Si estás usando LLMs para revisar código y las sugerencias siguen siendo genéricas o señalan cosas que no son bugs sino decisiones intencionales del equipo, no es culpa del modelo. Cuando construimos …
Si estás usando LLMs para revisar código y las sugerencias siguen siendo genéricas o señalan cosas que no son bugs sino decisiones intencionales del equipo, no es culpa del modelo. Cuando construimos CodeRabbit, un producto de AI code review, descubrimos que el prompt perfecto no alcanza si el modelo no tiene el contexto correcto. Sin las convenciones del equipo, el historial de cambios o el grafo de dependencias, cualquier modelo va a revisar tu código a ciegas.
En esta charla compartiremos las tres fases que recorrimos: desde mandar un diff y esperar buenos resultados, hasta diseñar sistemas que curan dinámicamente qué información llega al modelo en cada review. Si estás integrando LLMs en tu flujo de desarrollo y los resultados no terminan de convencer, esta charla te mostrará por qué el cuello de botella no es la instrucción sino la arquitectura de contexto que la rodea.
Sobre Juan Pablo Flores: Juan Pablo Flores trabaja en Developer Experience en CodeRabbit, un producto de code review potenciado por IA. Tiene experiencia construyendo y apoyando comunidades técnicas de estudiantes, y ha investigado cómo las personas colaboran en plataformas online y las dinámicas sociales del live streaming. Fan de las películas de Ghibli, los videojuegos de aventura y las entrevistas en Netflix.
¿Quieres dominar la programación asistida por IA pero no sabes por dónde empezar? En este taller práctico de una hora, aprenderás los fundamentos esenciales para aprovechar al máximo tus modelos de in…
¿Quieres dominar la programación asistida por IA pero no sabes por dónde empezar? En este taller práctico de una hora, aprenderás los fundamentos esenciales para aprovechar al máximo tus modelos de inferencia y convertirte en un desarrollador más eficiente.
Lo que aprenderás:
• Técnicas de prompting efectivo: Zero-shot, one-shot y chain-of-thought para tareas complejas
• Control humano en el bucle: Cómo mantener la autonomía mientras aprovechas la asistencia de IA
• Flujos de trabajo Plan/Act: Estrategias para estructurar proyectos de manera eficiente
• Optimización de inferencia: Cómo comunicarte claramente con IA para obtener mejores resultados
• Casos de uso reales: Ejemplos prácticos de desarrollo web, debugging y refactoring
Sobre Juan Pablo Flores: Juan Pablo Flores (Juan Pa) es Senior Developer Advocate, tecnólogo, educador y creador de comunidades enfocado en hacer el conocimiento más accesible y la creatividad más colaborativa. Con una trayectoria que abarca programación, pedagogía y estrategia, ha liderado iniciativas globales, ampliado la difusión en GitHub y desarrollado programas que empoderan a miles de estudiantes en todo el mundo. Ya sea desmitificando la IA o conectando a equipos técnicos con mentes inquietas, Juan Pa se rige por una simple convicción: todos merecen un lugar en la mesa y las herramientas para darle forma.
Watch talk
