Autogenera resúmenes e imágenes con OpenAI en NestJS

Contenido del curso

Fundamentos y Primer CRUD

Base de Datos y Persistencia con TypeORM

Autenticación y Autorización

Tu API Completa

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:0028:26

Autogenera resúmenes e imágenes con OpenAI en NestJS

Curso de Backend con NestJS

Clase 31 de 35

Clase 31 / 35

Recursos

Integrar inteligencia artificial en una aplicación NestJS deja de ser un extra y se vuelve una expectativa del usuario. Aquí aprendes a conectar el SDK de OpenAI a tu blog para autogenerar el summary y la imagen de portada de cada artículo, usando el patrón modular de NestJS y buenas prácticas de seguridad con variables de entorno.

Cómo conectar OpenAI a una aplicación Node con NestJS

El primer paso es entrar a platform.openai.com, ir al dashboard y generar una API key. Aunque también podrías usar Gemini, Mistral o Llama, el SDK oficial de OpenAI para JavaScript funciona muy bien en Node y agiliza el trabajo frente a llamar la API por request puro.

La key nunca debe vivir suelta en el código. La guardas como variable de entorno y, fuera del proyecto, en un gestor de secretos como Bitwarden, porque si cambias de computadora pierdes el .env. Dentro de Nest, lo correcto es leerla a través del ConfigService para mantener la configuración centralizada.

La instalación es directa con npm install openai. Luego, en el constructor del servicio creas la instancia pasándole la apiKey obtenida del ConfigService. Si la key no existe, lanzas un error temprano para evitar fallos silenciosos en producción [03:45].

¿Qué SDK usar para conectar OpenAI con Node? El paquete oficial openai de npm. Te da tipado, métodos como responses e images, y maneja la autenticación con tu API key.

Por qué crear un módulo de AI siguiendo el patrón modular de NestJS

En lugar de mezclar la lógica de IA con el módulo de posts, creas un módulo independiente llamado AI. Esto sigue el patrón de programación modular que ya usabas con UserModule, AuthModule y PostModule, y te permite agregar mañana servicios para Gemini o Mistral sin tocar el resto del código.

Dentro del módulo AI generas un servicio específico, OpenAIService, usando el CLI de Nest con la bandera --flat para que no cree subcarpetas y especificando que se ubique dentro de ai/services. Así el módulo queda como contenedor de múltiples integraciones de IA, no de una sola [05:30].

Para que otros módulos puedan consumirlo, lo expones en los exports del AIModule y luego lo importas en PostModule a través de imports. Ese es el contrato que permite la inyección de dependencias entre módulos en NestJS.

Cómo generar resúmenes e imágenes con la API de OpenAI

El método generateSummary usa la nueva interfaz responses de OpenAI, lanzada hace pocos meses, que es más declarativa y menos verbose que chat.completions. Le pasas dos cosas: una instruction que define el rol ("eres un asistente que genera resúmenes de blog posts") y un input con el contenido del usuario. La respuesta vive en response.output_text.

Para la imagen, llamas a images con el modelo de DALL·E. Construyes un prompt dinámico tipo "Genera una imagen para un blog post acerca de..." concatenado con el texto, y especificas response_format: 'url' para recibir un enlace donde queda alojada la imagen.

Antes de devolver la URL, validas que data[0].url exista. Si no, lanzas un error porque la generación falló. Ambos métodos retornan una Promise<string>: uno con el resumen, otro con la URL de la imagen [09:15].

¿Qué diferencia hay entre responses y chat.completions en OpenAI? responses es la API más reciente, más declarativa y simple. chat.completions sigue funcionando pero requiere más configuración y estructura de mensajes.

Cómo implementar un endpoint publish que automatice todo el flujo

En el controlador de posts creas un endpoint PUT /posts/:id/publish. No recibe DTO porque la gracia es que sea automático: el usuario solo necesita haber escrito antes un título, contenido y al menos una categoría.

El método publish del servicio hace varias validaciones encadenadas:

Verifica que el post exista y obtiene también su user.profile.
Compara el user.id del post con el usuario logueado y rechaza la operación si no coinciden.
Exige que post.content, post.title y al menos una categoría existan, porque sin eso no hay material para autogenerar nada.

Una vez pasadas las validaciones, llamas a openAIService.generateSummary(post.content) y luego a generateImage(summary). Con esos resultados construyes un updatedPost haciendo merge del original con los nuevos campos: isDraft: false, el summary generado y la coverImage con la URL devuelta por DALL·E. Guardas con save y devuelves el post completo con un findOne final [14:20].

