UAI — Universidad Adolfo Ibáñez
InicioCursosClasesStackBibliografíaProfesor

← Material docente curso 11

Guion profesor · U02

Empaquetado y automatización del ciclo

Objetivo de la sesión

Contenedores, CI y automatización del ciclo de vida.

Guion por bloques

Bloque 1 — Contenedores como artefacto (60 min)

Imagen con deps fijadas, healthcheck y etiquetas (git sha + semver).

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 2 — CI y gates (60 min)

Lint/unit, smoke /health, regresión de contrato OpenAI-compatible.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 3 — Config por ambiente (60 min)

BASE_URL por env, secretos fuera de git, rollback de imagen.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 4 — Taller de smoke (60 min)

Reusar labs/11/u01/health_wrapper.py como gate local o de CI.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Claves del taller (no proyectar)

Correr health_wrapper.py; fallar si status≠ok o chat>umbral (p.ej. 5s).

  • Exigir batería de casos antes de “se ve bien”.
  • Registrar modelo, temperatura y seed/config en el informe.
  • Rechazar entregas sin tope de iteraciones/costo/tiempo en agentes.

Checklist cierre

  • Articulación con la unidad siguiente / curso vecino.
  • Recordar lectura previa de la próxima sesión.
  • Recoger dudas sobre lab autónomo.

Se requiere sesión profesor

Iniciar sesión para ver guiones y soluciones.

UAI — Universidad Adolfo IbáñezUniversidad Adolfo IbáñezMagíster en Inteligencia Artificial — Facultad de Ingeniería y CienciasMaterial de apoyo al dictado (no es el sitio oficial).Ficha del programa·Vista profesor·Mapa del sitio
CompetenciasCambiosSeñalMapa