Pruebas positivas versus negativas: diferencias, 24 casos de prueba reales y una lista de verificación

  1. Inicio
  2. Blog
  3. Pruebas de software

Pruebas de software

Pruebas positivas versus negativas: Diferencias, 24 casos de prueba reales y una lista de verificación

Las pruebas positivas verifican que el software funcione con entradas válidas. Las pruebas negativas comprueban que falla de forma segura con entradas no válidas, como tipos incorrectos, campos vacíos y valores fuera de rango. Vea ambos aplicados a un formulario de registro real, con 24 casos de prueba que ejecutamos y el error solo se detectó en una prueba negativa.

9 min de lectura
Pruebas positivas versus negativas con ejemplos

Puntos clave

  • Pruebas positivas versus negativas: las pruebas positivas demuestran que el camino feliz funciona; Las pruebas negativas demuestran que los datos incorrectos se rechazan de forma segura.
  • Nuestro formulario de registro necesitaba 6 pruebas positivas y 18 negativas; las entradas no válidas suelen superar en número a las válidas.
  • Cuando eliminamos el control de edad máxima, las 6 pruebas positivas aún pasaron. Sólo falló la prueba negativa de 121 años.
  • Una buena prueba negativa comprueba el error específico, no sólo “algo falló”.

La mayoría de los errores que llegan a producción no se encuentran en el camino feliz. Alguien escribe un espacio en un nombre de usuario, pega un correo electrónico sin dominio o una API envía el número como texto. El software que sólo funciona con entradas perfectas falla exactamente en esos momentos. Pruebas positivas versus negativas es la forma más sencilla de pensar en cubrir ambas. Para hacerlo concreto, escribimos un pequeño validador de registro, diseñamos 24 casos de prueba y los ejecutamos con pytest 9.2.0 en Python 3.13.

respuesta rapida

Las pruebas positivas utilizan entradas válidas y verifican que el sistema haga lo que debe: se crea la cuenta, el pago se realiza correctamente y se descarga el informe. Las pruebas negativas utilizan entradas no válidas o inesperadas y comprueban que el sistema las rechaza correctamente: un error claro, sin fallos, sin datos corruptos y sin agujeros de seguridad. Necesitas ambos; un requisito solo se cubre cuando se prueban su camino feliz y sus caminos de falla.

¿Qué son las pruebas positivas?

Las pruebas positivas, a veces denominadas pruebas de camino feliz, confirman que una función funciona cuando se utiliza según lo previsto. Responde “¿cumple lo que promete?”. Ejemplos: iniciar sesión con una contraseña correcta, buscar un producto que existe, cargar un tipo de archivo admitido dentro del límite de tamaño. Las pruebas positivas son lo primero, porque si falla el flujo principal, nada más importa.

¿Qué son las pruebas negativas?

Las pruebas negativas, a veces llamadas pruebas de ruta de error, alimentan la entrada del sistema que debería rechazar y verifican la respuesta. Responde “¿qué pasa cuando las cosas van mal?”. Ejemplos: una contraseña incorrecta, un campo obligatorio vacío, un archivo de 50 MB cuando el límite es de 10 MB, letras en un número de teléfono, una sesión caducada. Una prueba negativa pasa cuando el sistema rechaza la entrada correctamente. Falla cuando se acepta la entrada incorrecta, bloquea la aplicación o produce un error confuso.

Un ejemplo real: el validador de registro

Nuestros requisitos para un formulario de registro:

  • Nombre de usuario: De 3 a 20 caracteres, letras, dígitos y guiones bajos únicamente.
  • Edad: un número entero de 18 a 120.
  • Correo electrónico: algo@dominio.tld, sin espacios.
  • Contraseña: al menos 8 caracteres, no solo letras.
import re

def validate_signup(username, age, email, password):
    errors = []
    if not isinstance(username, str) or not re.fullmatch(r"[A-Za-z0-9_]{3,20}", username or ""):
        errors.append("username")
    if not isinstance(age, int) or not 18 <= age <= 120:
        errors.append("age")
    if not isinstance(email, str) or not re.fullmatch(r"[^Stack Quora[^Stack Quora\s]+", email):
        errors.append("email")
    if not isinstance(password, str) or len(password) < 8 or password.isalpha():
        errors.append("password")
    return errors

La función devuelve una lista de campos que fallaron. Una lista vacía significa que el registro es válido. Devolver nombres de campos, en lugar de verdadero o falso, permite que cada prueba negativa verifique que el campo derecho fue rechazado.