Qué pasa cuando el modelo no respeta el límite de caracteres

Al probar el flujo con un artículo sobre tortugas marinas generado en ChatGPT, apareció un error 500: el resumen excedía los 255 caracteres permitidos en la columna de la base de datos. La primera reacción fue agregar al prompt la instrucción "should generate a summary with 255 characters as limit or less".

No funcionó. Al medir con .length en consola, el resumen tenía 290 caracteres. Esa es una realidad de trabajar con modelos generativos: no siempre cumplen restricciones numéricas exactas, aunque las indiques explícitamente.

La solución pragmática fue bajar el límite del prompt a 100 o 200 caracteres, dándole margen al modelo para excederse sin romper la validación de la base de datos. La alternativa más robusta sería correr una migración para ampliar el tamaño de la columna summary. Tras ajustar el prompt, el endpoint devolvió un resumen válido y una imagen de un océano contaminado con plástico, generada en automático a partir del contenido del artículo [21:40].

¿Por qué OpenAI no respeta el límite de caracteres del prompt? Los modelos generativos optimizan coherencia, no conteo exacto. Para garantizar límites estrictos conviene truncar la respuesta en código o ampliar la columna de la base de datos.

¿Has integrado generación de imágenes con DALL·E en tus propios proyectos? Cuéntame en los comentarios qué prompts te han dado mejores resultados.

Resumen

Cómo conectar OpenAI a una aplicación Node con NestJS

¿Qué SDK usar para conectar OpenAI con Node? El paquete oficial openai de npm. Te da tipado, métodos como responses e images, y maneja la autenticación con tu API key.

Por qué crear un módulo de AI siguiendo el patrón modular de NestJS

Cómo generar resúmenes e imágenes con la API de OpenAI

¿Qué diferencia hay entre responses y chat.completions en OpenAI? responses es la API más reciente, más declarativa y simple. chat.completions sigue funcionando pero requiere más configuración y estructura de mensajes.

Cómo implementar un endpoint publish que automatice todo el flujo

El método publish del servicio hace varias validaciones encadenadas:

Verifica que el post exista y obtiene también su user.profile.
Compara el user.id del post con el usuario logueado y rechaza la operación si no coinciden.
Exige que post.content, post.title y al menos una categoría existan, porque sin eso no hay material para autogenerar nada.

Qué pasa cuando el modelo no respeta el límite de caracteres

¿Por qué OpenAI no respeta el límite de caracteres del prompt? Los modelos generativos optimizan coherencia, no conteo exacto. Para garantizar límites estrictos conviene truncar la respuesta en código o ampliar la columna de la base de datos.

¿Has integrado generación de imágenes con DALL·E en tus propios proyectos? Cuéntame en los comentarios qué prompts te han dado mejores resultados.

import { Injectable } from '@nestjs/common';
import { GoogleGenAI } from '@google/genai';
import { ConfigService } from '@nestjs/config';

import { EnvConfig } from '../../env.model';

@Injectable()
export class GeminiService {
  private genAI: GoogleGenAI;

  constructor(configService: ConfigService<EnvConfig>) {
    const apiKey = configService.get<string>('GEMINI_API_KEY', { infer: true });
    if (!apiKey) {
      throw new Error('GEMINI_API_KEY is not defined in environment variables');
    }
    this.genAI = new GoogleGenAI({ apiKey });
  }

  async generateSummary(content: string) {
    const response = await this.genAI.models.generateContent({
      model: 'gemini-3.5-flash', // (2)
      contents: content, // (3)
      config: {
        systemInstruction: 'Generate a concise summary of the following content with a limit of 200 characters', // (3.1)
      },
    });
    return response.text; // (4)
  }

  /* (5)
  async generateImage(prompt: string) {
    const response = await this.genAI.models.generateContent({
      model: 'imagen-3.0-generate-001', // (2)
      contents: prompt, // (3)
      config: {
        systemInstruction: 'Generate an image based on the following prompt',
        responseModalities: ['IMAGE'],
      },
    });

    const imagenBase64 = response.candidates[0].content?.parts[0].inlineData?.data;

    return imagenBase64 ? `data:image/png;base64,${imagenBase64}` : null;
  }
  */
}

/****
 * (1).- Obtiene la clave API de Gemini desde las variables de entorno utilizando el ConfigService.
 * (2).- Especifica el modelo de lenguaje que se utilizará para generar el resumen. En este caso, se está utilizando 'gemini-3.5-flash', pero puedes elegir otro modelo disponible según tus necesidades.
 * (3).- Define el contenido que se enviará al modelo para generar el resumen. Aquí se le indica al modelo que genere un resumen conciso del contenido proporcionado.
 ** (3.1).- La instrucción del sistema es una indicación adicional para el modelo sobre cómo debe procesar el contenido. En este caso, se le dice al modelo que genere un resumen conciso.
 * (4).- Devuelve el texto generado por el modelo, que será el resumen del contenido original.
 * (5).- Generador de imagen. Este método utiliza un modelo de generación de imágenes para crear una imagen basada en un prompt dado. La respuesta se procesa para extraer la imagen en formato base64, que luego se devuelve como una URL de datos.
 */

import { Injectable } from '@nestjs/common';
import { GoogleGenAI } from '@google/genai';
import { ConfigService } from '@nestjs/config';

import { EnvConfig } from '../../env.model';

