HackUDC 2025: CompetenciApp

Potenciando tu aplicación con datos e IA

Este repositorio se corresponde con los ejercicios vistos en el Workshop impartido por Gradiant en la HackUDC 2025.

Ollama

Tras instalar Ollama podemos lanzar el servidor.

ollama serve

Ollama Run

La forma más básica de interactuar con los modelos es lanzar uno desde la consola.

ollama run llama3.2:1b

Ollama REST API

El servidor expone una API REST con la que también podremos interactuar. La API ya nos empieza a ofrecer más flexibilidad para realizar tareas de forma programática.

CURL

curl http://localhost:11434/api/chat -d '{
  "model": "llama3.2:1b",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue?"
    }
  ],
  "stream": false
}'

Python

pip install requests

import requests

url = 'http://localhost:11434/api/chat'

data = {
  "model": "llama3.2:1b",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue?"
    }
  ],
  "stream": False
}

response = requests.post(url, json=data)
print(response.text)

Ollama SDK

Utilizaremos el SDK de Python: ollama-python

pip install ollama

from ollama import chat
from ollama import ChatResponse

response: ChatResponse = chat(model='llama3.2:1b', messages=[
  {
    'role': 'user',
    'content': 'Why is the sky blue?',
  },
])

print(response.message.content)

LangChain

LangChain repository

LangChain nos ofrece la posibilidad de hacer pipelines de manera sencilla y tiene integración con Ollama.

pip install langchain
pip install langchain-ollama

from langchain_ollama.chat_models import ChatOllama

model = ChatOllama(model = "llama3.2:1b")

messages = [
    {
        "role": "user",
        "content": "Why is the sky blue?"
    }
]

response = model.invoke(messages)

print(response.content)

LangChain: Plantillas

from langchain_ollama.chat_models import ChatOllama
from langchain_core.prompts import ChatPromptTemplate

model = ChatOllama(model = "llama3.2:1b", temperature = 0)

system_template = "Translate the following from English into {language}"

prompt_template = ChatPromptTemplate.from_messages(
    [("system", system_template), ("user", "{text}")]
)

message = {"language": "Spanish", "text": "Car is blue"}

prompt = prompt_template.invoke(message)

response = model.invoke(prompt)

print(response.content)

LangChain: Datos estructurados

from langchain_ollama.chat_models import ChatOllama
from langchain_core.prompts import ChatPromptTemplate

model = ChatOllama(model = "llama3.2:1b", temperature = 0)

from pydantic import BaseModel, Field
class ResponseFormatter(BaseModel):
    item: str = Field(description="The object refered in the sentence")
    color: str = Field(description="The color of the object")

model_with_structure = model.with_structured_output(ResponseFormatter)

message = "The car is blue."

structured_output = model_with_structure.invoke(message)

print(structured_output.model_dump_json())

Tip para el reto

from langchain_ollama.chat_models import ChatOllama
from langchain_core.prompts import ChatPromptTemplate

model = ChatOllama(model = "llama3.2:1b", temperature = 0)

from pydantic import BaseModel, Field
class ResponseFormatter(BaseModel):
    action: str = Field(description="The action that took place")
    item: str = Field(description="The element that the action refers to")
    date: str = Field(description="Relative days ago when the action took place")

model_with_structure = model.with_structured_output(ResponseFormatter)

message = "I've watched a microservices tutorial two days ago."

structured_output = model_with_structure.invoke(message)

print(structured_output.model_dump_json())

Otras fuentes de datos

CLOC

CLOC es una herramienta para contar líneas de código pero nos ofrece la posibilidad de detectar el lenguaje.

cloc README.md

cloc ./ --by-file --csv --quiet --report-file=cloc_report.csv

Git Log

Git log nos muestra el historial de cambios del repo.

git log

Podemos hacer un listado de personas que han modificado un fichero ...

git log --pretty=format:'%an' -- README.md | sort -u

Git Blame

Git blame nos dice quién ha modificado cada línea de código de un fichero

git blame README.md

Jugando con los parámetros podemos aislar el nombre de quien ha modificado una línea concreta ...

git blame --porcelain -L 5,5 README.md | sed -n 's/^author //p'