Los 24 casos de prueba

campo Positivo (debe ser aceptado) Negativo (debe ser rechazado)
Nombre de usuario “abc” (mín), 20 letras (máx.) “ab”, 21 letras, “mal nombre”, vacío, Ninguno
edad 18 (mín.), 120 (máx.) 17, 121, -1, “30” como texto, Verdadero, 30.5
Correo electrónico “a@b.co” “no-at-sign”, “a@b”, “a b@c.com”, vacío
Contraseña “abcdefg1” “short1”, “onlyletters”, Ninguno

Son 6 casos positivos y 18 negativos. La proporción es típica: normalmente hay unas cuantas maneras de acertar y muchas de equivocarse. Observe que los casos positivos se ubican exactamente en los límites (3 y 20 caracteres, edades 18 y 120), al igual que muchos casos negativos (2, 21, 17, 121). Los límites son el lugar donde viven los insectos aislados; consulte nuestra guía de análisis de valores límite.

Las pruebas en pytest

import pytest
from signup import validate_signup

OK = dict(username="demo_user", age=30, email="demo@example.com", password="s3cretpass")

@pytest.mark.parametrize("field, value", [
    ("username", "abc"), ("username", "a" * 20), ("age", 18), ("age", 120),
    ("email", "a@b.co"), ("password", "abcdefg1"),
])
def test_positive(field, value):
    assert validate_signup(**{**OK, field: value}) == []

@pytest.mark.parametrize("field, value", [
    ("username", "ab"), ("username", "a" * 21), ("username", "bad name"),
    ("username", ""), ("username", None),
    ("age", 17), ("age", 121), ("age", -1), ("age", "30"), ("age", True), ("age", 30.5),
    ("email", "no-at-sign"), ("email", "a@b"), ("email", "a b@c.com"), ("email", ""),
    ("password", "short1"), ("password", "onlyletters"), ("password", None),
])
def test_negative(field, value):
    assert validate_signup(**{**OK, field: value}) == [field]
........................                     [100%]
24 passed in 0.10s

Cada prueba comienza a partir de un registro en buen estado y cambia exactamente un campo. Eso aísla la causa: si una prueba negativa falla, sabes qué regla se infringe. La afirmación == [field] también confirma que ningún otro campo fue rechazado erróneamente. Parametrizar mantiene 24 casos en dos funciones cortas; nuestra guía de parametrización de pytest muestra más patrones.

El error solo se detectó con una prueba negativa.

Para ver el valor de las pruebas negativas, simulamos un error común de los desarrolladores: verificar solo la edad mínima. Cambiamos una línea a if not isinstance(age, int) or age < 18: y ejecutamos la suite nuevamente:

FAILED test_signup.py::test_negative[age-121] - AssertionError: assert [] == ['age']
1 failed, 23 passed in 0.19s

Aún así, las seis pruebas positivas pasaron porque el camino feliz aún funcionaba. Se aceptó silenciosamente una edad de 121 años y sólo se notó la prueba de límites negativa. Sin él, el error se habría enviado. Ese es el argumento central a favor de las pruebas negativas: las pruebas positivas le dicen que la función funciona, las pruebas negativas le dicen que sus reglas se cumplen.

Consejo: una forma rápida de juzgar un conjunto de pruebas es romper una regla de validación y ver si alguna prueba falla. Si nada falla, te falta una prueba negativa.

Comparación de pruebas positivas y negativas

Aspecto Pruebas positivas Pruebas negativas
Entrada Válido, esperado Inválido, inesperado o malicioso
Pregunta respondida ¿Funciona? ¿Falla de forma segura?
Pasa cuando La acción tiene éxito La entrada se rechaza con el error correcto.
Número típico de casos menos Más
encuentra Funciones centrales rotas Falta de validación, fallos, lagunas de seguridad
Prioridad Corre primero Ejecutar justo después, antes del lanzamiento.
Ejemplo Inicie sesión con la contraseña correcta Inicie sesión con contraseña incorrecta, contraseña vacía, SQL en el nombre de usuario

Cómo encontrar casos de prueba negativos

  • Partición de equivalencia: divide las entradas en grupos válidos e inválidos y prueba un valor de cada grupo no válido. Consulte nuestra guía de partición equivalente.
  • Valores límite: prueba justo fuera de cada límite, como 17 y 121.
  • Tipos incorrectos: texto al que pertenece un número, un booleano, un decimal, nulo. Nuestra prueba con "30" como texto es importante para las API, donde los números JSON a menudo llegan como cadenas.
  • Vacío y faltante: cadenas vacías, solo espacios en blanco, campos faltantes.
  • Interruptores de formato: espacios, emoji, entradas muy largas, caracteres especiales como comillas y corchetes angulares.
  • Estado y secuencia: enviar dos veces, usar un enlace caducado, actuar después de cerrar sesión.

