IA práctica para programadores: ChatGPT, LLM, RAG, agentes, evaluación y despliegue.
Inyecciones Introducción Las inyecciones de código son una de las formas más comunes y peligrosas de vulnerabilidad en software. Cuando se produce un error de inyección, los atacantes pueden introducir y ejecutar código malicioso que altera…
Confianza gradual: Verificando el código generado por IA Introducción La confianza gradual es un enfoque crucial para asegurar que el código generado por inteligencia artificial (IA) cumpla con los estándares de calidad y seguridad esperado…
Falsos positivos Introducción En la etapa de testing, es crucial distinguir entre errores reales y falsos positivos. Un falso positivo ocurre cuando un test falla por una razón que no corresponde a un error en el código, lo cual puede lleva…
Qué comprobar siempre al usar LLMs para generación de código Introducción Cuando se utiliza una Inteligencia Artificial basada en Lenguajes Maquetados (LLM) para la generación de código, es crucial asegurarse de que el código resultante cum…
Tests negativos Introducción En el contexto de la programación asistida por inteligencia artificial (IA), los tests negativos son una herramienta crucial para garantizar que nuestro código no solo cumple con las especificaciones funcionales…
Casos límite Introducción La generación de casos límite es un paso crucial en la creación de pruebas unitarias efectivas. Los casos límites son aquellos que representan los extremos o borde de una función, y pueden revelar errores y fallas …
Tests unitarios Introducción La generación de tests unitarios es una parte crucial del desarrollo moderno. En un entorno donde la programación asistida por inteligencia artificial (IA) se está volviendo más común, aprender a diseñar y gener…
Comparar versiones para refactorización efectiva Introducción La refactorización es un proceso esencial para mantener y mejorar el código existente. Sin embargo, realizar cambios significativos sin tener una visión clara de cómo afectan a l…