Reto de ingreso
a RAS UTEC.
Construye un agente que consulte inventario, recuerde contexto y pida confirmación.Puedes hacerlo en tu computadora, sin AWS. Bedrock es opcional.
Completa cinco TODO en student_agent.py. Tu agente consultará el inventario de Nébula y preparará solicitudes con confirmación humana.
ZIP · CloudPaw_Kit_Postulantes.zip · Python 3.12+
Prepara una solicitud.
Un agente para consultar
y preparar solicitudes.
La consulta inicial ya funciona. Completa las cinco tareas y prueba tu agente con el evaluador local.
Consulta el inventario de filtros.
Usa consultar_inventario para obtener la cantidad y el identificador de la fuente.
Recuerda el artículo y pide confirmación.
Después de consultar filtros, «necesitamos dos más» debe preparar una solicitud de dos filtros para que el usuario la revise.
Cinco TODO en student_agent.py
- Recordar el artículo. Entender «dos más» después de consultar filtros.
- Preparar la solicitud. Validar una cantidad entera de 1 a 10.
- Pedir confirmación. Mostrar la propuesta pendiente y esperar al usuario.
- Responder ante errores. Manejar datos ausentes y herramientas que fallan.
- Respetar los límites. Rechazar acciones no permitidas, aunque las sugiera el modelo.
Completa las cinco tareas de la plantilla. La voz es opcional.
- 01 / CONSULTA
«¿Cuántos filtros quedan?»
consultar_inventario("filtros") - 02 / EVIDENCIA
7 filtros · fuente
obs-1«Necesitamos dos más» → propuesta de 2 filtros. Aún no se registra.
- 03 / CONFIRMACIÓN HUMANA
El usuario revisa artículo y cantidad y confirma la propuesta.
Solo entonces el host registra la solicitud.
De la descarga a tu entrega.
El reto es individual. Puedes usar IA para programar; debes comprender y explicar lo que entregas.
- 01
Descarga el reto
Extrae
Ver los comandos de arranque →Consultar la guía PDF ↓CloudPaw_Kit_Postulantes.zipen una carpeta nueva. AbreEMPIEZA_AQUI.mdy completastudent_agent.py. - 02
Desarrolla y prueba en mock
Con Python 3.12+, ejecuta el chat y el evaluador en tu computadora. Revisa las trazas, los errores y la confirmación humana.
python3 -m missionlab evaluate --provider mock --out resultados.jsonRevisa los casos que fallan y completa los TODO pendientes.
- 03
Entrega tu carpeta y envía el enlace
Sube una CARPETA con tu NOMBRE COMPLETO y TODO tu desarrollo al Drive. Envía el enlace de esa carpeta a ras@utec.edu.pe dentro del plazo.
Revisar entregables y criterios →
Muestra cómo lo resolviste.
Seleccionaremos a una persona por su solución y por cómo explica su trabajo.
Una defensa de 3 a 5 minutos
Explica una decisión, demuestra un caso y adapta una parte de tu código.
Mock y AWS se evalúan con la misma rúbrica de 100 puntos.
Tu paquete de entrega
Qué mostrar en el video
- Consulta un artículo y muestra la fuente del resultado.
- Escribe «necesitamos dos más» para mostrar que conserva el contexto.
- Revisa la propuesta, confirma o cancela y muestra los resultados del evaluador.
Revisa los permisos de tu carpeta antes de enviar el enlace.
Sube una CARPETA con tu NOMBRE COMPLETO al Drive con TODO tu desarrollo. Envía el enlace a ras@utec.edu.pe.
Dudas: IEEE RAS UTEC · ras@utec.edu.pe o David Caballero · WhatsApp +51 947 837 187 (Perú) ↗.
Guarda esta lista para revisar tus archivos antes de enviar.
Un apoyo cuando lo necesites.
Laboratorios, proyectos y videos opcionales para apoyar tu desarrollo.
Ejecuta un ejemplo de Python del kit de aprendizaje y compáralo con su solución.
DEMOSTRACIÓNProbar la demo de la web →Consulta, pide dos unidades y revisa cómo se confirma una propuesta.
