Forem: Kevin Lupera

How did I pass the AWS Certified Solutions Architect – Professional 2026 exam?

Kevin Lupera — Sun, 12 Apr 2026 14:28:27 +0000

Passing the AWS Solutions Architect - Professional exam isn't just about knowing which services to use, but about understanding how to interconnect them under pressure and with cost, security, and scalability constraints. After weeks of intense preparation, I want to share the path that allowed me to obtain the certification.

I prepared for three intense weeks, and I want to share exactly how I approached it—what worked, what didn't, and how I leveraged AI to make the process much faster and more effective.

Here are several key points that helped me achieve this:

1. The Theoretical Foundation: Ultimate AWS Certified Solutions Architect

The first thing I did was familiarize myself with the official AWS documentation, because I knew this exam wasn't just about memorization. It's about understanding the trade-offs, architectures, and design decisions at a deep level.

So I focused on reviewing the service documentation for topics I wasn't entirely confident in, such as migration strategies, hybrid architectures, cost optimization, and security patterns.

2. Leveraging Structured Guidance and Prior Experience

I studied Stéphane Maarek's Udemy course course as my primary study framework. I didn't watch the videos because my main interest in the course was the course documentation and the practice exams.

3. The Trial by Fire: Exam Simulations

The difficulty level of the questions on the actual exam is significantly higher than at the Associate level. I used Jon Bonoso's Practice Exams (Tutorials Dojo) and those included in the Udemy course.

Strategy: Don't try to memorize answers. The important thing is to read the explanations of why the incorrect options are wrong.

Success metric: Don't schedule the exam until you're consistently averaging 85% or higher on practice tests.

4. Use AI to Support Your Studying

This was the first time I seriously used AI as part of my study process, and it made a huge difference.

Whenever I didn't fully understand a scenario or an architectural trade-off, I would ask the AI to:

Provide similar real-world use cases
Discuss design options with me
Explain complex services as if they were being deployed in production
It became like having a personal study partner and technical reviewer available 24/7. That constant feedback loop helped me internalize the reasoning behind AWS best practices, not just memorize facts.

In Notebook LLM, add the information sources you use for studying and use different formats. It currently supports Latin American Spanish.

Exam Guide Notebook (SAP-C02)

Create flashcards to review definitions or important information.
Generate an audio summary, similar to a podcast, of the longer or more complex topics.
Slides because the best way to internalize the content is by teaching it to others.
Infographics to reinforce a service or topic and validate it concretely.
Audio summaries a podcast-style conversation where a topic is addressed.

You can use these resources to understand various topics more easily. You can also ask about the differences between services or use cases of a particular architecture.

When a question is very long, mark it to review it at the end so you don't waste valuable exam time.

5. Techniques for surviving the exam

The exam lasts 180 minutes and consists of 75 questions. That's less than 3 minutes per question, which are usually two- or three-paragraph scenarios.

Back-reading: Read the last sentence (the actual question) first, then the scenario. This helps you filter out irrelevant information.

Aggressive elimination: Look for keywords like "more profitable" or "lower operating overhead." Often, two answers are technically correct, but only one meets the business constraint.

6. Elimination Technique

One of the best ways to simplify the process of choosing answers is to eliminate incorrect options, thus reducing the likelihood of errors. To do this, you must understand the requirements of the problem statement and look for keywords such as: cost optimization, scalability, and latency. Then, review the provided options and easily identify the services that do not apply to solving the problem so you can focus on differentiating those services.

7. Leveraging Official Resources (Free!)

Many are unaware that AWS has hidden gems in AWS Skill Builder.

Exam Prep Standard Course: It's free and gives you a clear overview of the exam domains (Design for Organizational Complexity, New Solutions, Migration, Cost Control, and Continuous Improvement).

Whitepapers: Take a quick look at the pillars of the Well-Architected Framework, especially Security and Operational Excellence.

8. Intentional Review

In the last week, I shifted my focus from learning to reinforcement.

I reviewed all the services covered in the exam syllabus, even those I was comfortable with, and made sure I understood:

When to use it?
Why use it?
What are its limitations?
This deliberate repetition built confidence and made me feel more at ease on exam day.

9. Exam Day and the Conclusions

The exam itself was long and mentally demanding, but familiar. Many questions reflected the complexity of Maarek's mock exams, and the time I spent analyzing "why not the other options" during practice paid off.

After three hours of deep concentration, I saw the word "Congratulations."

That single word felt like validation not only of my technical knowledge but also of the strategy and mindset behind my learning.

Final Thoughts

If you're preparing for SAP-C02, here's my top piece of advice:

Don't just memorize; instead, understand the architectural trade-offs.

Use mock exams strategically to identify gaps.

And if you can, use AI as a learning amplifier—not for shortcuts, but for deeper understanding.

Scheduling the exam is the best way to get serious about studying.

Conclusion

Make sure you thoroughly understand AWS Organizations, SCPs, hybrid architectures (Direct Connect/Transit Gateway), and migration strategies.

References:

Are you preparing for this exam?

Leave your questions in the comments and I'll gladly help!

¿Cómo aprobe AWS Certified Solutions Architect - Professional 2026?

Kevin Lupera — Sun, 12 Apr 2026 14:24:38 +0000

Aprobar el examen de AWS Solutions Architect - Professional no es solo una cuestión de saber qué servicio usar, sino de entender cómo interconectarlos bajo presión y con restricciones de costo, seguridad y escalabilidad. Después de semanas de preparación intensa, quiero compartirles la ruta que me permitió obtener la certificación.

Me preparé para tres semanas intensas, y quiero compartir exactamente cómo lo abordé — qué funcionó, qué no y cómo aproveché IA para hacer el proceso mucho más rápido y efectivo.

Aqui detallo varios puntos importantes que me ayudaron a poder conseguir este logro:

1. El pilar teórico: Ultimate AWS Certified Solutions Architect Professional

Lo primero que hice fue familiarizarme con el documentación oficial de AWS, porque sabía que este examen no se trataba sólo de memorización. Se trata de Comprender las compensaciones, las arquitecturas y las decisiones de diseño a un nivel profundo.

Entonces me concentré en revisar la documentación del servicio para los temas en los que no tenía plena confianza, como estrategias de migración, arquitecturas híbridas, optimización de costos y patrones de seguridad.

2. Aprovechar la orientación estructurada y la experiencia previa

Yo estudie el curso de Udemy de Stéphane Maarek curso como mi principal marco de estudio. No vi los videos debido a que mi principal interés en el curso era el documentación del curso y la exámenes de práctica.

3. La prueba de fuego: Simulacros de examen

El nivel de dificultad de las preguntas en el examen real es significativamente más alto que en el nivel Associate. Utilicé los Practice Exams de Jon Bonoso (Tutorials Dojo) y los incluidos en el curso de Udemy.

Estrategia: No busques memorizar respuestas. Lo importante es leer las explicaciones de por qué las opciones incorrectas están mal.

Métrica de éxito: No agendes el examen hasta que estés promediando un 85% o más en los simulacros de forma consistente.

4. Usa IA para apoyarte a estudiar

Esta fue la primera vez que lo usé seriamente IA como parte de mi proceso de estudio, y marcó una gran diferencia.

Siempre que no entendía completamente un escenario o una compensación arquitectónica, le pedía a la IA que:

Simular casos de uso del mundo real
Debate sobre las opciones de diseño conmigo
Explique servicios complejos como si los estuviera implementando en producción

Se convirtió en como tener una experiencia personal socio de estudio y revisor técnico disponible 24 horas al día, 7 días a la semana. Ese ciclo de retroalimentación constante me ayudó a internalizar el razonamiento detrás de las mejores prácticas de AWS, no solo a memorizar hechos.

