Ingeniería de IA aplicada
Artículos técnicos, librerías open source y casos reales de cómo llevar modelos de lenguaje a producción: protección de datos, integraciones con Spring AI, arquitectura de prompts. Nada de cursos de pago ni "plazas limitadas" — solo ingeniería, con código que puedes auditar.
# El usuario escribe:
"Mi DNI es 12345678Z, clave sk-proj-Ab3xK9..."
# La IA recibe (ofuscado):
"Mi DNI es ~REDACTED:DNI#1c9f96~,
clave ~REDACTED:OPENAI_API_KEY#f2a8d1~"
# Respuesta final (restaurada):
"El DNI 12345678Z es válido ✓"
la IA nunca ve los datos reales
Las librerías de las que hablamos, como Prompt Shield, están publicadas en Maven Central y GitHub bajo licencia Apache 2.0. Puedes leer el código fuente, no solo el marketing.
El contenido sale de problemas reales resueltos en productos en producción como Xestando, no de ejercicios teóricos pensados para vender un curso.
No vas a encontrar cuentas atrás, "descuento por tiempo limitado" ni testimonios de stock. El contenido técnico es gratuito y el código es verificable.
Contenido técnico basado en librerías reales, publicadas y mantenidas en abierto.
Cómo ofuscar DNI, emails, IBAN y ahora también claves de OpenAI, AWS, GitHub, Stripe y otros 16 servicios antes de enviar un prompt a un LLM — y restaurar los valores reales en la respuesta, sin que el modelo los vea nunca.
Integración paso a paso del advisor de Prompt Shield en un ChatClient de Spring AI, con configuración y código de ejemplo.
Ver ejemplo