La robótica también necesita criterio humano.
Trabaja con herramientas, revisa sus resultados y define cuándo debe intervenir una persona.
Primero comprende el flujo. La nube es opcional.
Empieza con mock en tu computadora. Si tienes acceso autorizado, puedes usar Bedrock siguiendo AWS.md.
El problema
del inventario.
Consulta los archivos para conocer el problema del inventario.
Nébula necesita un agente de operaciones.
La tormenta dejó a Nébula sin su asistente de operaciones. Los suministros están registrados, pero nadie puede consultarlos con normalidad.
Tu trabajo será construir un agente que consulte el inventario, prepare solicitudes y recuerde de qué están hablando. Ninguna solicitud se registra sin autorización humana.
«Mis patas funcionan. Mi agenda necesita mantenimiento.»P.A.W. / UNIDAD DE APOYO
Un contexto para tu agente.
Los archivos explican el problema; las reglas y entregables están en el reto.
Ver qué construir →Aprende con
ejemplos resueltos.
Ejemplos resueltos para aprender a usar herramientas, conservar contexto y manejar errores.
Elige una unidad, ejecuta el ejemplo en mock y modifica el código.
Elegir una prácticaLaboratorios y proyectos
Referencia rápida · conceptos del agente
Úsala para repasar un concepto.
El agente dice: «Ya lo registré».
¿Qué evidencia falta para creerle?
Consulta la documentación
Abre la referencia de la tarea que estás trabajando.
Descarga el reto.
Empieza aquí.
El kit contiene la plantilla de tu agente, las herramientas y las pruebas. Completa los cinco TODO de student_agent.py.
Un mismo ZIP, con AWS o sin AWS.
Descarga CloudPaw_Kit_Postulantes.zip y extrae todo en una carpeta nueva llamada reto-nebula.
Abre EMPIEZA_AQUI.md dentro de la carpeta. Para empezar sin AWS, usa los comandos de abajo. Si eliges AWS, sigue también AWS.md del mismo kit.
Extrae el ZIP en una carpeta nueva y abre la terminal dentro.
Qué observar y cómo seguir
Reto: en el chat escribe «¿Cuántos filtros quedan?», después «Necesitamos dos más». Comprueba que tu agente recuerde el artículo en el segundo mensaje. Usa /exit para salir y ejecuta la evaluación del bloque.
Revisa los casos del evaluador y completa tus cinco TODO. Importa resultados.json en el Laboratorio para revisar cada caso.
Aprendizaje: L00 imprime una lista de preparación. Sigue EMPIEZA_AQUI.md en esa carpeta y vuelve a la Academia para L01.
Si falta Python o un módulo, comprueba la versión y los archivos de la carpeta extraída.
¿Necesitas un ejemplo resuelto?
El kit de aprendizaje contiene siete laboratorios y dos proyectos para practicar. Descárgalo aparte si necesitas apoyo.
Extrae CloudPaw_Kit_Aprendizaje.zip en aprendizaje-nebula. Usa «Arrancar el aprendizaje» en el bloque de comandos.
Cómo se comunica tu agente.
Tu agente recibe JSON y devuelve una decisión: pedir al modelo, llamar una herramienta o responder con evidencia. El host conserva el estado real.
{
"kind": "tool",
"name": "consultar_inventario",
"arguments": {"item_id": "filtros"},
"memory": {}
}Prueba una demo.
Revisa tus resultados.
Prueba el chat de esta web o importa el reporte que generaste con tu propio agente.
Demo en esta web
- Consulta
Pregunta cuántos filtros quedan.
- Pide dos más
Escribe «necesitamos dos más».
- Revisa la propuesta
Confirma o cancela la solicitud.
Solicitados: abastecimiento confirmado, aún no recibido.
Reporte de tu agente
Ejecuta el evaluador local e importa resultados.json para revisar cada caso.
Una nueva guardia.
Otro inventario.
La estación recibió un cargamento diferente. Consulta baterías, pide tres más y confirma. Luego pregunta por un artículo que no existe.