Realice lo siguiente en Notebook LLM agregue las fuentes de información que use para estudiar y use diferentes formatos para estudiar. Actualmente ya soporta idioma español latinoamericano.

Notebook Guía de examen (SAP-C02)

Flashcards para repasar alguna definición o dato importante.
Genere un resumen en audio que escuchaba a modo de podcast de los temas más largos o complejos.
Diapositivas porque la mejor manera para interiorizar el contenido es enseñando a otros.
Infografias para resumir un servicio o tema lo validaba de manera concreta.
Resumenes de audio un conversatorio a modo de podcast donde abordan una tematica.

Puedes apoyarte para poder entender varios temas de manera más sencilla. Asi como preguntar las diferencias entre servicios o casos de uso de alguna arquitectura en particular.

Cuando la pregunta es muy larga te suguiero que la marques para revisarla al final asi no pierdes tiempo valioso de tu examen.

5. Técnicas para sobrevivir al examen

El examen dura 180 minutos para 75 preguntas. Eso son menos de 3 minutos por pregunta, las cuales suelen ser escenarios de dos o tres párrafos.

Lectura inversa: Lee primero la última oración (la pregunta real) y luego el escenario. Esto te ayuda a filtrar la información irrelevante.

Eliminación agresiva: Busca palabras clave como "most cost-effective" o "least operational overhead". A menudo, dos respuestas son técnicamente correctas, pero solo una cumple con la restricción de negocio.

6. Técnica de descarte

Una de las mejores opciones para poder facilitar el proceso de elegir las respuestas es descartar las opciones que no sean correctas esto te ayuda a reducir las probabilidades de fallar. Para esto debes de entender el requerimiento del enunciado buscar keywords como: optimizacion de costos, escalabilidad, latencia. Luego debes de revisar las opciones brindadas y en caso de identificar de manera sencilla los servicios que no aplica a resolver el problema para poder enfocarte en diferencias los servicios.

7. Aprovechando los recursos oficiales (¡Gratis!)

Muchos ignoran que AWS tiene joyas ocultas en AWS Skill Builder.

Exam Prep Standard Course: Es gratuito y te da una visión clara de los dominios del examen (Diseño para complejidad organizacional, soluciones nuevas, migración, control de costos y mejora continua).

Whitepapers: Dale una leída rápida a los pilares del Well-Architected Framework, especialmente el de Seguridad y Excelencia Operativa.

8. Revisar con enfoque intencional

En la última semana, cambié de rumbo del aprendizaje al refuerzo.
Revisé todos los servicios cubiertos en el plan de examen, incluso aquellos con los que me sentía cómodo y me aseguré de entender:

¿Cuándo usarlo?
¿Por qué usarlo?
¿Cuáles son sus limitaciones?
Esta repetición deliberada generó confianza y me hizo sentir más tranquilo el día del examen.

9. El día del examen y las conclusiones

El examen en sí era largo y mentalmente exigente, pero familiar. Muchas preguntas reflejaron la complejidad de las pruebas simuladas de Maarek y el tiempo que pasé analizando “por qué no las otras opciones” durante la práctica dio sus frutos.

Después de 3 horas de concentración profunda, vi la palabra “Felicidades.”

Esa sola palabra me pareció una validación no sólo de mis conocimientos técnicos, sino también de la estrategia y mentalidad detrás de cómo aprendí.

Reflexiones finales

Si te estás preparando para SAP-C02, aquí tienes mi mayor consejo:

No te limites a memorizar, lo que te sugiero es comprender las compensaciones de la arquitectura.
Usa los exámenes simulados estratégicamente para identificar brechas.
Y si puedes, úsa la IA como amplificador del aprendizaje No para atajos, sino para una comprensión más profunda.
Agendate el examen es la mejor manera para ponerte serio de estudiar.

Conclusión

Asegúrate de entender profundamente AWS Organizations, SCPs, arquitecturas híbridas (Direct Connect/Transit Gateway) y estrategias de migración.

Referencias:

¿Estás preparándote para este examen?
¡Deja tus dudas en los comentarios y con gusto te ayudo!

Más allá del "Vibe Coding": Guía para el Desarrollo Impulsado por Especificaciones (SDD)

Kevin Lupera — Sun, 01 Mar 2026 18:49:53 +0000

En los últimos meses, hemos visto el auge del "vibe coding", un término acuñado por Andrej Karpathy para describir esa forma de programar donde simplemente lanzas prompts a una IA y esperas que "capte la vibra" de lo que quieres construir. Aunque es increíble para prototipos rápidos, este enfoque tiene un techo: el código suele desmoronarse cuando el proyecto crece o cuando necesitas rigor arquitectónico y seguridad.

Aquí es donde entra el Spec-Driven Development (SDD). No es solo una metodología; es un cambio de paradigma donde la especificación precede y guía al código.

¿Qué es realmente el SDD?

En el SDD, la especificación no es solo documentación que se escribe al final; es el producto mismo de la fase de pensamiento. Se convierte en el contrato contra el cual se implementa y se valida todo. La idea central es mover la ambigüedad "hacia arriba" en el proceso, donde resolverla es mucho más barato que hacerlo en la fase de código.

El Flujo de Trabajo en 4 Fases

Para implementar SDD de manera efectiva, el proceso suele dividirse en cuatro etapas claras, cada una con un "checkpoint" de validación humana:

Specify (Especificar): Defines el "qué" y el "por qué". Te centras en las historias de usuario y los criterios de aceptación, no en la tecnología.
Plan (Planificar): Aquí es donde entran los detalles técnicos. Defines el stack, la arquitectura y las restricciones.
Tasks (Tareas): El agente de IA descompone el plan en unidades de trabajo pequeñas y testables (ej. "crear un endpoint de registro que valide el formato del email").
Implement (Implementar): El agente ejecuta las tareas de forma secuencial. Tu rol aquí es verificar cambios enfocados en lugar de revisar "dumps" masivos de código.

Herramientas del Ecosistema

GitHub Spec Kit: Un toolkit de código abierto que utiliza archivos como constitution.md para definir principios innegociables del proyecto.
OpenSpec: Una alternativa ligera diseñada para trabajar en proyectos existentes (brownfield) sin necesidad de empezar desde cero. En lo personal utilizo esta en mi día a día.
MCPs (Model Context Protocol): Son fundamentales para dotar de contexto a la IA. Puedes conectar herramientas como Jira para historias de usuario, Figma para el diseño UI/UX o Context7 para asegurar que la IA use las versiones correctas de las librerías.

El Secreto del Éxito: Planificación Adversaria

Uno de los mayores riesgos de usar IAs como compañeros de planificación es que tienden a ser demasiado "complacientes" y aceptan tus premisas aunque estén mal. Para evitar esto, puedes introducir una dinámica de Planificación Adversaria.

En este modelo, usas dos roles de IA:

El Planner: Optimiza para la completitud de los pasos.
El Architect: Actúa como el "senior pesado" de la sala, cuestionando interfaces vagas, atacando partes del spec que no son falsificables y buscando fallos antes de que se escriba el código.

Conclusión: La Intención como Fuente de Verdad

Estamos pasando de una era donde "el código es la fuente de verdad" a una donde la intención es la fuente de verdad. El SDD no se trata de hacer más lento el desarrollo con burocracia, sino de asegurar que la IA trabaje sobre cimientos sólidos. Como bien dicen los expertos: el problema no suele ser la capacidad de código de la IA, sino nuestra incapacidad para articular exactamente qué queremos.

¿Estás listo para dejar de "vibrar" y empezar a especificar?

Tips adicionales para tu post:

Menciona el riesgo del "Markdown Monster": No te excedas creando capas de documentación obsoleta; las specs deben ser vivas y evolucionar con el código.
Humano en el bucle: Recuérdale a tus lectores que el desarrollador ahora es más un Arquitecto e Integrador que un simple escritor de sintaxis.

Esta infografía resumen lo que es SDD por si lo quieres compartir con tus colegas:

OpenCode: Tu Agente de lA Potenciado para la Terminal

Kevin Lupera — Sat, 14 Feb 2026 20:40:41 +0000

¿Qué es OpenCode?

OpenCode es un agente de código de código abierto diseñado para la terminal que te permite programar con IA directamente desde la línea de comandos. A diferencia de otras herramientas cerradas, OpenCode funciona como un binario único sin dependencias (no necesitas Node.js ni Python para que rinda) y destaca por su sistema de agentes, habilidades (skills) y comandos personalizados.

¿Por qué deberías usarlo?

La filosofía de OpenCode se basa en la flexibilidad y la estructura. Aquí te doy las razones principales para darle una oportunidad:

Agnóstico de modelos: Soporta más de 75 proveedores, incluyendo Anthropic, OpenAI, Google Vertex, y opciones locales como Ollama. Puedes usar tu suscripción actual de GitHub Copilot o ChatGPT Plus sin pagar extra por una API.
Recuperación de errores (Self-healing): Utiliza manifiestos JSON para rastrear el estado de las tareas. Si algo falla, el sistema puede reanudar desde ese punto o incluso aplicar correcciones automáticas.
Privacidad y costo: Puedes ejecutar modelos locales sin conexión a internet, lo que elimina latencias de red y costos por token.

Para que lo veas más claro, aquí tienes una comparativa rápida:

Característica	OpenCode	Claude Code
Entorno	Consola TUI	Consola CLI
Soporte de modelos	75+ proveedores	Solo modelos Claude
Configuración	JSON / Markdown	Markdown puro
Recuperación	Manifiestos JSON	Manejo de errores básico
Costo	Gratis (pagas tus API keys)	Suscripción fija

Instalación en un paso

Instalar OpenCode es sumamente sencillo. Solo necesitas ejecutar este comando en tu terminal:

curl -fsSL https://opencode.ai/install | bash

El script detectará automáticamente tu sistema operativo y arquitectura, instalando el binario en /usr/local/bin.

El flujo de trabajo: Plan vs Build

Uno de los conceptos que hace único a OpenCode es su sistema de agentes con diferentes niveles de permiso, principalmente Plan y Build:

Modo Plan (Explorar): Es el modo seguro. El agente solo lee y analiza el código para entenderlo sin modificar nada.
Modo Build (Actuar): Es el modo de acción. Aquí la IA puede escribir, modificar archivos y ejecutar comandos para implementar lo planeado.

Pro-tip: Puedes cambiar entre un modo y otro simplemente pulsando la tecla Tab en la interfaz.

Automatización con Comandos y Agentes

OpenCode no se limita a responder preguntas; te permite crear comandos personalizados para tareas repetitivas (como ejecutar tests o crear PRDs) y agentes especializados para roles específicos (como un arquitecto de seguridad o un experto en documentación).

Por ejemplo, puedes configurar un agente orquestador que coordine a otros agentes para generar automáticamente diagramas de Mermaid, analizar la arquitectura y actualizar el README de tu proyecto en un solo flujo.

Conclusión

La clave de OpenCode no es usarlo para todo, sino saber cuándo delegar las tareas tediosas a sus agentes inteligentes para que tú te enfoques en lo importante: la lógica de negocio. Es una herramienta que crece contigo; mientras más habilidades (skills) y agentes personalizados crees, más eficiente será tu flujo de trabajo.

¿Listo para empezar? Abre tu terminal, lanza un /init en tu proyecto y descubre el poder de tener un equipo de agentes trabajando para ti.

Tu Nube como una Base de Datos: Guía Práctica de Steampipe para AWS

Kevin Lupera — Wed, 28 Jan 2026 03:27:37 +0000

Administrar una infraestructura en Amazon Web Services (AWS) puede ser complejo. Entre políticas de IAM, grupos de seguridad y cientos de recursos efímeros, es fácil perder de vista si estamos cumpliendo con las buenas prácticas de seguridad y gobernanza.
Tradicionalmente, esto requería scripts complicados o procesar enormes archivos JSON. Pero, ¿qué pasaría si pudieras consultar tu infraestructura de AWS usando simplemente SQL? Aquí es donde entra Steampipe.

¿Qué es Steampipe?

Steampipe es una herramienta de código abierto que introduce el paradigma de "Infraestructura como SQL". Su magia reside en que expone las APIs de AWS como si fueran tablas de una base de datos relacional.

Lo mejor de todo es que utiliza un enfoque "Zero-ETL", lo que significa que no necesitas extraer ni transformar datos; consultas la configuración de tu nube en tiempo real directamente desde la fuente.

¿Por qué deberías usarlo?

Simplicidad: Si sabes escribir un SELECT, ya sabes usar Steampipe.
Visión Holística: Puedes unir datos de múltiples cuentas y regiones en una sola consulta.
Cumplimiento Instantáneo: Permite verificar si tu entorno se alinea con marcos internacionales como el CIS AWS Foundations Benchmark o el pilar de seguridad del AWS Well-Architected Framework.

Ahora, vamos a ensuciarnos las manos con el código para que puedas empezar a auditar tus mejores prácticas de AWS hoy mismo.

Pasos

Preparación del entorno Steampipe se instala en menos de un minuto y utiliza un enfoque Zero-ETL, lo que significa que no necesitas configurar bases de datos complejas para empezar a consultar. Para MAC:

brew install turbot/tap/steampipe

Una vez instalado, el primer paso es instalar el plugin de AWS. Sin un plugin, Steampipe no tiene nada que consultar. Ejecuta esto en tu terminal:
Instalar el conector de AWS

steampipe plugin install aws

Este comando descargará las tablas necesarias para que Steampipe pueda "hablar" con las APIs de Amazon.

Consultando tu infraestructura con SQL Ahora que tienes el plugin, puedes entrar al modo interactivo de Steampipe simplemente escribiendo steampipe query. Aquí es donde ocurre la magia del "Infraestructura como SQL". A continuación, te presento tres consultas alineadas con el AWS Well-Architected Framework:

A. Seguridad: Identificar Grupos de Seguridad "puertos abiertos al mundo"
Una de las fallas de configuración más comunes es dejar puertos abiertos a 0.0.0.0/0. Usa este SQL para encontrarlos:

select
  group_id,
  group_name,
  ip_protocol,
  from_port,
  to_port
from
  aws_vpc_security_group_rule
where
  is_ipv4 = true
  and cidr_ipv4 = '0.0.0.0/0';

Este comando te devolverá una tabla clara con los IDs de los grupos que violan esta buena práctica.
B. Gobernanza: Usuarios de IAM sin MFA habilitado
La seguridad de la identidad es el primer pilar. Puedes cruzar datos para ver quiénes no tienen autenticación de múltiples factores:

select
  name,
  mfa_enabled,
  password_last_used
from
  aws_iam_user
where
  mfa_enabled = false;

C. Optimización de Costes: Volúmenes EBS huérfanos
Las buenas prácticas también implican eficiencia financiera (FinOps). Identifica discos que no están asociados a ninguna instancia y que están gastando dinero innecesariamente:

select
  volume_id,
  region,
  size,
  status
from
  aws_ebs_volume
where
  state = 'available'; -- 'available' significa que no está en uso

Automatización con "Mods" de Cumplimiento Si no quieres escribir cada consulta desde cero, puedes usar los "mods" de cumplimiento. Estos paquetes contienen cientos de controles preconfigurados para marcos como el CIS AWS Foundations Benchmark.

# Ejemplo: Descargar e iniciar el mod de cumplimiento de AWS
git clone https://github.com/turbot/steampipe-mod-aws-compliance.git
cd steampipe-mod-aws-compliance
steampipe check all

¿Qué verás en tu pantalla?
Imagina un tablero de control en tu terminal donde cada control (como "Cifrado de S3" o "Rotación de claves de IAM") aparece con un color: Verde (Pass) si cumples, o Rojo (Alarm) si hay un riesgo.

Visualización y Dashboards Steampipe no es solo texto. Gracias a herramientas como Powerpipe, puedes visualizar estas configuraciones en tableros interactivos que puedes compartir con tus clientes o equipos de DevOps. Imagen sugerida para el post: Captura de pantalla de un dashboard de Steampipe mostrando un gráfico de torta con el porcentaje de cumplimiento del CIS Benchmark en AWS.

Resumen de comandos rápidos

Acción	Comando
Instalar plugin	steampipe plugin install aws
Iniciar consola SQL	steampipe query

Conclusión

Steampipe transforma la auditoría de AWS de una tarea tediosa de revisión de JSONs a una experiencia fluida y potente mediante SQL estándar. Ya sea para seguridad, costos o gobernanza, tener el control total de tus datos en tiempo real es el estándar que tu infraestructura merece.

OpenCode: tools, commands, agents y workflows

Kevin Lupera — Sun, 25 Jan 2026 21:58:17 +0000

OpenCode: tools, commands, agents y workflows

Kevin Lupera ・ Jan 13

#ai #code #opensource

OpenCode: tools, commands, agents y workflows

Kevin Lupera — Tue, 13 Jan 2026 04:05:59 +0000

Estas listo para ir al siguiente nivel con el uso de IA en programación y documentación de tus proyectos!!!

OpenCode, me impresionaron sus capacidades. A pesar de aprender sobre agentes y flujos de trabajo en Claude Code, me preguntaba si podría implementar soluciones similares con OpenCode, y efectivamente pude hacerlo. La plataforma OpenCode podría incluso ofrecer más potencia y un diseño más intuitivo para ciertas aplicaciones.

Lo que descubrí me sorprendió: los mismos patrones de agentes que me encantaban en Claude Code, pero con manifiestos JSON para seguimiento de estados y puertas de validación que detectan errores antes de que caigan en cascada.

OpenCode aborda el mismo desafío con una filosofía diferente; es de código abierto, admite modelos 75+ y agrega configuración estructurada junto con lenguaje natural:

Característica	OpenCode	Claude Code
Entorno	Consola TUI	Consola CLI
Soporte de modelo	75+ proveedores	Modelos Claude
Configuración	JSON/Markdown	Markdown puro
Recuperación de errores	Manifiestos	Manejo de errores
Costo	Gratis (paga por claves API)	Suscripción

Puedes usar OpenCode con BedRock, Gemini y tu suscripción Claude Pro. Es una solución agnostica que te permite poder cambiar de proveedor de LLM sin tener que estar atado a uno.

Tools

Las herramientas permiten al LLM realizar acciones en su código base. OpenCode incluye un conjunto de herramientas integradas, pero puede ampliarlo con herramientas personalizadas o servidores MCP.

MCP

Local

Añade servidores MCP locales utilizando el tipo «local» dentro del objeto MCP.

opencode.jsonc

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "my-local-mcp-server": {
      "type": "local",
      // Or ["bun", "x", "my-mcp-command"]
      "command": ["npx", "-y", "my-mcp-command"],
      "enabled": true,
      "environment": {
        "MY_ENV_VAR": "my_env_var_value",
      },
    },
    "mcp_everything": {
      "type": "local",
      "command": ["npx", "-y", "@modelcontextprotocol/server-everything"],
    },
  },
}

Por defecto, las tools estan habilitadas para ejecutarse. Puedes configurar cada permiso de las herramientas.

Commands

Los comandos permiten realizar tareas repetitivas, como ejecutar tests, crear PRDs, actualizar la documentación del proyecto en el archivo README.md y muchos otros casos de uso.

.opencode/command/test.md

---
description: Run tests with coverage
agent: build
model: anthropic/claude-3-5-sonnet-20241022
---

Run the full test suite with coverage report and show any failures.
Focus on the failing tests and suggest fixes.

Ref: https://opencode.ai/docs/commands/

Agents

Los agentes permiten especializarse en una tarea darle contexto y reglas de que debe hacer se puede incluir especificaciones de permisos.
Este agente se especializa en organizar un proyecto de python usando una estructura sencilla de mantener.

file-organizer.md

---
id: file-organizer
name: FileOrganizer
description: "Organize structure of project"
category: organizer
mode: primary
temperature: 0.3

# Tags
tags:
  - structure
  - folders
---

# File Organizer Agent
You organize project files intelligently.
## Rules:
- Python files → src/
- Tests → tests/  
- Docs → docs/
- Configs → config/
## Process:
1. Scan current directory
2. Identify file types
3. Create directories if needed
4. Move files to correct locations
5. Create manifest of changes
## Validation:
No files should remain in root except README and configs.

Se le puede llamar en opencode usando @name-agent

Con tab puedes cambiar de agente para que puedas iterar de manera sencilla.

Agente orquestador

Puedes incluso crear un agente que se encargue de orquestar otros agentes y crear un flujo de trabajo completo. Te enseñare uno que cree para documentar un proyecto usando los agentes que cree especializados para cada tarea: generador de diagramas de mermaid, analizador de proyecto, generador de doc para producto y generador de doc para desarrollo.

Agente analizador del proyecto

project-analyzer.md

---
id: project-analyzer
name: ProjectAnalyzer
description: "Expert in analyzing codebases, identifying patterns, and providing insights"
category: development
mode: primary
temperature: 0.2

# Tags
tags:
  - analysis
  - codebase
  - architecture
  - review
---

# Project Analyzer Agent

You are an expert in analyzing software projects, identifying patterns, and providing actionable insights.

## Your Role

- Analyze project structure and architecture
- Identify code patterns and anti-patterns
- Evaluate dependencies and potential issues
- Provide improvement recommendations

## Workflow

1. **Scan** - Explore directory structure and key files
2. **Identify** - Detect language, framework, and toolchain
3. **Analyze** - Review architecture, patterns, and dependencies
4. **Report** - Deliver structured findings and recommendations

## Analysis Areas

- **Structure**: File organization, naming conventions, modularity
- **Dependencies**: Outdated packages, security vulnerabilities, unused deps
- **Code Quality**: Patterns, complexity, test coverage
- **Configuration**: Environment setup, build tools, CI/CD

## Output Format

Deliver analysis as a structured report:
- Project overview (language, framework, size)
- Key findings (issues, risks, opportunities)
- Recommendations (prioritized action items)

Agente creador de diagramas de mermaid

diagram-generator.md

---
id: diagram-generator
name: DiagramGenerator
description: "Diagram Mermaid Agent of project"
category: generator
mode: primary
temperature: 0.3

# Tags
tags:
  - diagram
  - mermaid
  - generator
---

# Diagram Mermaid Agent

You are an expert in creating Mermaid diagrams for software architecture visualization.

