Proyecto 5: Convierte tu MVP en un producto con inteligencia real

Reto AI Academy: Multiplica 10x tu impacto profesional

Contenido del curso

No sé dónde empezar

Cómo funciona el reto de AI Academy

Tomar examen

Proyecto 5: Convierte tu MVP en un producto con inteligencia real

Resumen

Proyecto 5: Convierte tu MVP en un producto con inteligencia real

Toma el MVP que construiste en el proyecto anterior (o crea uno nuevo) y llévalo al siguiente nivel integrando inteligencia real: conecta un LLM vía API para que tu producto piense, clasifique, genere o analice. Puede ser un chatbot especializado en el contexto de tu empresa, un sistema que analice datos automáticamente, o una herramienta que genere contenido personalizado. Recibirás una guía de cómo presentarlo dentro de tu empresa.

¿Cómo compartir mi proyecto?

Publica tu proyecto en la sección de comentarios de esta clase.
Incluye una breve descripción de qué hiciste, por qué y qué lo hace único.
Agrega un link público a tu proyecto para que Platzi y la comunidad puedan verlo y probarlo.
Comparte tu proyecto en redes sociales, con amigos y familia. ¡Cualquier persona puede votar, no necesita suscripción!

Comentarios18

Mariana Rodríguez Ospina

Estudiante

Hace 2 meses

🤖 Proyecto 5 — DevGrowth con Inteligencia Real: cuando el agente aprendió a pensar

🔗

¿Qué es DevGrowth?

DevGrowth es una app web para que desarrolladores en formación rastreen su progreso semana a semana. Nació en el proyecto 3 de este reto y ha evolucionado en cada entrega siguiente.

Tiene 6 secciones:

📝 Registrar semana — documentas qué aprendiste, cuántas horas estudiaste, qué tecnología usaste, qué te bloqueó y qué tan satisfecho estuviste
📅 Historial — todas tus semanas en orden cronológico
📊 Dashboard — gráficas de evolución de horas y satisfacción
🐛 Biblioteca de errores — catálogo de errores comunes de programación con causas, soluciones y ejemplos de código. Puedes guardar los que más te cuesten en tu biblioteca personal
🏆 Logros — medallas desbloqueables por constancia y progreso
🤖 DevMentor — un panel que analiza todos tus datos automáticamente y te da alertas y sugerencias personalizadas sin que hagas nada

Todo con autenticación real y base de datos por usuario.

💡 ¿Qué hay de nuevo en el proyecto 5?

Le agregué inteligencia real con Gemini 2.5 Flash vía API. Dos funcionalidades nuevas:

Chat con el Mentor IA DevMentor ahora puede conversar. El modelo ya conoce tus semanas, tus horas, tus tecnologías y tus errores guardados antes de que escribas la primera letra. No es un chatbot genérico, es un mentor que te conoce.

Analizador de errores IA Pegas el error exacto que te está dando tu programa y la IA te explica qué significa y cómo resolverlo en lenguaje simple. Si quieres, lo guardas en tu biblioteca personal con un clic y queda guardado para siempre.

✨ ¿Qué lo hace único?

DevGrowth no es solo un tracker. Es un producto que crece contigo. Cada semana que registras, cada error que guardas y cada pregunta que le haces al mentor construye un historial real de tu evolución como desarrollador. Y ahora con IA integrada, el producto no solo guarda lo que haces, sino que lo entiende y te ayuda a mejorar.

📊 Números

6 semanas de evolución continua del mismo producto
2 funcionalidades nuevas con IA real integrada
5 logros nuevos desbloqueables relacionados con IA.

Laura Valentina Navarro Olaya

Estudiante

Hace 2 meses

Desarrollé Glamperos.com, una plataforma especializada en glamping en Colombia, creada prácticamente con ayuda de IA. Utilicé principalmente Claude para acelerar el desarrollo y construir gran parte de la aplicación.

La plataforma permite explorar y gestionar alojamientos tipo glamping, y además integré inteligencia artificial real conectando un chatbot a través de una API. El asistente tiene acceso a información almacenada en MongoDB, por lo que puede consultar datos y responder preguntas de manera contextual y personalizada.

¿Qué hace único al proyecto?

Fue desarrollado prácticamente de extremo a extremo con apoyo de IA.

