Saltar al contenido
Revisión pendiente desde 29 jul 20263 fuentes primarias

GitHub Actions y routines

No todo lo programado debe ser agentic. Tests, lint y deploy son CI. Triage, revisión, investigación y propuestas de cambio pueden ser trabajo de agente con límites.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «GitHub Actions y routines».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Elegir entre GitHub Actions, cron local, loops y tareas agénticas.
  • Evitar automatizaciones que escriben sin revisión humana.
  • Diseñar un flujo de PR review replicable por principiantes.
En cristiano: routine. En este curso lo usamos como rutina automatizada: una tarea que se ejecuta por horario o evento y produce una salida revisable.

Qué usar

  • GitHub Actions: tests, build, lint, deploy, tareas repetibles sin criterio abierto.
  • Cron local o VPS: tareas privadas que necesitan archivos o servicios de tu máquina.
  • Loop: vigilancia temporal con condición de parada clara.
  • Agente programado: investigar, resumir, comentar PRs o preparar borradores.
Terminal
name: ai-pr-check
on:
  pull_request:
    types: [opened, synchronize]

jobs:
  deterministic-checks:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: npm ci
      - run: npm run lint
      - run: npm test -- --runInBand
Idea clave. Combina lo mejor de cada mundo: CI determinista para comprobar y agente para explicar, priorizar y proponer.
Cuidado. No empieces por “auto-merge”. Empieza por “comenta un diagnóstico con enlaces a líneas, tests fallidos y pasos de reproducción”.
Comprueba que funciona. Diseña tu primer flujo: evento, datos de entrada, checks deterministas, comentario del agente, aprobación humana y acción final.
Guardar y reabrir el proyecto.
Una automatización educativa debe enseñar a confiar con evidencia, no a delegar a ciegas.

Si has guardado la evidencia de esta lección, continúa con «Agente 24/7». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo