoriza.
Los nodos de IA de n8n: AI agent node, text classifier, code node e IF node.
Son las piezas de los proyectos prácticos (soporte, clasificación, ramas).
Clasificar antes de actuar; ramificar con IF; lógica personalizada en el code node.
Los términos de datos/RAG: vector store, embeddings, document loader y text splitter.
Son la base para que la IA responda a partir de tus documentos.
Indexar documentos; buscar por significado; dividir el texto en fragmentos.
📖 Glosario esencial — Parte 2 (Agéntico, RAG, Deploy, Seguridad)
La segunda mitad del glosario: términos de agentes (WAT, ciclo de autom mejora, agentic gap), RAG, control de versiones/nube, ejecución alojada, app/frontend y seguridad y pagos.
Los términos agénticos: agente, agéntico, WAT (Workflows/Agent/Tools), bucle de autom mejora y agentic gap.
Son la columna vertebral de las rutas 2 y 4.
Decide por sí solo; se autocorrige; lo que falta en producción (gap).
RAG (generación aumentada por recuperación): base de conocimiento, retrieval y puntuación de confianza.
Es cómo la IA responde a partir de tus datos, sin inventar.
Buscar antes de responder; base de conocimientos; puntuar la confianza.
Lo básico de Git/cloud: GitHub, repo, commit, push y la CLI gh.
Es donde el código vive en la nube y de donde el deploy lo obtiene.
Crear snapshot (commit); enviar (push); historial/rollback.
Los términos de producción: Trigger.dev, cron, webhook, payload, dev vs prod, trace, retry y alert.
Son el vocabulario de la ruta 6 (alojar y dar confiabilidad).
Agenda vs. evento; trace = paso a paso; retry vs. bug.
El modelo de una app: frontend, backend, ciclo request/response, Vercel y variable de entorno.
Fundamento para construir interfaces que otras personas usan.
Lo que ves vs. el servidor; solicitud → respuesta; secreto en una variable de entorno.
Los términos de seguridad/monetización: Supabase, RLS, migration, Stripe, checkout, price ID, webhook secret y freemium.
Es lo que transforma una app abierta y riesgosa en un producto seguro y de pago.
Aislar datos (RLS); migración de base de datos; checkout; modelo freemium.