🟢 Fundamentos y primer workflow

Crear software y automatizaciones conversando con la IA en lenguaje natural: tú describes el resultado y ella 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 la construcción; la IA hace el «trabajo pesado»; iterar es solo pedir el cambio.

Un asistente que funciona dentro del editor: lee archivos, escribe y edita, ejecuta comandos y conecta herramientas mediante MCP.

Entender la diferencia entre una suscripción (tarifa fija, basada en chat) y una API (por uso/token) evita sorpresas en los costos.

La IA vuelve a leer toda la conversación con cada mensaje; las sesiones enfocadas cuestan menos; "una carpeta por proyecto".

Una carpeta por proyecto + un archivo CLAUDE.md en markdown que funciona como system prompt persistente (rol, contexto, preferencias).

Define quién es la IA y cómo debe ayudar en todo el proyecto, sin repetir el contexto en cada conversación.

Generar mediante una solicitud en lenguaje natural; editable en cualquier momento; empieza con una carpeta vacía.

n8n es un constructor visual de workflows; un servidor MCP lo conecta con la IA, que entonces puede leer/crear/probar/depurar workflows.

Es el puente que permite crear automatizaciones conversando, sin armar cada nodo a mano.

Clonar manualmente (no NPX); configuración a nivel de proyecto; API key + URL de la instancia solo en .env.

Documentación que enseña a la IA los tipos de nodos, parámetros, estructuras y patrones de n8n.

Con las skills, la IA arma workflows correctos: no necesitas conocer cada nodo.

Instalación igual a la del MCP (solo cambia el repo); actualizar CLAUDE.md; reiniciar para registrarlo.

Una secuencia de 4 pruebas antes de construir: directorio del proyecto, conexión MCP, lectura de workflows y documentación de los nodos.

Garantiza que el entorno esté 100% listo; evita perder tiempo depurando la configuración en medio de un build.

Cuatro pruebas; errores comunes (API key parcial, MCP no conecta, falla la autenticación); deja que la IA diagnostique.

Los modos que controlan cuánto puede hacer la IA por sí sola: preguntar antes, editar automáticamente, plan, auto, bypass.

Equilibrar velocidad y seguridad: saber cuándo dejar que la IA actúe y cuándo aprobar paso a paso.

Plan Mode planifica sin actuar; el bypass omite las aprobaciones (es peligroso); elige el modo según el contexto.

La IA investiga los nodos, hace preguntas para aclarar y propone un plan para que lo apruebes antes de construir.

Alinear las expectativas antes de gastar tokens construyendo algo equivocado.

Preguntas (columnas, acciones extra); plan aprobable; investigación de patrones.

La IA crea y valida los nodos en n8n a partir del plan aprobado.

Conocer los límites: las credenciales, las hojas de cálculo y el mapeo quedan a tu cargo.

Creación + validación automática; límites claros entre la IA y el humano.

Conectar Gmail/Google Sheets (OAuth2) y OpenAI (clave de API) de forma segura.

Es la parte que solo tú puedes hacer; entender el flujo evita errores de permisos.

OAuth2 para Google; clave de API para OpenAI; nunca pongas secretos en el chat.

Copia el mensaje de error y envíaselo a la IA para que lo diagnostique y corrija.

El loop humano de debug es la habilidad central: un error se convierte rápidamente en una corrección.

El error como insumo; iteración; la IA lee, entiende y propone la corrección.

Pedir mejoras conversando; por ejemplo, cambiar el intervalo de polling.

Refinar sin volver a abrir el build; el workflow evoluciona mediante conversación.

Cambios incrementales; lenguaje natural; ajustes pequeños y seguros.

Un agente que clasifica correos, busca en PDFs de políticas (vector store) y redacta respuestas.

Es el proyecto que reúne todo el ciclo en un caso real y útil.

RAG; clasificador de texto; respuestas a partir de la base de conocimientos.

Checklist visual + probar escenarios reales; "verde" en el editor no significa que la respuesta sea correcta.

Evitar que el agente invente lo que no sabe: calidad real, no solo ejecución sin errores.

Probar como usuario; la IA debe negarse a inventar; verde ≠ correcto.

Iterar una mejora a la vez, distinguiendo entre «funciona» y «funciona bien».

Los cambios aislados son fáciles de probar y revertir.

Capas; incremento; medir antes y después de cada cambio.

La secuencia recomendada de mejoras: manejar errores, luego la lógica, después la calidad de la salida y, por último, el rendimiento.

Resolver primero lo que más importa evita optimizar algo que todavía falla.

Robustez antes que pulido; rendimiento al final.

Marcador de confianza + nodo de código + IF + borrador «vamos a investigar y responder» cuando no hay respuesta en la base.

Garantiza una respuesta digna incluso cuando el agente no sabe.

Score de confianza; rama IF; borrador de respaldo.

Procesar solo correos más recientes que X minutos, con la sintaxis "newer than" en el disparador.

Evita reprocesar el historial antiguo en cada ejecución.

Ventana temporal; filtro en el disparador; eficiencia.

Detectar e ignorar mensajes sin respuesta, respuestas automáticas por ausencia y boletines informativos.

No desperdicies procesamiento (ni tokens) con mensajes que no necesitan respuesta.

Patrones de remitente; cuidado con mayúsculas y minúsculas (case sensitivity).

Actualizar el system prompt del agente y el borrador de respaldo para que suenen como la marca.

La consistencia de voz transmite profesionalismo.

Tono definido en el prompt; fallback alineado; revisión de ejemplos.

Extraer el nombre de la firma del correo electrónico; usar «Hola» como alternativa cuando no haya nombre.

La personalización aumenta la calidad percibida de la respuesta.

Extracción del nombre; alternativa elegante; saludo dinámico.

Un badge alto/medio/bajo derivado del score del vector store, para revisión interna.

Indica qué borradores necesitan revisión humana antes de enviarse.

Score → rango; insignia de confianza; clasificación para revisión.