De leer sobre LLMs a llamarlos desde tu código

Ya sabes qué es un modelo de lenguaje y ya sabes escribir un buen prompt. Genial: eso es exactamente lo que necesitabas para dar el siguiente paso. Porque hasta ahora hablabas con el modelo a través de una pantalla de chat que otra persona construyó. En este curso vas a construir tú esa conexión: llamar a un LLM directamente desde Python y recibir su respuesta dentro de tu propio programa.

Ese es el salto que convierte "sé usar ChatGPT" en "sé integrar IA en software". Y no es tan difícil como suena: una llamada a una API de LLM es, en el fondo, enviar un mensaje y leer la respuesta. En unos minutos habrás hecho la primera.

Qué vas a poder hacer al terminar

Al final de este curso serás capaz de:

• Hacer una llamada real a una API de LLM desde Python: construir la petición, autenticarte con tu clave y leer la respuesta.
• Estructurar conversaciones con roles (system, user, assistant) y ajustar parámetros como temperature y max_tokens para controlar la generación.
• Medir y presupuestar tokens y costos, para saber cuánto cuesta cada llamada antes de que te sorprenda la factura.
• Recibir respuestas en streaming, token a token, como ves escribir a los chats en vivo.
• Hacer tu código robusto: manejar errores, reintentar con backoff y respetar los rate limits.
• Usar function calling y salidas estructuradas (JSON validado con Pydantic) para que el modelo devuelva datos que tu programa puede usar directamente.

Es el curso más técnico de los tres de fundamentos de IA generativa, y el que cierra la secuencia: primero qué son los LLMs, luego cómo hablarles bien con prompts, y ahora cómo llamarlos desde tu propio código.

Un solo escenario, de principio a fin

Para que todo lo que aprendas se sienta real, trabajaremos con un mismo caso a lo largo del curso: TechAndino, una tienda de electrónica online. Vas a construir, paso a paso, el cerebro de su asistente de soporte: un LLM que responde preguntas de clientes sobre pedidos y productos.

"Tu pedido #10432 (Audífonos TechAndino Pro) fue enviado ayer y llega el jueves."

Esa respuesta la genera un modelo, y para el final del curso tú sabrás pedirla, cobrarla, transmitirla en streaming y hasta hacer que el modelo consulte el estado de un pedido con una herramienta que tú defines.

Cómo funciona este curso (léelo, es importante)

Este curso es 100 % práctico: casi todo lo aprenderás en notebooks ejecutables dentro del navegador, sin instalar nada. Pero hay un detalle honesto que debes conocer desde ya:

• El navegador no tiene acceso a internet. No podemos hacer llamadas reales a un proveedor de LLM desde aquí (además, cada llamada real cuesta dinero y necesita tu clave privada).
• Por eso, en los notebooks usaremos respuestas mockeadas: diccionarios en Python con exactamente el mismo formato que devuelve una API real de chat (con sus choices, su message, su usage de tokens…). Practicarás leer, procesar y presupuestar esas respuestas igual que si vinieran de la red.
• Junto a cada ejercicio verás el código real del SDK (por ejemplo openai o anthropic) como referencia no ejecutable: es el que usarás cuando corras esto en tu propia máquina. En el último módulo te mostramos cómo instalar Python en tu equipo y ejecutar ese código real con tu propia clave.

En otras palabras: aquí practicas la lógica de consumir una API sin gastar ni un centavo, y sales listo para conectar el cable real cuando quieras.

Lo que necesitas antes de empezar

Solo una cosa: fundamentos de Python. Si te sientes cómodo con variables, funciones, listas, diccionarios y un for, tienes todo lo necesario. No hace falta saber de redes, de servidores ni de matemáticas de modelos. Vamos a construir sobre lo que ya sabes.

Si alguna vez te pierdes, respira: cada lección se explica sola y avanzamos de a un paso. Estás en el lugar correcto y esto es totalmente alcanzable.

Tu primer logro está a un clic

Basta de introducción. En la siguiente lección vas a hacer tu primera llamada (simulada) a un LLM en unos 3 minutos: enviarás un mensaje del cliente de TechAndino, recibirás la respuesta del asistente y leerás su contenido desde Python. Un notebook corto, ejecutable y con un resultado que verás funcionar.

¡Vamos a ello!