Howdy
Hero background

Nuestro blog

Más allá del script: cuando Python se convierte en producto

Howdy se sumó como sponsor a la meetup de Pythonistas GDL, donde dos charlas mostraron cómo construir agentes inteligentes con LangGraph y Google Cloud, y cómo transformar scripts en productos reales usando NiceGUI para crear interfaces web en puro Python.

Publicado:
LinkedInTwitter
Phytonistas GDL meetup
Logotipo de Howdy.com
Redacción Howdy.com

Contenido

    El pasado viernes 24 de abril, en la ciudad de Guadalajara, la comunidad Pythonistas GDL organizó una meetup para demostrar que Python ya no es solo una herramienta de automatización o análisis de datos.

    Howdy estuvo presente como sponsor apoyando a la comunidad y a las dos charlas de la noche: una sobre agentes autónomos con Python y Google Cloud, y otra sobre NiceGUI para crear interfaces web en puro Python.

  1. Un chatbot no es inteligencia artificial
  2. José Muñoz comenzó su charla partiendo de una idea clara: un chatbot es apenas la forma más básica de inteligencia artificial. Los bots tradicionales dependen de flujos lineales, prompts enormes y condiciones perfectas. En el momento en que algo falla (un timeout, una consulta mal generada, un error tipográfico del usuario) el sistema no tiene cómo recuperarse.

    La alternativa que propuso es pensar en agentes: sistemas con estado compartido, capacidad de razonar sobre sus propios pasos, acceso a herramientas especializadas y, sobre todo, mecanismos de autocorrección. Para demostrarlo, comparó una implementación con LangChain puro contra un agente construido con LangGraph sobre Google Cloud, usando datos públicos de MiBici GDL (Sistema de Bicicletas Públicas) cargados en BigQuery.

    El resultado fue elocuente. Frente a preguntas con errores tipográficos, referencias semánticas como "Chapu" (en lugar de Chapultepec) o consultas complejas que combinaban geolocalización, género y año, el agente no solo respondió mejor. También fue más rápido, porque podía introspectar el esquema, corregir queries en tiempo real y reintentar sin intervención humana.

    Nunca confíes ciegamente en un LLM

    Entre líneas, José dejó una advertencia que vale para cualquier equipo que esté incorporando IA a sus productos: el salto real no es usar un modelo más grande, sino diseñar la arquitectura alrededor de él. Herramientas bien definidas, estado compartido, validaciones externas y capacidad de recuperación ante errores son lo que separa un prototipo bonito de un sistema que funciona en producción.

  3. Del código al usuario: el eslabón que falta
  4. Juan Carlos Sedano comenzó su charla con un problema conocido: existe mucho código Python útil (scripts, modelos, agentes) pero nunca llega a manos de usuarios reales. Las opciones tradicionales para cambiar eso, ya sea Tkinter, PyQt o Flask con HTML/CSS/JS, implican curvas de aprendizaje altas y tiempo que no siempre se tiene. Streamlit y Gradio son prácticos para demos de machine learning, pero tienen un foco acotado. Ahí entra NiceGUI: un framework que permite construir interfaces web, e incluso aplicaciones de escritorio, usando principalmente Python..

    Con pocos imports, Juan Carlos mostró labels, botones, sliders, checkboxes, layouts con contenedores, estilos vía Tailwind, callbacks asíncronos sobre WebSockets, data binding y rutas decoradas al estilo FastAPI. Todo desde Python, con recarga automática y sin tocar una línea de JavaScript. Por debajo corre FastAPI, Vue 3 y Quasar, pero esa complejidad queda abstraída para quien solo necesita que las cosas funcionen.

    NiceGUI no reemplaza a React, y no tiene que hacerlo

    El punto no es competir con frameworks frontend de escala empresarial. NiceGUI brilla donde lo que importa es mostrar valor rápido: herramientas internas, dashboards, monitoreo, IoT, robótica, o cualquier escenario donde convertir un script en una interfaz usable vale más que meses de desarrollo frontend.

  5. La combinación que lo cambia todo
  6. Lo más interesante de la noche fue ver cómo las dos charlas se complementaron sin haberlo planeado explícitamente. José mostró cómo construir sistemas que perciben contexto, eligen herramientas y se corrigen solos. Juan Carlos mostró cómo ponerles una cara amigable sin salir de Python. Juntas, las dos charlas articularon una idea poderosa: sin cambiar de lenguaje de programación se puede realizar desarrollo agéntico para backend y un lindo frontend para disfrutar de su uso

    En Howdy apoyamos estas conversaciones porque creemos que las mejores ideas, y el mejor talento tech, nacen en comunidad.