## Your Role

- Generate clear, accurate Mermaid diagrams
- Visualize project structure and dependencies
- Document infrastructure and business logic flows

## Workflow

1. **Scan** - Analyze current directory and project structure
2. **Identify** - Determine key components and relationships
3. **Generate** - Create infrastructure diagrams (if applicable)
4. **Document** - Create business logic flow diagrams

## Output Guidelines

- Place generated diagrams in `docs/` directory
- Use appropriate Mermaid diagram types (flowchart, sequence, class, ER)
- Keep diagrams focused and readable

Agente generador de documentación para producto

copy-writer.md

---
id: copywriter
name: Copywriter
description: "Expert in persuasive writing, marketing copy, and brand messaging"
category: content
mode: primary
temperature: 0.3

# Tags
tags:
  - copywriting
  - marketing
  - content
  - messaging
---

# Copywriter

You are a professional copywriter with expertise in persuasive writing, marketing copy, and brand messaging.

## Your Role

- Write compelling marketing copy
- Create engaging content for various channels
- Develop brand voice and messaging
- Optimize copy for conversions
- Adapt tone for different audiences

## Context Loading Strategy

BEFORE any writing:
1. Read project context to understand brand voice
2. Load copywriting frameworks and tone guidelines
3. Understand target audience and goals

## Workflow

1. **Analyze** - Understand audience and objectives
2. **Plan** - Outline key messages and structure
3. **Request Approval** - Present copy strategy
4. **Write** - Create compelling copy
5. **Validate** - Review for clarity and impact

## Best Practices

- Know your audience deeply
- Focus on benefits, not features
- Use clear, concise language
- Create compelling headlines
- Include strong calls-to-action
- Tell stories that resonate
- Use social proof and testimonials
- A/B test different variations

## Common Tasks

- Write website copy and landing pages
- Create email marketing campaigns
- Develop social media content
- Write product descriptions
- Craft ad copy
- Create blog posts and articles
- Develop brand messaging guides
- Write video scripts

Agente generador de documentación para desarrollo

technical-writer.md

---
id: technical-writer
name: TechnicalWriter
description: "Expert in documentation, API docs, and technical communication"
category: content
type: standard
version: 1.0.0
mode: primary
temperature: 0.2

# Tags
tags:
  - documentation
  - technical-writing
  - api-docs
  - tutorials
---

# Technical Writer

You are a technical writer with expertise in creating clear, comprehensive documentation for developers and end-users.

## Your Role

- Write technical documentation and guides
- Create API documentation
- Develop tutorials and how-to guides
- Maintain documentation consistency
- Ensure accuracy and clarity

## Context Loading Strategy

BEFORE any writing:
1. Read project context to understand the product
2. Load documentation standards and templates
3. Review existing documentation structure

## Workflow

1. **Analyze** - Understand the technical subject
2. **Plan** - Outline documentation structure
3. **Request Approval** - Present documentation plan
4. **Write** - Create clear, accurate docs
5. **Validate** - Review for completeness and accuracy

## Best Practices

- Write for your audience's skill level
- Use clear, simple language
- Include code examples and screenshots
- Organize content logically
- Keep documentation up-to-date
- Use consistent terminology
- Provide context and explanations
- Test all code examples

## Common Tasks

- Write README files
- Create API reference documentation
- Develop getting started guides
- Write troubleshooting guides
- Create architecture documentation
- Document configuration options
- Write release notes
- Develop user manuals

Orquestador

doc-workflow.md

---
id: doc-workflow-orchestrator
name: DocWorkflowOrchestrator
description: "Orchestrates document conversion pipeline"
category: workflow
mode: primary
temperature: 0.3

# Tags
tags:
  - workflow
  - doc
---

# Workflow Orchestrator

You coordinate the documentation pipeline with intelligence.

## Core Responsibilities:
1. Execute phases in order
2. Create/update manifests for each phase
3. Validate outputs before proceeding
4. Enable resume from any failure point

## Workflow Phases:

bash

Phase 1: Pre-flight checks

mkdir -p docs/diagrams/mermaid docs/{prd,tech} logs

Phase 2: (delegate to subagent)

Task "Analize the project" -> project-analyzer

Phase 3: Generate diagrams mermaid (delegate to subagent)

Task "Generate mermaid diagrams" -> diagram-generator

Phase 4: Rebuild markdown (delegate to subagent)

Task "Generate PRDs in folder docs/prd for product" -> copy-writer

Phase 5: Generate documents (delegate to subagent)

Task "Generate or update README.md in folder docs/tech for development team" -> technical-writer


## Manifest Structure:
Save state after each phase in logs/pipeline_manifest.json:

json
{
"run_id": "2025-01-10-143022",
"phases": {
"analyzer": {"status": "complete", "files": 14},
"generation": {"status": "complete", "images": 14},
"current": "document-conversion"
}
}


## On Failure:
- Log exact error with context
- Save state for resume
- Suggest fixes based on error type

Repositorio con los agentes:
https://github.com/kevinlupera/opencode-example

Repositorio de ejemplo donde se utilizo: https://github.com/kevinlupera/my-stagehand-app

Gracias por tu atención!!!

Esto es un ejemplo muy sencillo pero sirve para provocar tu curiosidad y que crees agentes con super poderes para que automatices o mejores tu flujo de trabajo.

Strands agent + Agent Core AWS

Kevin Lupera — Sat, 06 Dec 2025 03:44:01 +0000

Esta guía te ayudará a construir y desplegar un agente de IA listo para producción en minutos utilizando Amazon Bedrock AgentCore.

Tabla de Contenidos

Requisitos Previos
Instalación del Toolkit
Crear el Agente
Configurar y Desplegar
Monitorear el Despliegue
Probar Memoria y Code Interpreter
Ver Trazas y Logs
Limpieza de Recursos
Solución de Problemas

Requisitos Previos

Antes de comenzar, asegúrate de tener:

1. Permisos de AWS

Usuarios root de AWS o usuarios con roles privilegiados (como AdministratorAccess) pueden omitir este paso
Otros usuarios necesitan adjuntar la política del starter toolkit y la política administrada AmazonBedrockAgentCoreFullAccess

2. AWS CLI

Versión 2.0 o posterior
Configurar usando: aws configure

3. Acceso al Modelo Amazon Bedrock

Habilitar acceso al modelo Claude 3.7 Sonnet
Ir a AWS Management Console → Amazon Bedrock → Model access
Habilitar Claude 3.7 Sonnet en tu región de AWS

4. Python

Python 3.10 o más reciente

5. Consistencia de Región AWS

⚠️ IMPORTANTE: Asegúrate de usar la misma región de AWS para:

La región predeterminada seleccionada en aws configure
La región donde habilitaste el acceso al modelo de Amazon Bedrock

Instalación del Toolkit

Paso 1: Crear Entorno Virtual

# Crear entorno virtual
python -m venv .venv

# Activar entorno virtual
# En macOS/Linux:
source .venv/bin/activate

# En Windows:
# .venv\Scripts\activate

Paso 2: Instalar Paquetes Requeridos

# Instalar paquetes (versión 0.1.21 o posterior)
pip install "bedrock-agentcore-starter-toolkit>=0.1.21" strands-agents boto3

Crear el Agente

Paso 1: Crear el Archivo del Agente

Crea un archivo llamado agentcore_starter_strands.py con el código del agente.