@Injectable()
export class GeminiService {
  private genAI: GoogleGenAI;

  constructor(configService: ConfigService<EnvConfig>) {
    const apiKey = configService.get<string>('GEMINI_API_KEY', { infer: true });
    if (!apiKey) {
      throw new Error('GEMINI_API_KEY is not defined in environment variables');
    }
    this.genAI = new GoogleGenAI({ apiKey });
  }

  async generateSummary(content: string) {
    const response = await this.genAI.models.generateContent({
      model: 'gemini-3.5-flash', // (2)
      contents: content, // (3)
      config: {
        systemInstruction: 'Generate a concise summary of the following content with a limit of 200 characters', // (3.1)
      },
    });
    return response.text; // (4)
  }

  /* (5)
  async generateImage(prompt: string) {
    const response = await this.genAI.models.generateContent({
      model: 'imagen-3.0-generate-001', // (2)
      contents: prompt, // (3)
      config: {
        systemInstruction: 'Generate an image based on the following prompt',
        responseModalities: ['IMAGE'],
      },
    });

    const imagenBase64 = response.candidates[0].content?.parts[0].inlineData?.data;

    return imagenBase64 ? `data:image/png;base64,${imagenBase64}` : null;
  }
  */
}

/****
 * (1).- Obtiene la clave API de Gemini desde las variables de entorno utilizando el ConfigService.
 * (2).- Especifica el modelo de lenguaje que se utilizará para generar el resumen. En este caso, se está utilizando 'gemini-3.5-flash', pero puedes elegir otro modelo disponible según tus necesidades.
 * (3).- Define el contenido que se enviará al modelo para generar el resumen. Aquí se le indica al modelo que genere un resumen conciso del contenido proporcionado.
 ** (3.1).- La instrucción del sistema es una indicación adicional para el modelo sobre cómo debe procesar el contenido. En este caso, se le dice al modelo que genere un resumen conciso.
 * (4).- Devuelve el texto generado por el modelo, que será el resumen del contenido original.
 * (5).- Generador de imagen. Este método utiliza un modelo de generación de imágenes para crear una imagen basada en un prompt dado. La respuesta se procesa para extraer la imagen en formato base64, que luego se devuelve como una URL de datos.
 */

Fundamentos y Primer CRUD

Crea una API RESTful con NestJS

Instalación del CLI de NestJS y primer proyecto con API

Creación de endpoints dinámicos para consultar usuarios en NestJS

Operaciones CRUD en APIs REST con Postman

Método PUT para actualizar usuarios con ID automático

Manejo de status codes HTTP en NestJS

DTOs y validación automática de datos en APIs con NestJS

Servicios y lógica de negocio en NestJS

Variables de entorno seguras en NestJS

Programación modular en NestJS con UserModule

Base de Datos y Persistencia con TypeORM

Configuración de PostgreSQL con Docker y Docker Compose

Configuración de PostgreSQL con TypeORM en aplicaciones NestJS

Creación de entidades ORM con decoradores en TypeScript

Repository Pattern con TypeORM en NestJS

Relaciones uno a uno entre usuarios y perfiles en PostgreSQL

Actualización de DTOs con mapped types en NestJS para perfil y usuario

Generación automática de módulos CRUD con NestJS y AI

Relación uno a muchos con TypeORM

CRUD de categorías con IA en NestJS

Relaciones many-to-many con TypeORM y validación de arrays

Reutilización de servicios entre módulos en NestJS

Migraciones en TypeORM sin perder datos

Cómo evitar perder datos al migrar columnas

Autenticación y Autorización

Hashing de contraseñas con Bcrypt en NestJS

Excluir campos sensibles con ClassTransformer

Autenticación local con Passport en NestJS

Endpoint de login con Passport en NestJS

Implementación de JSON Web Token para autenticación en NestJS

Rutas protegidas con JWT en NestJS

User ID automático desde JWT en NestJS

Tu API Completa

Autogenera resúmenes e imágenes con OpenAI en NestJS

Documentación automática de APIs con Swagger en NestJS

Preparar tu API NestJS para producción

Desplegar aplicación Node.js a producción con Railway y PostgreSQL

Desarrollo de API REST escalable con NestJS en producción

Autogenera resúmenes e imágenes con OpenAI en NestJS