TryCatch.tv

Judlup
  • 0.0 (0)
  • Technology
  • Updated Semiweekly

// Aprender haciendo // AWS Community Builder // judlup@trycatch.tv http://oferti.co 1k?

  1. 17h ago

    re:Invent Pathfinder: Live Event Experience con AWS Events y Builder ID

    Pathfinder dio un salto importante: dejó de trabajar únicamente con el journey de aprendizaje y empezó a interactuar con el evento real de AWS re:Invent. En esta sesión mostramos el problema que apareció al intentar encontrar disponibilidad entre más de 2.000 sesiones y cómo terminó convirtiéndose en una nueva capacidad de Pathfinder. Probamos el login mediante AWS Builder ID, consumimos información real de AWS Events y construimos una vista que permite identificar rápidamente sesiones disponibles, con disponibilidad limitada o sin cupo, además de consultar agenda y favoritos. Después volvemos al roadmap para cerrar otra parte importante del producto. Replanteamos el alcance de INI-005, separamos la observabilidad relacionada con IA hacia INI-006 y construimos el Learning Report, que compara las brechas iniciales con el conocimiento adquirido durante el evento y genera una ruta posterior con lo que todavía queda pendiente. Finalmente construimos una primera demo pública del proyecto y recorremos Pathfinder de principio a fin: contexto del proyecto, Knowledge Profile, Knowledge Gaps, recomendaciones, Learning Path, reflexión, adaptación, Learning Report y la nueva Live Event Experience. Al terminar la sesión, la base funcional del producto queda prácticamente cerrada y el siguiente gran bloque es claro: reemplazar la inteligencia local/prototipada por la implementación real con servicios de IA en AWS.

    re:Invent Pathfinder: Live Event Experience con AWS Events y Builder ID

  2. 2d ago

    re:Invent Pathfinder: construyendo la base del backend y frontend

    Pathfinder avanzó bastante fuera de transmisión, así que en esta sesión retomamos el proyecto para entender qué estaba realmente construido, qué seguía pendiente y cómo continuar hasta dejar una base sólida de backend y frontend. Primero revisamos las iniciativas y los 11 Work Items ya completados: foundation del monorepo, integración con AWS Events y Builder ID, contratos de Knowledge/AI y las primeras piezas del journey. Al reconciliar el estado descubrimos además inconsistencias entre el código implementado y la evidencia del delivery, por lo que antes de seguir creamos un Work Item específico para corregir esa deuda. Después continuamos con la experiencia de Pathfinder. Levantamos el frontend, recorremos el flujo de contexto del proyecto → perfil de conocimiento → knowledge gaps y construimos el siguiente paso: un Learning Path priorizado y reconciliado con la agenda. Durante la implementación aparece un problema real de compatibilidad entre Node Crypto y el navegador, que corregimos antes de continuar. La sesión termina con la iniciativa 4 completada, 14 Work Items cerrados y una base funcional del API y frontend lista para el siguiente paso: conectar la IA y los servicios reales de AWS para completar el journey end-to-end. 00:00 Qué avanzó Pathfinder fuera de transmisión 01:30 Estado actual: iniciativas y Work Items 02:58 Foundation, AWS Events y autenticación 04:14 Knowledge, AI y Learning 06:12 11 Work Items y los dos grandes bloques del sistema 07:36 Cómo quedó organizado el repositorio 08:10 Autenticación con AWS Builder ID 09:10 Por qué planear antes aceleró el desarrollo 10:04 Qué vamos a construir en esta sesión 10:41 Retomando el proyecto y actualizando su estado 11:47 Dónde estamos dentro del roadmap 12:24 El trabajo offline dejó inconsistencias 14:46 Trazabilidad y verificaciones que no cuadraban 17:19 ¿Corregir el pasado o crear trabajo nuevo? 19:51 Creando un Work Item para reconciliar el proyecto 23:05 Refinando la corrección 23:50 Implementando el Work Item 12 25:39 Corrigiendo evidencia y reconciliando el lifecycle 28:07 Entramos a la iniciativa 4: Learning Path 29:19 Así está el frontend de Pathfinder 30:47 Project Context → Knowledge Profile → Knowledge Gaps 31:34 El siguiente paso: Learning Path recomendado 33:13 Materializando el Work Item 13 35:10 Decisiones de producto antes de implementar 37:23 Local-first, human in the loop y defaults del MVP 39:40 Implementando el Learning Path 42:30 Probando el flujo de autenticación local 45:35 Learning Path implementado 46:24 Aparece un bug real en el frontend 46:46 Node Crypto vs Web Crypto 47:42 Verificando el arreglo 48:47 Learning Path funcionando en la UI 50:56 Ahora toca reflexión y adaptación 52:04 Qué hará el Work Item 14 53:56 Cómo quedó la topología del sistema 55:58 Iniciativa 4 completada 56:44 Qué queda para cerrar Pathfinder 57:56 Estado final del roadmap 01:00:06 Base del API, frontend y flujo end-to-end 01:01:20 Qué falta: IA real, UI y despliegue 01:02:55 Conclusiones