Características del agente:

Integración con AgentCore Memory (memoria a corto y largo plazo)
Herramienta de cálculo con Code Interpreter
Gestión de sesiones
Sistema de prompts personalizable

Paso 2: Crear Archivo de Requisitos

Crea un archivo requirements.txt:

strands-agents
bedrock-agentcore

Configurar y Desplegar

Paso 1: Configurar el Agente

Ejecuta el comando de configuración:

agentcore configure -e agentcore_starter_strands.py

Responde a los prompts interactivos:

Execution Role: Presiona Enter para auto-crear un nuevo rol con todos los permisos requeridos
ECR Repository: Presiona Enter para auto-crear o proporciona un URI existente
Requirements File: Confirma el archivo requirements.txt detectado
OAuth Configuration: Escribe no para este tutorial
Request Header Allowlist: Escribe no para este tutorial
Memory Configuration:
- Si se encuentran memorias existentes: Elige de la lista o presiona Enter para crear nueva
- Si creas nueva: ¿Habilitar extracción de memoria a largo plazo? Escribe yes
- Nota: La memoria a corto plazo está siempre habilitada por defecto

Paso 2: Desplegar en AgentCore

Lanza tu agente al entorno de ejecución de AgentCore:

agentcore launch

Este comando realiza:

Aprovisionamiento de recursos de memoria (estrategias STM + LTM)
Construcción del contenedor Docker con dependencias
Push al repositorio ECR
Despliegue de AgentCore Runtime con trazabilidad X-Ray habilitada
Configuración de CloudWatch Transaction Search (automática)
Activación del endpoint con recolección de trazas

Salida esperada:

✅ Memory created: bedrock_agentcore_memory_ci_agent_memory-abc123
Observability is enabled, configuring Transaction Search...
✅ Transaction Search configured: resource_policy, trace_destination, indexing_rule
🔍 GenAI Observability Dashboard:
   https://console.aws.amazon.com/cloudwatch/home?region=us-west-2#gen-ai-observability/agent-core
✅ Container deployed to Bedrock AgentCore
Agent ARN: arn:aws:bedrock-agentcore:us-west-2:123456789:runtime/starter_agent-xyz

Paso 3: Verificar Configuración (si hay errores)

Si el despliegue encuentra errores:

# Revisar configuración desplegada
cat .bedrock_agentcore.yaml

# Verificar estado de aprovisionamiento de recursos
agentcore status

Monitorear el Despliegue

Verificar Estado del Agente

agentcore status

Información mostrada:

Memory ID
Memory Status (CREATING → ACTIVE)
Memory Type (STM+LTM con estrategias)
Agent ARN
Observability Dashboard URL
Runtime logs path

Esperar hasta que la Memoria esté Activa

⏱️ El aprovisionamiento de memoria toma 2-3 minutos

# Verificar cada 30 segundos hasta que el estado sea ACTIVE
agentcore status

Probar Memoria y Code Interpreter

Probar Memoria a Corto Plazo (STM)

La memoria a corto plazo mantiene contexto dentro de una sesión:

# Primera invocación - almacenar información
agentcore invoke '{"prompt": "Mi nombre es Juan"}'

# Segunda invocación en la misma sesión - recuperar información
agentcore invoke '{"prompt": "¿Cuál es mi nombre?"}'

Respuesta esperada: "Tu nombre es Juan."

Probar Memoria a Largo Plazo (LTM)

La memoria a largo plazo persiste hechos entre sesiones diferentes.

⏱️ Importante: AgentCore ejecuta extracciones en segundo plano. Espera 10-30 segundos después de almacenar hechos.

# Sesión 1: Almacenar hechos
agentcore invoke '{"prompt": "Mi email es usuario@ejemplo.com y soy un usuario de AgentCore"}'

# Esperar a que la extracción finalice
sleep 20

# Sesión 2: Nueva sesión diferente recupera los hechos extraídos
SESSION_ID=$(python -c "import uuid; print(uuid.uuid4())")
agentcore invoke '{"prompt": "¿Qué sabes sobre mí?"}' --session-id $SESSION_ID

Respuesta esperada:

"Tu dirección de email es usuario@ejemplo.com."
"Pareces ser un usuario de AgentCore."

Probar Code Interpreter

El Code Interpreter permite ejecutar código Python de forma segura:

# Almacenar datos
agentcore invoke '{"prompt": "Mi dataset tiene valores: 23, 45, 67, 89, 12, 34, 56."}'

# Crear visualización
agentcore invoke '{"prompt": "Crea una visualización de gráfico de barras basada en texto que muestre la distribución de valores en mi dataset con etiquetas apropiadas"}'

Resultado esperado: El agente genera código matplotlib para crear un gráfico de barras.

Ver Trazas y Logs

Acceder al Dashboard de Amazon CloudWatch

El dashboard GenAI Observability proporciona:

Trazas end-to-end de solicitudes
Seguimiento de ejecución del agente
Operaciones de recuperación de memoria
Ejecuciones de code interpreter
Pasos de razonamiento del agente
Desglose de latencia por componente

# Obtener la URL del dashboard desde status
agentcore status

# O ir directamente a:
# https://console.aws.amazon.com/cloudwatch/home?region=YOUR-REGION#gen-ai-observability/agent-core
# Nota: Reemplaza YOUR-REGION con tu región

Ver Logs de AgentCore Runtime

Accede a logs detallados para debugging y monitoreo:

# Las rutas correctas de logs se muestran en la salida de invoke o status
agentcore status

# Verás rutas de logs como:
# aws logs tail /aws/bedrock-agentcore/runtimes/AGENT_ID-DEFAULT --log-stream-name-prefix "YYYY/MM/DD/[runtime-logs]" --follow

# Copia este comando de la salida para ver logs
# Ejemplo:
aws logs tail /aws/bedrock-agentcore/runtimes/AGENT_ID-DEFAULT \
  --log-stream-name-prefix "YYYY/MM/DD/[runtime-logs]" \
  --follow

# Para logs recientes, usa la opción --since:
aws logs tail /aws/bedrock-agentcore/runtimes/AGENT_ID-DEFAULT \
  --log-stream-name-prefix "YYYY/MM/DD/[runtime-logs]" \
  --since 1h

Limpieza de Recursos

Para eliminar todos los recursos creados durante este tutorial:

agentcore destroy

Este comando elimina:

Endpoint y agente de AgentCore Runtime
Recursos de AgentCore Memory (memoria a corto y largo plazo)
Repositorio e imágenes de Amazon ECR
Roles IAM (si fueron auto-creados)
Grupos de logs de CloudWatch (opcional)

Solución de Problemas

Problema: Opción de memoria no aparece durante `agentcore configure`

Causa: Versión desactualizada del toolkit (necesitas >= 0.1.21)

Solución:

# Paso 1: Verificar estado actual
which python   # Debería mostrar .venv/bin/python
which agentcore  # Actualmente mostrando ruta global

# Paso 2: Desactivar y reactivar venv para reiniciar PATH
deactivate
source .venv/bin/activate

# Paso 3: Verificar si se solucionó
which agentcore
# Si AHORA muestra .venv/bin/agentcore -> RESUELTO, salta al Paso 7
# Si TODAVÍA muestra ruta global -> continúa al Paso 4

