REPL, notebooks y desarrollo exploratorio

← SE-100 — Compiladores, linters, formatters y análisis estático · ↑ Parte 08 · 📚 Índice completo · 🌐 Portal · SE-102 — Gestores de versiones de runtimes →

Punto profesional y fundamento pedagógico

Punto profesional. La clase existe para usar REPL y notebooks para explorar conservando orden, estado y transición a artefactos reproducibles.

Por qué aparece aquí. Se sitúa después de Compiladores, linters, formatters y análisis estático y antes de Gestores de versiones de runtimes: convierte el conocimiento anterior en una decisión observable que la clase siguiente podrá reutilizar. La continuidad se comprueba en el artefacto, no por compartir vocabulario.

Error conceptual que debe corregir. Creer que celdas visibles documentan el orden ejecutado.

Secuencia de aprendizaje. Antes de leer la solución, el estudiante predice el resultado del caso normal y del error conceptual anterior. Luego explica un caso resuelto paso a paso, construye un contraejemplo que cambie la decisión y, sin consultar el texto, reconstruye el mecanismo y lo aplica a una entrada nueva. La secuencia usa predicción, explicación propia, contraste y recuperación. ICAP distingue participación de construcción de conocimiento; How People Learn II exige conectar conocimiento previo, contexto y transferencia; la práctica de recuperación respalda producir de nuevo la explicación tras una demora; y Education for Life and Work exige devolución que explique la causa del error.

Evidencia de aprendizaje. Exploration-log.md con kernel limpio, orden, dependencia oculta y script extraído. Debe contener predicción previa, observación, explicación causal, contraejemplo, criterio de aceptación y una nota de qué dato haría cambiar la conclusión.

Límite de la conclusión. Una sesión interactiva no es por sí sola un pipeline reproducible.

Trazabilidad fuente → afirmación

Antes de empezar

Esta clase continúa el entorno reproducible de diagnóstico de la Parte 08. Recupera la evidencia de la clase anterior, añade una decisión propia de REPL, notebooks y desarrollo exploratorio y deja un artefacto que la clase siguiente deberá consumir. La pregunta activa es: ¿Cómo explorar rápidamente sin convertir estado invisible y orden de celdas en evidencia falsa?

Prerrequisitos

• Haber completado la clase anterior o reconstruir su contrato y evidencia.
• Python 3.11 o posterior, terminal, editor y Git; un segundo runtime es opcional y debe declararse.
• Trabajar con fixtures sintéticos: ninguna observación necesita datos de una persona o sistema real.

Problema auténtico

Una persona demuestra el fallo en notebook, pero Run all no lo reproduce: una celda antigua modificó datos y una importación conserva código previo.

Objetivos observables

Al terminar podrás explicar los cinco mecanismos de esta clase, predecir su comportamiento antes de ejecutar, construir un caso normal y uno límite, diagnosticar el fallo controlado, comparar una alternativa y entregar evidencia que otra persona pueda reproducir.

Mapa conceptual

flowchart LR
    N1[REPL / ciclo de realimentación] --> N2[Notebook / grafo oculto] --> N3[Exploración frente a producto] --> N4[Proveniencia de datos] --> N5[Narrativa / verificación]
    N5 -->|fallo o cambio| N1

El mapa se lee como una cadena de razonamiento, no como fases obligatorias del runtime. La flecha de retorno indica que un fallo o cambio de requisito obliga a revisar el modelo inicial; no autoriza a parchear solo la última salida.

Temas y por qué importan

Conceptos y decisiones

1. REPL y ciclo de realimentación

Read-eval-print permite probar expresiones y observar tipos o invariantes con baja fricción. El proceso conserva nombres, imports y mutaciones. Una sesión útil termina convirtiendo la observación en script o prueba que empieza desde estado limpio.

2. Notebook y grafo oculto

Visualmente las celdas tienen orden, pero pueden ejecutarse en otra secuencia. Salidas persistidas tampoco prueban qué código las produjo. Reiniciar kernel y ejecutar todo revela dependencias; parametrizar separa entrada de estado interactivo.

3. Exploración frente a producto

Explorar tolera caminos muertos y visualización provisional; producto necesita interfaz, pruebas y ownership. Pasar de uno a otro requiere extraer funciones, datos pequeños y un comando reproducible, no desplegar el notebook sin revisión.