Integra un LLM conectado a una base de datos MongoDB para proporcionar respuestas inteligentes.

Está enfocado en un nicho específico: el turismo de glamping en Colombia.

Combina tecnologías modernas para frontend, backend e inteligencia artificial, demostrando cómo un emprendedor puede construir productos reales apoyándose en IA.

🌎 Proyecto: https://glamperos.com⁠�

Este proyecto es una muestra de cómo los modelos de lenguaje no solo sirven para generar texto, sino también para crear aplicaciones funcionales con capacidades de análisis y atención personalizada.

Santiago Serrato

Estudiante

Hace 2 meses

Me gustó mucho tu página web. Me gustaría hacer algo similar para mi ecommerce de Ferretería. Eres desarrolladora? Qué me recomendarías hacer para arrancar

Aberto Jorge Saavedra Angel

Estudiante

Hace 2 meses

que maravilla de proyecto, felicidades

Daniel Flores

Estudiante

Hace 2 meses•editado

🍽️ Nutalli — mi MVP se volvió un producto que "ve" tu comida y piensa por ti

En el proyecto pasado mostré el agente (el Coach IA). Para el Proyecto 5 llevé el MVP completo a producto real con inteligencia de verdad vía API — y ya está publicado en prueba cerrada en Google Play.

🧠 ¿Dónde piensa el producto? (LLM real por API: Gemini 3.1 Flash-Lite detrás de Edge Functions de Supabase)

📸 Identifica tu comida con IA (foto, voz o texto): le tomas foto a tus tacos y el modelo clasifica/analiza el platillo y lo mapea a una base de comida mexicana (SMAE). La IA solo identifica; los macros salen de la base local → nada inventado.
🧩 Crear alimento con IA: describes un platillo y la IA lo descompone en ingredientes y USDA lo cuantifica.
🤖 Coach IA: conversa anclado a tu plan (nunca alucina cifras), con motor de seguridad que deriva casos médicos/embarazo/TCA.

⚙️ Inteligencia integrada de verdad (no mock): LLM por API detrás de Edge Functions (la app nunca expone la key), cuota con RLS, consentimiento para datos de salud, y respuestas deterministas en lo que cita números (anti-alucinación). Offline-first.

💎 Único: no es demo — es un producto en la tienda, para México, con IA segura y privada (datos cifrados en tu teléfono).

📈 Resultado: MVP → producto desplegado; 3 funciones con IA real (clasificar, analizar, generar); free + PRO.

🛠️ Claude Code · Expo/RN · Supabase · Gemini · RevenueCat.

🔗 Pruébalo mandando un correo a para agregar a prueba cerrada:

LIDIA DOLORES RAMOS AGUILAR

Estudiante

Hace 2 meses

muy relevante la informacion y como podemos ponerla en paractica

Gaston Blanco

Estudiante

Hace 2 meses

Los portfolios técnicos listan tecnologías. Este las demuestra en tiempo real.

Construí un RAG que responde preguntas sobre mi perfil profesional en lenguaje natural — conecta Llama 3.1 8B via HuggingFace Inference API con una knowledge base vectorial propia en ChromaDB. Cualquiera puede entrar y preguntarle sobre mis proyectos, stack o experiencia.

Lo que lo hace diferente: tiene guardias de entrada y salida para evitar alucinaciones, retrieval MMR con dos contextos separados para no mezclar proyectos entre sí, e historial conversacional que detecta el proyecto activo y enriquece las queries de seguimiento.

Evaluado con RAGAS: faithfulness 0.709. 158 tests unitarios pasando.

🔗

Pablo Suarez

Estudiante

Hace 2 meses•editado

Para este reto desarrollé Apohara ARGUS

<u>Porque el Open Source está muriendo en 2026.</u>

La confianza comunitaria se ahoga ante un +206% de scripts de Bash en proyectos AI¹, revisiones de PRs 4.6× más lentas² y 15-18% más de vulnerabilidades². Con 42% del código que se commitea hoy siendo AI-generated o AI-assisted³ y el 96% de los devs desconfiando de él³, el AI slop (Palabra del Año 2025⁴) ha forzado medidas extremas: el navegador Ladybird⁵ y la pizarra tldraw⁶ cerraron sus PRs públicas, el emulador de PS3 (RPCS3)⁷ tuvo que revertir múltiples PRs AI que causaron regresiones en producción, y cURL⁸ canceló su bug bounty porque 19 de cada 20 reportes eran alucinaciones sintéticas.