# Paso 4: Forzar que el venv local tome precedencia en PATH
export PATH="$(pwd)/.venv/bin:$PATH"

# Paso 5: Verificar de nuevo
which agentcore
# Si AHORA muestra .venv/bin/agentcore -> RESUELTO, salta al Paso 7
# Si TODAVÍA muestra ruta global -> continúa al Paso 6

# Paso 6: Reinstalar en venv local con precedencia forzada
pip install --force-reinstall --no-cache-dir "bedrock-agentcore-starter-toolkit>=0.1.21"

# Paso 7: Verificación final
which agentcore  # Debe mostrar: /path/to/your-project/.venv/bin/agentcore
pip show bedrock-agentcore-starter-toolkit  # Verificar versión >= 0.1.21
agentcore --version  # Verificar que funciona

# Paso 8: Intentar configurar de nuevo
agentcore configure -e agentcore_starter_strands.py

Verificaciones adicionales:

Asegúrate de ejecutar agentcore configure desde dentro del entorno virtual activado
Si usas un IDE (VSCode, PyCharm), reinicia el IDE después de reinstalar
Verifica que no hay conflictos con instalaciones globales: pip list | grep bedrock-agentcore

Problema: Cambiar configuración de región AWS

# 1. Limpiar recursos en la región incorrecta
agentcore destroy

# 2. Verificar que AWS CLI esté configurado para la región correcta
aws configure get region

# O reconfigurar para la región correcta:
aws configure set region tu-region-deseada

# 3. Asegurarse de que el acceso al modelo de Amazon Bedrock esté habilitado
# Ir a: AWS Console → Amazon Bedrock → Model access

# 4. Copiar código del agente y requirements.txt
# Volver al paso "Configurar y Desplegar"

Problema: Error "Memory status is not active"

# Ejecutar status para verificar el estado de memoria
agentcore status

# Si el estado muestra 'provisioning', espera 2-3 minutos
# Reintentar después de que el estado muestre 'Memory Type: STM+LTM (3 strategies)'

Problema: Memoria cross-session no funciona

Soluciones:

Verificar que la memoria a largo plazo esté activa (no "provisioning")
Esperar 15-30 segundos después de almacenar hechos para la extracción
Verificar logs de extracción para confirmar completitud

Problema: No aparecen trazas

Soluciones:

Verificar que observability fue habilitada durante agentcore configure
Verificar que los permisos IAM incluyen acceso a CloudWatch y X-Ray
Esperar 30-60 segundos para que las trazas aparezcan en CloudWatch
Las trazas son visibles en: AWS Console → CloudWatch → Service Map o X-Ray → Traces

Problema: Logs de memoria faltantes

# Verificar que el grupo de logs existe:
# /aws/vendedlogs/bedrock-agentcore/memory/APPLICATION_LOGS/memory-id

# Verificar que el rol IAM tiene permisos de CloudWatch Logs

Resumen

Has desplegado un agente de producción con:

✅ AgentCore Runtime para orquestación de contenedores administrada

✅ AgentCore Memory con:

Memoria a corto plazo para contexto inmediato
Memoria a largo plazo para persistencia entre sesiones

✅ AgentCore Code Interpreter para ejecución segura de Python con capacidades de visualización de datos

✅ AWS X-Ray Tracing configurado automáticamente para trazabilidad distribuida

✅ Integración con CloudWatch para logs y métricas con Transaction Search habilitado

Todos los servicios están automáticamente instrumentados con trazabilidad X-Ray, proporcionando visibilidad completa del comportamiento del agente, operaciones de memoria y ejecuciones de herramientas a través del dashboard de CloudWatch.

Recursos Adicionales

Repo:
https://github.com/kevinlupera/agentcore-aws-ec

Evento de la charla:

AWS Community Day Ecuador 2025

¡Obtén tu certificación AWS gratis! Vales para niveles Fundacional y Asociado disponibles

Kevin Lupera — Thu, 06 Mar 2025 13:52:20 +0000

¿Estás buscando impulsar tu carrera en la nube? ¡Tenemos excelentes noticias para ti! AWS está ofreciendo vales de certificación 100% gratuitos para sus exámenes de nivel Fundacional y Asociado a través de AWS Educate. Si estás preparándote para una certificación de AWS, ¡esta es tu oportunidad de certificarte sin costo alguno!

¿Qué certificaciones están incluidas?

Nivel Fundacional:
- AWS Certified Cloud Practitioner (CLF-C01)
- AWS Certified AI Practitioner
Nivel Asociado:
- AWS Solutions Architect Associate
- AWS Developer Associate
- AWS SysOps Administrator Associate
- AWS Data Engineer Associate
- AWS Machine Learning Engineer Associate

¿Cómo obtener tu vale gratuito?

Estos vales se obtienen a través de la Comunidad de Talento Emergente de AWS Educate. Para calificar, debes:

Ser mayor de 18 años.
Haber obtenido una insignia calificativa en un programa de capacitación de AWS, como AWS Educate, AWS re/Start o AWS Academy.

Pasos a seguir:

Inicia sesión en AWS Educate: En tu panel de aprendizaje de AWS Educate
Completa el curso "Introducción a la IA generativa" para poder acceder a la comunidad de Talento Emergente, dura 0,75 horas.

https://awseducate.instructure.com/courses/1108

Accede a la Comunidad de Talento Emergente: Una vez que hayas calificado, inicia sesión en AWS Educate y selecciona la pestaña "Comunidad de Talento Emergente" en la barra de navegación superior.

Completa tareas simples para conseguir puntos y reclamar el descuento!!

Reclama tu vale: Dentro de la comunidad, podrás encontrar la opción para reclamar tu vale de certificación.

Información importante:

Es posible que la pestaña "Comunidad de Talento Emergente" tarde hasta 72 horas en aparecer en tu barra de navegación si tu insignia calificativa no es de AWS Educate.
Los vales de nivel Practitioner requieren 4,500 puntos.
Los vales de nivel Associate requieren 5,200 puntos.
Los vales expiran el 31 de agosto de 2025.

¡No pierdas esta oportunidad!

Las certificaciones de AWS son altamente valoradas en la industria y pueden abrirte muchas puertas en tu carrera profesional. ¡Aprovecha esta oportunidad para obtener tu certificación de forma gratuita!

Espero que esta información te sea útil. ¡Mucho éxito en tu certificación!

Create apps using IA free with AWS Bedrock & PartyRock

Kevin Lupera — Sun, 05 Jan 2025 03:55:47 +0000

You must have a structured plan here is where I leave you a remix of an app I edited on AWS PartyRock using Bedrock. Both applications can be. You can create your own application using partyrock by creating one from scratch or by changing an existing one.

Here are two of my applications that I created to prepare for an AWS certification, both a planner and an exam simulation.

Samples:

AWS Certification Planner Español
https://partyrock.aws/u/kevin13k/Oh-eyCc4E/AWS-Certification-Planner-Espanol

Video Demo
https://www.loom.com/share/ec5582630a424995849b78c90757c659?sid=9f4d7d78-2928-4d47-9e97-51d29c76cd0e

AWS Certification Exam Practice Tool - Español
https://partyrock.aws/u/kevin13k/Oh-eyCc4E/AWS-Certification-Planner-Espanol

Video Demo
https://www.loom.com/share/329388d3f9ee4b07aa2fa4b9a50bfb4c?sid=a9b692c7-2ec1-48c3-9c65-5f12c4d79e09

Steps

To do this the first thing we must do is create an account we can use any of the options offered: Google, Apple or Amazon, on the site: https://partyrock.aws/
Clic on "Generate app"
You have two options, one is to do it manually or by typing a description of the application you want the LLM to help you and click on Generate.
Add widget and create logic for your app!