4. Proveniencia de datos

Toda tabla o gráfico debe indicar origen, transformación, versión y filtros. Copiar datos manualmente destruye trazabilidad. El entorno reproducible de diagnóstico usa fixtures sintéticos guardados y hashes cuando la fuente es externa autorizada.

5. Narrativa y verificación

Una explicación ordena pregunta, método, resultado y límite. Output rico puede ocultar stderr o truncamiento. Se conserva también una representación textual accesible y una aserción que haga fallar la conclusión incorrecta.

Definiciones de trabajo

• repl y ciclo de realimentación: read-eval-print permite probar expresiones y observar tipos o invariantes con baja fricción.
• notebook y grafo oculto: visualmente las celdas tienen orden, pero pueden ejecutarse en otra secuencia.
• exploración frente a producto: explorar tolera caminos muertos y visualización provisional; producto necesita interfaz, pruebas y ownership.
• proveniencia de datos: toda tabla o gráfico debe indicar origen, transformación, versión y filtros.
• narrativa y verificación: una explicación ordena pregunta, método, resultado y límite.

Las definiciones son operativas para el entorno reproducible de diagnóstico. No convierten términos con historia más amplia en sinónimos y deben contrastarse con la documentación primaria enlazada al final.

Ejemplo mínimo

>>> from algorithm_library.priority import key
>>> key({"priority": 5, "arrival": 2})
(-5, 2)
>>> # El hallazgo se traslada a una prueba desde proceso limpio.

Antes de ejecutar, predice estado, resultado y error. Después registra versión, comando y salida. Si el fragmento es pseudocódigo o pertenece a otro lenguaje, etiquétalo como tal y no afirmes que fue ejecutado.

Ejemplo profesional

En el entorno reproducible de diagnóstico, una investigación conserva síntoma, entorno, reproducción, hipótesis, observaciones, causa, corrección y regresión. La implementación de esta clase debe conservar ese contrato aunque cambie la forma interna. El caso profesional no pregunta únicamente si produce una salida: pregunta quién puede producirla, qué estado observa, cómo falla y qué rastro permite disputar una decisión incorrecta.

Compara el caso normal con autorización falsa, evidencia incompleta, empate y repetición. Un mecanismo es apropiado cuando esas diferencias quedan visibles y localizadas; es peligroso cuando dependen de orden accidental, estado oculto o una convención que el consumidor no puede conocer.

Práctica guiada

1. Copia el contrato de entrada y salida antes de escribir implementación.
2. Predice el caso normal y un límite; identifica la invariante que no puede romperse.
3. Implementa la versión mínima sin I/O dentro del núcleo.
4. Ejecuta el caso y conserva comando, versión y salida bajo evidence/.
5. Introduce el fallo controlado, reduce la reproducción y formula dos hipótesis rivales.
6. Corrige la causa, añade regresión y ejecuta el conjunto completo.
7. Compara con otro paradigma o lenguaje indicando qué semántica se preserva.

Ejercicios

1. Lectura: dibuja una traza de cinco pasos y marca dónde cambia estado o control.
2. Construcción: añade una observación que refute una hipótesis sin cambiar simultáneamente el sistema.
3. Frontera: cubre vacío, empate, no autorizado e inválido con resultados distintos.
4. Contraste: reescribe una pieza con otro modelo y explica una mejora y una pérdida.

Reto verificable

Entrega implementación, fixtures, pruebas y un informe corto. Se aprueba si otra persona ejecuta desde checkout limpio, obtiene los mismos resultados y puede relacionar cada rama o transformación con una regla del dominio. No se aprueba por cantidad de archivos ni por usar la sintaxis característica del paradigma.

Caso conductor

El entorno reproducible de diagnóstico parte de una inversión de empates en la biblioteca de estructuras y algoritmos, captura versión y entrada mínima, compara un entorno sano con uno afectado y conserva la primera divergencia observable. Cambia después una sola regla o condición y revisa qué archivos, pruebas y trazas debieron modificarse. Esa superficie de cambio alimenta el proyecto final de la parte.