    re:Invent Pathfinder: construyendo la base del backend y frontend

  3. 4d ago

    re:Invent Pathfinder: diseñando los componentes y roadmap del proyecto

    Pathfinder ya tenía definido el problema y la experiencia que queríamos construir. En esta sesión damos el siguiente paso: descubrir qué componentes necesita realmente el sistema y convertir ese diseño en un roadmap ejecutable. Partimos de las capacidades mínimas del MVP, identificamos qué responsabilidades necesita cada una y construimos progresivamente el mapa de componentes de Pathfinder. Durante el proceso aterrizamos la separación entre cliente, AWS Events, conocimiento, recomendaciones y Adaptive Learning Journey, además de tomar decisiones sobre TypeScript, DynamoDB, Amazon Bedrock, AgentCore, Strands Agents, Serverless Framework y CDK. Con ese contexto llevamos la definición de negocio, producto y tecnología a Kaddo para estructurar el roadmap. El resultado fueron cinco grandes iniciativas: fundación técnica del monorepo, integración con AWS Events API, motor de conocimiento y recomendaciones, experiencia de learning path y reflexión, y cierre del ciclo con la experiencia de demo. A partir de ellas también quedaron identificados 16 candidatos a Work Items. La idea central de la sesión es que antes de pedirle a un agente que escriba código necesitamos entender qué sistema estamos construyendo, qué responsabilidades existen y en qué orden tiene sentido construirlas.

    re:Invent Pathfinder: diseñando los componentes y roadmap del proyecto

  4. 6d ago

    Kiro en el mundo real: cómo se está usando en equipos de software

    ¿Cómo se ve Kiro cuando deja de ser una herramienta para hacer demos y empieza a utilizarse dentro de equipos, procesos y sistemas reales? En este conversatorio hablamos con profesionales que ya están usando Kiro en escenarios de infraestructura, desarrollo, automatización de despliegues y adopción empresarial. Revisamos cómo trabajan con agentes especializados, steering, skills, MCP, Spec-Driven Development y pipelines, pero también los problemas que aparecen cuando estas prácticas empiezan a escalar. La conversación entra en temas que normalmente no aparecen en una demo: costos por exceso de contexto, resistencia al cambio, sistemas legacy, deuda técnica, confianza en el código generado, gobierno, métricas y ROI. También discutimos cómo cambia el rol del desarrollador cuando escribir código deja de ser el principal cuello de botella. El resultado es una mirada bastante práctica a lo que significa trabajar con IA en el mundo real: menos foco en generar código y más en arquitectura, contexto, validación, orquestación y criterio.

    Kiro en el mundo real: cómo se está usando en equipos de software

  5. Oct 1

    TinyFish: cómo conectar agentes de IA con la web

    Un LLM puede razonar sobre información, pero cuando necesita buscar, leer, navegar o interactuar con una página web, necesita herramientas que le permitan salir de su contexto. En esta sesión probamos TinyFish, una plataforma enfocada en darle esas capacidades web a aplicaciones y agentes de IA. Primero entendemos las diferencias entre Search, Fetch, Agent y Browser, cuándo tiene sentido utilizar cada uno y cómo cambia el nivel de autonomía cuando integramos TinyFish mediante MCP. Después hacemos el onboarding desde cero, conectamos TinyFish con un agente y ejecutamos pruebas reales de búsqueda y extracción. La prueba termina siendo especialmente interesante con el sitio de Reebok: Fetch encuentra rápidamente el límite del contenido estático, así que pasamos a un Web Agent para intentar navegar las 18 páginas del outlet. La ejecución tarda cerca de 45 minutos, consume alrededor de 57 pasos y consigue extraer 174 productos únicos, dejando claras tanto las capacidades como las limitaciones y el trade-off entre autonomía, tiempo y costo. La conclusión no es que todo deba resolverse con un Web Agent. Search, Fetch, Agent y Browser tienen costos y niveles de control diferentes; la decisión correcta depende del problema que realmente necesitamos resolver.