El MVP: ARGUS corre con LLM real en producción, no es un mock. Cliente: reqwest + serde directo a NVIDIA NIM (API OpenAI-compatible, free tier, BYOK). NO LangChain, NO Rig, NO framework de LLM — el cliente son 200 líneas de Rust que puedes leer enteras. Default model: meta/llama-3.1-70b-instruct (cambiable via ARGUS_NIM_MODEL). BYOK: el usuario provee su NIM key en el X-LLM-Key header, el server no la persiste. Costo: ~$0.05/dev/mes asumiendo 10 PRs/semana, todo en free tier. Smoke test verificado (3.87s, 69 tokens): ARGUS_NIM_KEY=nvapi-xxx cargo run -p argus-llm --example nim_smoke. Hybrid detection: la capa determinista (5 SLOP rules, <100ms, regex) corre PRIMERO sin LLM. Solo cuando el verdict es incierto, se llama al LLM. Esto baja el costo 60-80% vs "todo va al LLM". 35 unit tests + 9 integration tests (Estos numeros pueden cambiar para bien, lo voy a seguir desarrollando hasta que termine el reto de Platzi)

Pruebalo en:

Revisalo, usalo, rompelo en:

Fuentes:

+206% de scripts de Bash en proyectos AI — GitHub Octoverse 2025. "Shell scripting saw +206% year-over-year growth in AI-generated projects. We didn't suddenly love Bash. AI absorbed the friction that made shell scripting painful." — Andrea Griffiths,
Opsera AI Coding Impact 2026 Benchmark Report (250K devs, 60+ empresas) — — 4.6× pickup time, 15-18% more vulns, 90% adoption
Sonar State of Code Developer Survey 2026 (1,149 devs) — — 42% del código commiteado es AI-generated; 96% desconfía de él; solo 48% verifica antes de commit
Merriam-Webster 2025 Word of the Year ("slop") —
Ladybird Browser (Andreas Kling, jun 2026) —
tldraw (Steve Ruiz, ene 2026) —
RPCS3 (kd-11, may 2026) — — "varios PRs slop se mergearon y causaron regresiones reales en el emulador"
cURL bug bounty ended (Daniel Stenberg, ene 2026) —

Leo Condorí

Estudiante

Hace 2 meses

Proyecto: GENIA – Plataforma de Inteligencia Artificial para la Administración de Consorcios

¿Qué hice?

Desarrollé GENIA, una plataforma de inteligencia artificial especializada en la gestión de consorcios.

El proyecto nació a partir de un problema muy concreto: los administradores dedican gran parte de su tiempo a responder consultas repetitivas, buscar información dispersa en distintos sistemas y validar documentación enviada por los propietarios.

Para resolverlo construí una aplicación web que integra modelos de lenguaje (LLMs), búsqueda semántica, procesamiento documental y bases de datos reales para ofrecer una experiencia conversacional capaz de comprender, analizar y responder consultas complejas.

¿Qué problema resuelve?

GENIA centraliza el conocimiento operativo de un consorcio y permite que propietarios y administradores interactúen mediante lenguaje natural.

Los usuarios pueden consultar:

Estado de expensas.
Deudas pendientes.
Reglamento interno.
Normativas de convivencia.
Historial de pagos.
Comprobantes enviados.
Información administrativa.

Sin necesidad de navegar sistemas complejos o esperar atención humana.

¿Cómo funciona?

La plataforma integra un modelo de lenguaje mediante API con información real del consorcio.

Cuando un usuario realiza una consulta:

GENIA interpreta la intención.
Determina qué información necesita consultar.
Recupera datos desde las fuentes correspondientes.
Analiza el contexto completo.
Genera una respuesta personalizada.

Además, puede procesar imágenes y documentos enviados por los usuarios para identificar pagos y validar información automáticamente.

Inteligencia incorporada

La diferencia principal respecto de un chatbot tradicional es que GENIA no responde únicamente con conocimiento general.

El sistema combina:

LLMs para razonamiento y generación de respuestas.
Embeddings para búsqueda semántica.
Procesamiento de imágenes y PDFs.
Bases de datos operativas.
Reglas de negocio específicas de cada consorcio.

Esto le permite actuar sobre información real y actualizada.