Preguntas frecuentes

¿Una técnica o herramienta determina toda la arquitectura?

No. Puede organizar un núcleo o una frontera sin dominar el sistema completo. Combinar técnicas es válido si las fronteras preservan identidad, orden, errores y evidencia.

¿Más automatización o menos líneas significan una solución mejor?

No. La brevedad puede quitar duplicación o esconder decisiones. Se evalúan semántica, diagnóstico, costo de cambio y adecuación a la carga.

¿Debo instalar todas las herramientas mencionadas?

No. Instala solo lo necesario para la práctica elegida. Registra versión y comandos; si solo analizas una notación o salida, decláralo como análisis no ejecutado.

Fallo controlado y diagnóstico

Ejecuta celdas fuera de orden hasta que la variable cases contiene un fixture antiguo. Reinicia, Run all, extrae el caso mínimo a JSON y añade una prueba.

Registra síntoma, entrada mínima, hipótesis, observación que descarta cada hipótesis, causa, corrección y prueba de regresión. No cambies simultáneamente implementación, fixture y expectativa.

Errores comunes y cómo corregirlos

Entorno y archivos clave

work/SE-101/
├── README.md
├── diagnostic_environment/
│   ├── domain.py
│   └── se_101.py
├── fixtures/cases.json
├── tests/test_se_101.py
└── evidence/diagnosis.md

El README declara plataforma, runtimes, comandos, limpieza y límites. Evita dependencias externas cuando la biblioteca estándar permita observar el mecanismo; si agregas una, fija procedencia y versión.

Seguridad, ética y accesibilidad

• la autorización forma parte del dominio y no se infiere por ausencia de rechazo;
• no uses eval, reglas descargadas ni serialización insegura;
• limita colas, recursión, tamaño de entrada y tiempo de evaluación;
• redacta trazas y conserva una explicación textual además de color o animación;
• una recomendación automatizada debe poder revisarse, impugnarse y corregirse;
• respeta licencias de ejemplos y atribuye adaptaciones.

Transferencia

Traslada un fixture al segundo modelo, herramienta, plataforma o lenguaje. Compara representación de ausencia, error, mutabilidad, orden y cancelación. La transferencia está lograda cuando el contrato se conserva y las diferencias están explicadas, no cuando la interfaz se parece.

Evaluación y evidencia

Fuentes

• Language Server Protocol 3.18 — Mensajes, capacidades y sincronización entre editor y servidor; autoridad: Microsoft.
• Debug Adapter Protocol — Breakpoints, frames, variables y negociación de capacidades; autoridad: Microsoft.
• Python Debugging and Profiling — Pdb, cprofile, timeit, tracemalloc y límites instrumentales; autoridad: Python Software Foundation.
• Python venv — Aislamiento de intérprete, scripts y entorno virtual; autoridad: Python Software Foundation.
• Development Container Specification — Configuración reproducible de herramientas y ciclo de vida del contenedor; autoridad: Dev Container Specification maintainers.
• Web Content Accessibility Guidelines 2.2 — Percepción, operación por teclado y reducción de barreras en interfaces; autoridad: W3C.

Cada fuente respalda el mecanismo indicado; ninguna demuestra que la implementación del entorno reproducible de diagnóstico sea correcta. Esa afirmación depende de fixtures, pruebas, trazas y revisión reproducible.

Límites y siguiente paso

Un proceso limpio aún puede usar otra versión de runtime. La siguiente clase fija instalación y selección del intérprete sin esconder el mecanismo.

Glosario

• repl y ciclo de realimentación: read-eval-print permite probar expresiones y observar tipos o invariantes con baja fricción.
• notebook y grafo oculto: visualmente las celdas tienen orden, pero pueden ejecutarse en otra secuencia.
• exploración frente a producto: explorar tolera caminos muertos y visualización provisional; producto necesita interfaz, pruebas y ownership.
• proveniencia de datos: toda tabla o gráfico debe indicar origen, transformación, versión y filtros.
• narrativa y verificación: una explicación ordena pregunta, método, resultado y límite.

← SE-100 — Compiladores, linters, formatters y análisis estático · ↑ Parte 08 · 📚 Índice completo · 🌐 Portal · SE-102 — Gestores de versiones de runtimes →