Generar información variada automáticamente también ayuda; nuestra guía de generación de datos de prueba cubre casos extremos y de Faker.

¡Qué buenos controles de prueba negativos!

“No se estrelló” no es suficiente. Una prueba negativa fuerte comprueba que:

  1. La entrada es rechazada, no aceptada silenciosamente ni “arreglada”.
  2. Se activó la regla correcta, con un mensaje claro sobre el que el usuario puede actuar.
  3. No se guardó ni cambió nada: ninguna cuenta a medio crear, sin cargo.
  4. La respuesta es correcta para una API, generalmente 400 o 422 en lugar de 500. Nuestra hoja de referencia de códigos de estado HTTP los enumera.
  5. No se filtran detalles confidenciales, como seguimientos de pila o si un correo electrónico está registrado.

Lograr el equilibrio correcto

Las entradas negativas son infinitas, por lo que no puedes probarlas todas. Priorizar por riesgo: la validación que protege el dinero, la seguridad y la integridad de los datos merece los casos más negativos, mientras que un campo cosmético solo necesita un par. Una regla práctica de muchos equipos es al menos una prueba positiva y una negativa por requisito, y más cuando fallar es costoso. Automatice los estables a nivel de unidad o API, donde se ejecutan en milisegundos, y realice algunas comprobaciones de un extremo a otro para los formularios críticos. Nuestra guía de pruebas basada en riesgos muestra cómo clasificar las funciones.

Lista de verificación de pruebas positivas y negativas

  • Cada entrada tiene al menos un caso positivo y uno negativo.
  • Se prueban ambos lados de cada límite.
  • Se cubren los tipos incorrectos, los valores vacíos y los campos faltantes.
  • Cada prueba negativa comprueba el error específico, no sólo el fallo.
  • Las solicitudes rechazadas no cambian ningún dato.
  • Los mensajes de error son claros y no filtran nada sensible.
  • Los errores de API devuelven códigos 4xx, nunca 500.
  • Los nuevos errores encontrados en producción obtienen una nueva prueba negativa.

Conclusión

Las pruebas positivas versus negativas no son una elección entre dos técnicas; son dos mitades del mismo trabajo. Las pruebas positivas demuestran que la función funciona para las personas que la utilizan correctamente. Las pruebas negativas demuestran que sus reglas sobreviven a todas las demás. Nuestro ejemplo de 24 casos mostró la recompensa en una línea: cuando se incumplía una regla de validación, todas las pruebas positivas permanecían en verde y solo una prueba negativa la detectaba. Para escribir estos casos en un formato coherente, consulte nuestra guía sobre cómo escribir casos de prueba.

Preguntas frecuentes

¿Cuál es la diferencia entre pruebas positivas y negativas?

Las pruebas positivas utilizan datos válidos y comprueban que la función funciona. Las pruebas negativas utilizan entradas no válidas o inesperadas y verifican que el sistema las rechace de forma segura con un error claro.

¿Cuál es un ejemplo de un caso de prueba negativo?

Ingresar una edad de 121 cuando el rango permitido es de 18 a 120, y verificar que el formulario lo rechaza con un error de edad y no guarda nada.

¿Qué se debe hacer primero, la prueba positiva o la negativa?

Por lo general, las pruebas son positivas, porque tiene poco sentido controlar los errores de las pruebas si el flujo principal está interrumpido. Se deben realizar pruebas negativas antes del lanzamiento.

¿Cuántos casos de prueba negativos necesito?

Al menos uno por regla de entrada, más ambos lados de cada límite. Agregue más para áreas de alto riesgo como pagos, seguridad e integridad de datos.

¿Cuándo pasa una prueba negativa?

Pasa cuando el sistema rechaza correctamente la entrada no válida: el error correcto, sin fallas, sin datos guardados y sin detalles filtrados.

sigue aprendiendo

Trabajar con Stack Quora

¿Necesitas ayuda con pruebas, WordPress o SEO?

Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.

Sigue leyendo

Más guías sobre testing, IA y desarrollo moderno

¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.

Inteligencia artificial

Explicación de BM25: cómo la búsqueda por palabras clave clasifica los resultados, con código Python y búsqueda híbrida

BM25 explicó con una implementación pura de Python que ejecutamos: la fórmula, IDF, saturación de términos, los parámetros k1 y b, por qué supera el…

Leer artículo →
Desarrollo de software

Métodos HTTP explicados: GET, POST, PUT, PATCH, DELETE, probados en un servidor en vivo

Métodos HTTP explicados con un pequeño servidor que ejecutamos: GET, POST, PUT, PATCH, DELETE, HEAD y OPTIONS, seguro vs idempotente, PUT vs PATCH, …

Leer artículo →
DevOps

Explicación de Git Bisect: encuentre la confirmación que rompió su código, de forma manual o automática

Git bisect explicado con un repositorio probado: encuentre la única confirmación incorrecta entre 41 de cada 5 ejecuciones de prueba, automatice con…

Leer artículo →
Automatización de pruebas

Explicación de los marcadores de pytest: marcas personalizadas, filtros skip, skipif, xfail y -m

Los marcadores de pytest se explican con una suite probada: registre marcas personalizadas, ejecute solo pruebas de humo con -m, combine filtros con…

Leer artículo →
Pruebas de software

Pruebas positivas versus negativas: diferencias, 24 casos de prueba reales y una lista de verificación

Pruebas positivas versus negativas explicadas con un formulario de registro real: 6 casos de prueba positivos y 18 negativos ejecutados en pytest, e…

Leer artículo →
Bases de datos y SQL

ORDEN SQL POR Varias columnas: ASC, DESC, NULLS LAST, Caso y Orden personalizado

SQL ORDER BY con múltiples columnas explicadas con consultas probadas: ASC y DESC mixtos, desempates, NULLS FIRST y LAST, clasificación que no disti…

Leer artículo →
Bases de datos y SQL

Total acumulado de SQL: SUM OVER, totales por grupo, sumas móviles y trampa RANGE

Cómo calcular un total acumulado de SQL con SUM() OVER: totales por grupo, sumas acumuladas diarias, sumas móviles, porcentaje del total, la trampa …

Leer artículo →
Desarrollo de software

Matriz de clasificación de JavaScript: números, objetos, cadenas y por qué 10 viene antes que 5

Cómo ordenar correctamente una matriz en JavaScript: números con una función de comparación, objetos por uno o más campos, cadenas con localeCompare…

Leer artículo →
Inteligencia artificial

Explicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida

Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…

Leer artículo →
Desarrollo de software

Explicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados

La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…

Leer artículo →
DevOps

Explicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado

Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …

Leer artículo →
Pruebas de software

Explicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas

Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…

Leer artículo →
Automatización de pruebas

Explicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado

Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…

Leer artículo →
Bases de datos y SQL

SQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados

SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…

Leer artículo →
Bases de datos y SQL

Explicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado

La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…

Leer artículo →
Desarrollo de software

Explicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado

El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …

Leer artículo →
Desarrollo de software

Explicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado

Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…

Leer artículo →
Inteligencia artificial

Explicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos

La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…

Leer artículo →
Desarrollo de software

Explicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura

Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…

Leer artículo →
DevOps

Explicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada

Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …

Leer artículo →
Automatización de pruebas

Explicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele

Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…

Leer artículo →
Pruebas de software

Explicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error

Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…

Leer artículo →
Inteligencia artificial

Explicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas

Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…

Leer artículo →
DevOps

Registros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales

Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…

Leer artículo →
DevOps

Explicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas

Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…

Leer artículo →
Automatización de pruebas

Generación de datos de prueba con Python Faker: datos realistas, repetibles y seguros

Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…

Leer artículo →
Pruebas de software

Explicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo

Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…

Leer artículo →
Bases de datos y SQL

Funciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos

Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…

Leer artículo →
Bases de datos y SQL

Explicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores

Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…

Leer artículo →
Desarrollo de software

Módulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes

El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …

Leer artículo →
Desarrollo de software

Módulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado

Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …

Leer artículo →
Desarrollo de software

Python Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados

La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…

Leer artículo →
Inteligencia artificial

Explicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA

La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …

Leer artículo →
DevOps

Explicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros

Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…

Leer artículo →
DevOps

Explicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo

El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…

Leer artículo →
Automatización de pruebas

Explicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos

Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…

Leer artículo →
Pruebas de software

Explicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa

Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…

Leer artículo →
Bases de datos y SQL

Explicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado

Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…

Leer artículo →
Bases de datos y SQL

Funciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores

Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…

Leer artículo →
Desarrollo de software

Explicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales

Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …

Leer artículo →
Desarrollo de software

Debounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado

Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…

Leer artículo →
Desarrollo de software

Explicación de los administradores de contexto de Python: declaración with, contextlib y usos reales

Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…

Leer artículo →
Inteligencia artificial

LLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra

La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…

Leer artículo →
DevOps

YAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos

YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…

Leer artículo →
DevOps

Cron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen

Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …

Leer artículo →
Inteligencia artificial

Explicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas

Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…

Leer artículo →
DevOps

Explicación de las variables de entorno: archivos .env, secretos y configuración bien hechos

Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…

Leer artículo →
Desarrollo de software

Explicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429

La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …

Leer artículo →
Automatización de pruebas

Burlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan

Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…

Leer artículo →
Pruebas de software

Explicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%

Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…

Leer artículo →
Bases de datos y SQL

DELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno

DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…

Leer artículo →
Bases de datos y SQL

Vistas SQL explicadas: cree, use y evite los errores, con ejemplos

Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…

Leer artículo →
Desarrollo de software

Interfaz TypeScript versus tipo: diferencias reales, probadas con el compilador

Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…

Leer artículo →
Desarrollo de software

Python *args y **kwargs explicados: funciones flexibles con ejemplos claros

Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…

Leer artículo →
Desarrollo de software

Funciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas

Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…

Leer artículo →
Inteligencia artificial

¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar

¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…

Leer artículo →
DevOps

Monitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos

Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…

Leer artículo →
DevOps

Docker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta

Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…

Leer artículo →
Automatización de pruebas

TDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una

TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …

Leer artículo →
Pruebas de software

Pruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales

Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…

Leer artículo →
Bases de datos y SQL

Valores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar

Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…

Leer artículo →
Bases de datos y SQL

Declaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes

CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…

Leer artículo →
Desarrollo de software

¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico

¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…

Leer artículo →
Desarrollo de software

Explicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos

El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…

Leer artículo →
Desarrollo de software

Explicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales

Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…

Leer artículo →
Inteligencia artificial

¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla

¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…

Leer artículo →
DevOps

Implementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir

Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…

Leer artículo →
Automatización de pruebas

Pruebas inestables: qué las causa y cómo solucionarlas para siempre

Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…

Leer artículo →
Pruebas de software

Pruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6

Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…

Leer artículo →
Pruebas de software

Caso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno

Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…

Leer artículo →
Bases de datos y SQL

Optimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos

Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…

Leer artículo →
Bases de datos y SQL

SQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado

SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …

Leer artículo →
Desarrollo de software

Tutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera

Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…

Leer artículo →
Desarrollo de software

Manejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos

El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…

Leer artículo →
Desarrollo de software

Clases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales

Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…

Leer artículo →
Inteligencia artificial

¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones

¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…

Leer artículo →
DevOps

Comandos de Linux para principiantes: la guía esencial de terminal con ejemplos

Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…

Leer artículo →
Automatización de pruebas

Selenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir

Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…

Leer artículo →
Pruebas de software

Partición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos

Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …

Leer artículo →
Pruebas de software

Severidad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales

Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…

Leer artículo →
Bases de datos y SQL

Tutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos

Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…

Leer artículo →
Bases de datos y SQL

Transacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento

Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…

Leer artículo →
Desarrollo de software

Hoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos

Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…

Leer artículo →
Desarrollo de software

Explicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes

Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…

Leer artículo →
Desarrollo de software

Tutorial del diccionario Python: métodos, ejemplos y patrones comunes

Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…

Leer artículo →
Inteligencia artificial

¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico

¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…

Leer artículo →
DevOps

Tutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos

Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…

Leer artículo →
DevOps

Docker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita

Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…

Leer artículo →
Automatización de pruebas

Tutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales

Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …

Leer artículo →
Pruebas de software

Ciclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo

Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …

Leer artículo →
Desarrollo de software

Git merge vs rebase: diferencias, ejemplos y cuándo usar cada uno

Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.

Leer artículo →
Desarrollo de software

List comprehension en Python: sintaxis, ejemplos y cuándo evitarla

List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.

Leer artículo →