¿Qué lo hace único?

La mayoría de los asistentes conversacionales responden preguntas.

GENIA entiende el contexto completo de una administración de consorcios.

Puede:

Interpretar reglamentos.
Consultar expensas.
Analizar comprobantes.
Detectar pagos duplicados.
Solicitar información faltante.
Guiar al usuario durante un proceso administrativo.

Todo desde una única conversación.

Resultado obtenido

La plataforma reduce significativamente el tiempo dedicado a tareas repetitivas y mejora la experiencia de propietarios y administradores.

Los usuarios obtienen respuestas inmediatas las 24 horas y los equipos administrativos pueden enfocarse en tareas que realmente requieren criterio humano.

Visión a futuro

GENIA fue diseñada como una arquitectura multi-consorcio escalable.

El objetivo es convertirla en una plataforma SaaS capaz de brindar asistencia inteligente a miles de edificios y administraciones, transformando la forma en que las personas interactúan con los servicios de administración de propiedades.

Demo

Acceso público:

Tecnologías utilizadas

OpenAI API
Embeddings
Retrieval Augmented Generation (RAG)
Procesamiento multimodal de imágenes y documentos
PHP
MySQL
Firebase Authentication
Arquitectura Multi-Tenant

Autor

Leo Condori Fundador de Daraforce Desarrollador de soluciones de Inteligencia Artificial aplicadas a procesos empresariales.

Jesus Armando Tapia Gallegos

Estudiante

Hace 2 meses

Mi proyecto: GEO Audit — auditoría de visibilidad ante la IA

Tomé mi MVP y le integré inteligencia real conectando un LLM por API. El resultado es GEO Audit, una herramienta que evalúa qué tan bien posicionada está una empresa para ser descubierta y citada por motores generativos como ChatGPT, Claude, Gemini y Perplexity.

¿Qué hace? Analiza en 6 fases la presencia de una marca en la "capa de descubrimiento por IA" y entrega un reporte con dashboard interactivo, benchmarking competitivo, quick wins y un roadmap estratégico. El LLM no decora: realmente clasifica y analiza la información para producir el diagnóstico.

¿Por qué lo hice? Las búsquedas se están moviendo de Google hacia respuestas generadas por IA. Si una marca no aparece en esas respuestas, se vuelve invisible en el nuevo canal de descubrimiento. Hoy casi nadie audita eso de forma sistemática.

¿Qué lo hace único? La mayoría de los proyectos atacan SEO clásico. El mío ataca GEO (Generative Engine Optimization), un problema nuevo y distinto del SEO. Eso lo diferencia y demuestra cómo los LLMs cambian la visibilidad de las marcas.

🔗 Pruébalo aquí:

Cualquiera puede votar, no necesita suscripción. ¡Gracias por probarlo! 🙌

Gerardo Manuel Reyes Fernández

Estudiante

Hace 2 meses•editado

Asistente Inteligente para mi Web Freelance

Este proyecto transforma mi sitio web profesional de un portafolio estático a un canal activo de adquisición de clientes. Integré un Asistente Virtual Híbrido encargado de atender visitas, resolver dudas y capturar oportunidades de negocio (leads) las 24 horas, operando con un costo de mantenimiento de $0 USD.

Sitio en vivo: gerardo-reyes.space/es

¿Cómo complementa el Chatbot a mi Negocio Freelance?

El asistente resuelve el principal reto de un profesional independiente: filtrar y capturar clientes potenciales de calidad en piloto automático sin perder tiempo en llamadas iniciales repetitivas.

Conversación Inteligente: En lugar de formularios fríos, el chatbot conversa de forma natural. Responde dudas sobre mis servicios, tecnologías de desarrollo y disponibilidad.
Detección Automática de Clientes (Tool Calling): Cuando la Inteligencia Artificial detecta una intención real de contratación, pausa la charla informal y activa de forma autónoma una herramienta interna para empaquetar los datos esenciales del proyecto.
Alineación de Presupuestos: El asistente conoce mis tarifas. Esto asegura que los proyectos estén alineados con mis servicios antes de agendar una reunión.
Alternativa Rápida (Flujo Guiado): Si el visitante prefiere no hablar con la IA, el sistema ofrece un formulario tradicional de opción múltiple para cotizar en menos de un minuto.