    TinyFish: cómo conectar agentes de IA con la web

  6. Sep 30

    Que el agente diga “terminé” ya no es suficiente | Kaddo Lifecycle v2

    Dar contexto a un agente mejora mucho la calidad de lo que construye, pero aparece otro problema cuando termina: ¿cómo sabemos que realmente hizo lo que le pedimos? En esta sesión recorremos Kaddo Lifecycle v2, la evolución del ciclo de desarrollo de Kaddo para acompañar un cambio desde la intención inicial hasta su verificación. Vemos cómo un Work Item pasa por refinement, planning e Implementation Handoff antes de llegar al agente, y cómo el nivel de contexto se ajusta proporcionalmente al alcance de la tarea. Después de la implementación, el ciclo continúa con Implementation Evidence, Verification, knowledge drift y Learning. La idea es que “terminé” deje de ser suficiente: queremos saber qué cambió, qué validaciones se ejecutaron, si la implementación se desvió del plan y qué nuevo conocimiento debería regresar al proyecto. La idea central es que el desarrollo asistido por IA no debería terminar cuando el agente genera código; debería terminar cuando podemos explicar, verificar y aprender de lo que hizo.

    Que el agente diga “terminé” ya no es suficiente | Kaddo Lifecycle v2

  7. Sep 29

    Vamos a construir la aplicación del re:Invent con el Pathfinder

    AWS re:Invent tiene cientos de sesiones, workshops y actividades. El problema no es encontrar contenido, sino decidir qué vale la pena ver según lo que estás construyendo y el conocimiento que todavía te hace falta. De ahí nace re:Invent Pathfinder, un proyecto para convertir el catálogo del evento en una ruta de aprendizaje personalizada. re_invent-pathfinder-contexto-d… En esta sesión recorremos el contexto completo del proyecto: cómo detectar knowledge gaps, generar recomendaciones explicables, adaptar la ruta a medida que la persona aprende y organizar la experiencia antes, durante y después del evento. También revisamos la arquitectura propuesta con AWS Events API, API Gateway, Lambda, Amazon Bedrock, CloudWatch y Amplify, evitando agregar infraestructura que todavía no necesitamos. re_invent-pathfinder-contexto-d… Finalmente aterrizamos los milestones de construcción: primero detectar brechas y recomendar sesiones, después incorporar agenda y conflictos, y finalmente construir el ciclo adaptativo que recalcula qué conviene hacer a continuación. El proyecto será open source y se irá construyendo con la comunidad. re_invent-pathfinder-contexto-d… re_invent-pathfinder-contexto-d… La idea central es simple: Pathfinder no busca decirte qué sesiones son populares, sino entender qué estás construyendo para ayudarte a descubrir qué deberías aprender.

    Vamos a construir la aplicación del re:Invent con el Pathfinder

  8. Sep 26

    IA, agentes y carrera: cómo crecer sin perder el foco

    En esta sesión hablamos de varias cosas que están cambiando la forma en que desarrollamos software: cómo Kaddo está evolucionando y empezando a usarse en proyectos reales, cómo gestionar conocimiento entre sistemas, y qué pasa cuando dejamos de trabajar con un solo agente para empezar a ejecutar varias tareas en paralelo. También hablamos de Git worktrees, de usar modelos diferentes para planeación y ejecución, y de un problema que empieza a hacerse evidente con los agentes: la IA puede construir más rápido de lo que nosotros podemos revisar, entender y cambiar de contexto. La conversación termina llevándonos a carrera y crecimiento profesional: cómo diferenciarse cuando todos están aprendiendo lo mismo, por qué perseguir cada nueva herramienta puede terminar agotándonos, qué pesa cuando queremos pasar de senior a arquitecto, y por qué liderazgo, comunicación, criterio e impacto empiezan a importar más a medida que avanzamos. La idea que atraviesa toda la sesión es sencilla: no se trata de aprender todo lo nuevo que aparece, sino de construir una base sólida y saber hacia dónde queremos crecer.

    IA, agentes y carrera: cómo crecer sin perder el foco
See All (488)

About

// Aprender haciendo // AWS Community Builder // judlup@trycatch.tv http://oferti.co 1k?

Information

  • Creator
    Judlup
  • Years Active
    2020 - 2026
  • Episodes
    488
  • Rating
    Clean
  • Copyright
    © Judlup
  • Show Website
    TryCatch.tv