    Si te perdiste la meetup, puedes ver el stream completo aquí:

    [@portabletext/react] Unknown block type "blogPostYouTube", specify a component for it in the `components.types` prop

El pasado viernes 24 de abril, en la ciudad de Guadalajara, la comunidad Pythonistas GDL organizó una meetup para demostrar que Python ya no es solo una herramienta de automatización o análisis de datos.

Howdy estuvo presente como sponsor apoyando a la comunidad y a las dos charlas de la noche: una sobre agentes autónomos con Python y Google Cloud, y otra sobre NiceGUI para crear interfaces web en puro Python.

Un chatbot no es inteligencia artificial

José Muñoz comenzó su charla partiendo de una idea clara: un chatbot es apenas la forma más básica de inteligencia artificial. Los bots tradicionales dependen de flujos lineales, prompts enormes y condiciones perfectas. En el momento en que algo falla (un timeout, una consulta mal generada, un error tipográfico del usuario) el sistema no tiene cómo recuperarse.

La alternativa que propuso es pensar en agentes: sistemas con estado compartido, capacidad de razonar sobre sus propios pasos, acceso a herramientas especializadas y, sobre todo, mecanismos de autocorrección. Para demostrarlo, comparó una implementación con LangChain puro contra un agente construido con LangGraph sobre Google Cloud, usando datos públicos de MiBici GDL (Sistema de Bicicletas Públicas) cargados en BigQuery.

El resultado fue elocuente. Frente a preguntas con errores tipográficos, referencias semánticas como "Chapu" (en lugar de Chapultepec) o consultas complejas que combinaban geolocalización, género y año, el agente no solo respondió mejor. También fue más rápido, porque podía introspectar el esquema, corregir queries en tiempo real y reintentar sin intervención humana.

Nunca confíes ciegamente en un LLM

Entre líneas, José dejó una advertencia que vale para cualquier equipo que esté incorporando IA a sus productos: el salto real no es usar un modelo más grande, sino diseñar la arquitectura alrededor de él. Herramientas bien definidas, estado compartido, validaciones externas y capacidad de recuperación ante errores son lo que separa un prototipo bonito de un sistema que funciona en producción.

Del código al usuario: el eslabón que falta

Juan Carlos Sedano comenzó su charla con un problema conocido: existe mucho código Python útil (scripts, modelos, agentes) pero nunca llega a manos de usuarios reales. Las opciones tradicionales para cambiar eso, ya sea Tkinter, PyQt o Flask con HTML/CSS/JS, implican curvas de aprendizaje altas y tiempo que no siempre se tiene. Streamlit y Gradio son prácticos para demos de machine learning, pero tienen un foco acotado. Ahí entra NiceGUI: un framework que permite construir interfaces web, e incluso aplicaciones de escritorio, usando principalmente Python..

Con pocos imports, Juan Carlos mostró labels, botones, sliders, checkboxes, layouts con contenedores, estilos vía Tailwind, callbacks asíncronos sobre WebSockets, data binding y rutas decoradas al estilo FastAPI. Todo desde Python, con recarga automática y sin tocar una línea de JavaScript. Por debajo corre FastAPI, Vue 3 y Quasar, pero esa complejidad queda abstraída para quien solo necesita que las cosas funcionen.

NiceGUI no reemplaza a React, y no tiene que hacerlo

El punto no es competir con frameworks frontend de escala empresarial. NiceGUI brilla donde lo que importa es mostrar valor rápido: herramientas internas, dashboards, monitoreo, IoT, robótica, o cualquier escenario donde convertir un script en una interfaz usable vale más que meses de desarrollo frontend.

La combinación que lo cambia todo

Lo más interesante de la noche fue ver cómo las dos charlas se complementaron sin haberlo planeado explícitamente. José mostró cómo construir sistemas que perciben contexto, eligen herramientas y se corrigen solos. Juan Carlos mostró cómo ponerles una cara amigable sin salir de Python. Juntas, las dos charlas articularon una idea poderosa: sin cambiar de lenguaje de programación se puede realizar desarrollo agéntico para backend y un lindo frontend para disfrutar de su uso

En Howdy apoyamos estas conversaciones porque creemos que las mejores ideas, y el mejor talento tech, nacen en comunidad.

Si te perdiste la meetup, puedes ver el stream completo aquí:

2xe5fiR1BU4 - - thumbnail