El Flujo de la Información y Tecnologías

El sistema valida, procesa y notifica todo el recorrido de un cliente potencial utilizando herramientas modernas, seguras y eficientes:

[  Navegador Web del Usuario  ] ── (Interfaz ultra rápida con Astro 5 y animaciones GSAP)
               │
               ▼
[  Filtros de Seguridad por IP  ] ── (Control de acceso nativo usando Cloudflare Workers)
               │
               ▼
[    Verificación Humana    ] ── (Filtro invisible anti-robots con Cloudflare Turnstile)
               │
               ▼
[    Análisis del Proyecto    ] ── (Procesamiento del lenguaje natural con IA Llama 3.3 vía Groq)
               │
               ▼
[   Notificación Inmediata   ] ── (Llega la ficha del cliente a mi celular vía Telegram Bot API)

Información que Automatiza

Cuando la IA cierra la conversación o el usuario completa el flujo guiado, el sistema genera una estructura limpia en formato JSON que se traduce en una ficha ordenada directo en mi Telegram:

Nombre del interesado y su Correo electrónico validado.
Servicio solicitado (Desarrollo Web, Consultoría o Arquitectura de Sistemas).
Rango de presupuesto en el que se ubica el cliente.
Resumen del requerimiento: Una síntesis limpia redactada por la propia IA sobre lo que se quiere construir.

De este modo, delego la prospección comercial a un agente inteligente y llego a la primera llamada real con todo el contexto del negocio ya digerido.

LINA FABIOLA GARCIA AVILA

Estudiante

Hace 20 días

¿Por qué es mejor usar modelos ya entrenados?

Entrenar un modelo desde cero requiere una cantidad masiva de datos, tiempo y dinero. Usar modelos fundacionales como GPT-4 o Claude te permite lanzar tu producto al mercado en cuestión de días.

En lugar de reinventar la rueda, puedes enfocarte en el contexto específico de tu negocio. Solo necesitas conectar el modelo a tu base de datos mediante técnicas como RAG para obtener resultados expertos.

LINA FABIOLA GARCIA AVILA

Estudiante

Hace 20 días

¿Qué pasa si la IA genera respuestas incorrectas?

Las alucinaciones son comunes, por lo que debes implementar barreras de seguridad o guardrails en tu producto. Esto se logra ajustando la temperatura del modelo y dándole instrucciones de sistema muy estrictas.

Además, siempre es recomendable incluir un mecanismo para que el usuario valide la información. Un simple botón de retroalimentación te ayudará a recolectar datos para mejorar el sistema continuamente.

Raul Enrique Brañez Tamayo

Estudiante

Hace un mes

eliminen el minitest que sale a cualquier rato, que sea optativo y configurable, en mi caso no quiero tener activado los minitest, son un fastidio cuando solo quiere escuchar, pero si lo vez en celular o cuando estas en el transporte

Wilson A. Chaves H.

Estudiante

Hace un mes•editado

!MVP

Proyecto 5 — Agente de Standup con Claude API

Después del standup nadie quiere hacer lo mismo de siempre: abrir el Excel, buscar cada tarea que se mencionó, actualizar estado, porcentaje, registrar el bloqueo en la bitácora. Son 15-20 minutos de transcripción pura después de cada reunión.

Construí un agente en Python que corre con Claude Code. El PM dicta el resumen del standup exactamente como lo haría en un mensaje de WhatsApp — desordenado, incompleto, informal. Claude lee las tareas reales del Excel, interpreta qué cambió, y si le falta información pregunta antes de asumir. El PM confirma, y el Excel queda actualizado.

Lo que hace Claude en cada standup:

Mapea el texto libre a las tareas reales del proyecto
Detecta bloqueos y los registra en la bitácora con fecha y hora
Pregunta al PM lo que no quedó claro, una pregunta a la vez
Genera un resumen ejecutivo del standup listo para compartir

El impacto: de 15-20 minutos de transcripción manual a menos de 2 minutos de dictado.

Más detalles de proyecto 5:

Lo que lo hace parte del sistema:

Repositorio:

Proyecto 1 → Sistema de prompts  (crea el Excel)
Proyecto 2 → n8n workflow        (reporte semanal automático)
Proyecto 3 → Dashboard web       (visualización + bitácora)
Proyecto 4 → Agente pendientes   (detecta tareas estancadas)
Proyecto 5 → Agente de standup   (actualiza el Excel con IA)

LUIS GUILLERMO NIETO PATIÑO

Estudiante

Hace un mes

Proyecto 5: Evolución de SenseBot — De Automatización a Inteligencia Cognitiva

¿Qué hice y por qué?