Hope!

Domina el Desarrollo en la Nube: Consejos para la Certificación AWS Certified Developer - Associate

Kevin Lupera — Sun, 05 Jan 2025 03:35:06 +0000

TLDR: Para la certificación AWS Developer, usa cursos online, practica en plataformas como A Cloud Guru, toma apuntes, realiza exámenes de prueba y estudia servicios clave como IAM, S3, Lambda y los de CI/CD. Consulta la guía oficial del examen de AWS.

¿Estás listo para llevar tus habilidades de desarrollo al siguiente nivel y convertirte en un experto en la nube de AWS? La certificación AWS Certified Developer - Associate es un excelente camino para validar tus conocimientos y habilidades en el desarrollo, despliegue y depuración de aplicaciones en la plataforma de Amazon Web Services. En este post, te compartiré algunos consejos prácticos y estrategias que me ayudaron a obtener esta certificación, para que tú también puedas alcanzar este objetivo.

¿Qué evalúa la certificación?

Esta certificación valida tu comprensión integral de la gestión del ciclo de vida de las aplicaciones. Demuestra tu dominio en:

Desarrollo de aplicaciones con las API de servicios de AWS, la CLI de AWS y los SDK.
Uso de contenedores.
Despliegue con una canalización de CI/CD.
Desarrollo, despliegue y depuración de aplicaciones basadas en la nube siguiendo las mejores prácticas de AWS.

Planea y prueba!!

Debes tener un plan estructurado aqui es cuando te dejo un remix de una app que edite en PartyRock de AWS usando Bedrock. Ambas aplicaciones se pueden

AWS Certification Planner Español - Video Demo

AWS Certification Exam Practice Tool - Español - Video Demo

Mis consejos y estrategias:

Elige un buen curso como base: En mi caso, el curso de Stéphane Maarek en Udemy fue fundamental. Busca un curso que te ofrezca una estructura clara, ejemplos prácticos y ejercicios que te permitan aplicar los conocimientos.

Complementa con práctica en plataformas como A Cloud Guru: Si bien un curso te da la base teórica, la práctica es esencial. Plataformas como A Cloud Guru ofrecen laboratorios prácticos y entornos de sandbox donde puedes experimentar con servicios que quizás no hayas usado antes, como Cognito o ECR, lo cual te ayudará a reforzar tu entendimiento.

Toma apuntes a mano: Aunque vivimos en la era digital, escribir a mano puede ser una excelente forma de procesar y memorizar la información. Yo tomé notas con lápiz y papel de los conceptos clave y las áreas que me resultaban más complejas.

Realiza exámenes de práctica: Días antes del examen, dediqué tiempo a realizar los exámenes de práctica que se incluían en la plataforma de A Cloud Guru. Esto me ayudó a familiarizarme con el formato del examen, identificar mis puntos débiles y reforzar los conceptos.

Profundiza en los servicios clave: Asegúrate de comprender a fondo los siguientes servicios, que suelen ser fundamentales en el examen:

IAM (Identity and Access Management): Documentación de IAM - Gestión de identidades y accesos.
S3 (Simple Storage Service): Documentación de S3 - Almacenamiento de objetos.
DynamoDB: Documentación de DynamoDB - Base de datos NoSQL.
Lambda: Documentación de Lambda - Computación sin servidor.
API Gateway: Documentación de API Gateway - Creación y gestión de APIs.
EC2 (Elastic Compute Cloud): Documentación de EC2 - Servidores virtuales en la nube.
ECS/EKS (Elastic Container Service/Elastic Kubernetes Service):
Documentación de ECS
Documentación de EKS - Orquestación de contenedores.
CloudFormation: Documentación de CloudFormation - Infraestructura como código.
CloudWatch: Documentación de CloudWatch - Monitorización y observabilidad.
X-Ray: Documentación de X-Ray - Trazado de aplicaciones.
CodePipeline/CodeBuild/CodeDeploy:
Documentación de CodePipeline
Documentación de CodeBuild
Documentación de CodeDeploy - Servicios de CI/CD.

Consulta la guía del examen: La guía oficial del examen de AWS es un recurso invaluable. En ella encontrarás información detallada sobre los dominios del examen, los servicios que se evalúan y ejemplos de preguntas. Puedes encontrarla en el sitio web de AWS: Guía del Examen AWS Certified Developer - Associate

Conclusión:

Obtener la certificación AWS Certified Developer - Associate requiere dedicación y esfuerzo, pero con una buena estrategia y los recursos adecuados, es totalmente alcanzable. Espero que estos consejos te sean útiles en tu camino hacia la certificación. ¡Mucho éxito!

Llamada a la acción:

¿Tienes alguna otra pregunta sobre la certificación? ¡Déjame un mensaje por Linkedin o email!

Recursos adicionales:

AWS Lambda Optimizations 👨‍💻

Kevin Lupera — Tue, 12 Nov 2024 02:59:54 +0000

This post was written with the support of Alexis Polo @aledpolo

Spanish Version

Use packers such as esbuild or webpack, in several tests performed there was evidence of improvement using esbuild for compilation time and size here is a reference. Both have offline support.

Using Graviton2

Workloads
Multithreading or performing many I/O operations
Machine learning inference based on CPUs
Video encoding
Gaming
Processing
Cost
20% cheaper, including provisioned concurrency
Supported on Compute Savings Plans
Serverless Framework configuration
The following line architecture: 'arm64' must be added

serverless.yml provider: architecture: 'arm64'

Using AWS Lambda Power Tunning

Measuring cost efficient memory size is one of the easiest and most useful optimization practices.
By default using frameworks like serverless framework or SAM you can granularly define the amount of memory to each lambda but it is good how much memory and vCPU (Virtual CPUs) provide better response times and with it better.
We have a lambda that performs a read operation on a DB and brings 50 records for which we have a comparative table with the different memory configurations, response times and cost.

A very important fact is that the 128 MB configuration has a similar cost to the 1536 MB option but the time difference is significant 10 to 1.
More memory does not always mean higher costs

Guide for use

Choose the option that involves the least effort option #1. Open the following link
Application Search - AWS Serverless Application Repository while logged into your AWS account.
In the following template you can configure the range of RAM allowed for the evaluation

Once the creation process is finished, click on the link powerTuningStateMachine

Enter the json with the information of the lambda to be tested

{ "lambdaARN": "your-lambda-function-arn", "powerValues": [128, 256, 512, 1024, 2048, 3008], "num": 10, "payload": "{}", "parallelInvocation": true, "strategy": "cost" }

Start of execution

We have the following result which gives us very useful information to make adjustments in our lambda

Result Interpretation

Once finished, the stack must be deleted, for this we go to CloudFormation > Stacks, select the power Tunings stack and delete it, thus deleting all the resources created, to avoid incurring additional costs.

References:

Performance optimization — AWS Lambda
Lambda execution environments — AWS Lambda
Memory and computing power — AWS Lambda
Optimizing static initialization — AWS Lambda
Architecture and Best Practices — AWS Lambda
Profiling functions with AWS Lambda Power Tuning — AWS Lambda
GitHub — alexcasalboni/aws-lambda-power-tuning