He llevado SenseBot (el MVP desarrollado anteriormente) al siguiente nivel de madurez tecnológica. Si bien la primera versión automatizaba flujos de datos mediante reglas lógicas, esta versión integra un LLM vía API para dotar al agente de capacidades de razonamiento y análisis de contexto que antes no poseía. El objetivo es transformar una herramienta de reporte en un copiloto de análisis de negocios capaz de interpretar la complejidad de los datos en tiempo real.

¿Qué le añadí de "Inteligencia Real"?

Conexión RAG (Retrieval-Augmented Generation): Implementé un motor de búsqueda sobre nuestros manuales internos y base de conocimientos técnica. Ahora, el agente no solo "piensa", sino que responde basándose en datos privados y actualizados que no formaban parte de su entrenamiento original.
Análisis de Sentimiento y Contexto Emocional: El agente ahora clasifica los tickets de soporte analizando la carga emocional del cliente, una tarea que justifica totalmente el uso de IA, decidiendo si debe responder con una plantilla o escalar el caso a un director.
Procesamiento de Contenido Variable: A diferencia de las reglas deterministas que usaba antes para campos vacíos, ahora aplica un modelo de lenguaje para interpretar y redactar respuestas coherentes ante consultas no estructuradas.

¿Qué lo hace único?

Su arquitectura de Prompts Encadenados. He diseñado un flujo donde el resultado de un prompt (la clasificación inicial) alimenta automáticamente el siguiente paso (la búsqueda en la base de conocimientos), y la salida final genera una respuesta personalizada para el usuario. Esta estructura garantiza mayor precisión y reduce las alucinaciones del modelo.

Carlo Wesley Martinez Ortiz

Estudiante

Hace 2 meses

Uy... Me adelante con mi pequeño proyecto a esta parte. Lo intente y salio bien...

KARLA JEMIMA JANGE ZARATE

Estudiante

Hace 2 meses

Según el proyecto enviado "Asigna" tenemos un apartado para utilizar nuestra data y poder explorar y gestionar valores o conclusiones a partir de un chatbot, o una tarea asignada.

Permitiendo a los users usar prompts en lenguaje natural y enviar la data al backend, procesamos la información del proyecto usando modelos avanzados de IA (OpenAI GPT / Anthropic Claude).

VIDEO DEMOSTRATIVO:

Manuel Roa Ojeda

Estudiante

Hace 2 meses

Invertir los sistemas mercado, no se genera la oferta, se genera la demanda.

[  Navegador Web del Usuario  ] ── (Interfaz ultra rápida con Astro 5 y animaciones GSAP)
               │
               ▼
[  Filtros de Seguridad por IP  ] ── (Control de acceso nativo usando Cloudflare Workers)
               │
               ▼
[    Verificación Humana    ] ── (Filtro invisible anti-robots con Cloudflare Turnstile)
               │
               ▼
[    Análisis del Proyecto    ] ── (Procesamiento del lenguaje natural con IA Llama 3.3 vía Groq)
               │
               ▼
[   Notificación Inmediata   ] ── (Llega la ficha del cliente a mi celular vía Telegram Bot API)

Proyecto 1 → Sistema de prompts  (crea el Excel)
Proyecto 2 → n8n workflow        (reporte semanal automático)
Proyecto 3 → Dashboard web       (visualización + bitácora)
Proyecto 4 → Agente pendientes   (detecta tareas estancadas)
Proyecto 5 → Agente de standup   (actualiza el Excel con IA)

Proyecto 5: Convierte tu MVP en un producto con inteligencia real

Cómo funciona el reto de AI Academy

Cómo registrarte y subir tus proyectos

Proyecto 1: Ahorra horas a la semana con un sistema de prompts

Proyecto 2: Automatiza un proceso que nadie quiere hacer

Proyecto 3: Construye una app web que resuelva un problema real

Proyecto 4: Crea el agente que tu empresa necesita

Proyecto 5: Convierte tu MVP en un producto con inteligencia real

Por qué el contexto importa más que el prompt

Resumen