Cómo preparar un entorno de trabajo en VS Code para proyectos de IA en FP

Inteligencia Artificial aplicada al Marketing y el Comercio · Grado Medio y Superior · Actualidad España / UE

Serie IA en FP 2026

Esta publicación forma parte de una serie dedicada a analizar cómo la inteligencia artificial está transformando el marketing, el comercio y la digitalización empresarial, y cómo debemos enseñarla en Formación Profesional.

Cada artículo conecta actualidad europea, marco estratégico y aplicación directa en aula dentro del módulo de Inteligencia Artificial o Digitalización.

El objetivo no es aprender herramientas, sino formar profesionales capaces de diseñar sistemas con criterio, responsabilidad y enfoque empresarial.

Cómo preparar un entorno de trabajo en Visual Studio Code para proyectos de IA en Formación Profesional

Preparar el entorno de trabajo es uno de los pasos más importantes en cualquier proyecto de inteligencia artificial aplicada a la educación. En el caso de la Formación Profesional, donde se combinan contenidos técnicos, pedagógicos y digitales, disponer de un entorno bien configurado permite trabajar de forma más eficiente y coherente.

En este artículo documento el proceso real de creación del entorno de trabajo que he utilizado en el desarrollo del proyecto Tutor IA, un asistente educativo basado en arquitectura RAG.

RAG (Retrieval-Augmented Generation) es un enfoque que permite a la IA responder utilizando documentos propios del proyecto en lugar de conocimiento genérico.

Herramientas base necesarias

Para construir este entorno se han utilizado tres herramientas fundamentales:

Git, para el control de versiones del proyecto
Python, para la ejecución de scripts y la gestión del backend
Visual Studio Code, como entorno principal de desarrollo

Estas herramientas permiten trabajar tanto el desarrollo técnico como la gestión de contenidos.

Comprobación en PowerShell

git --version
python --version

Ejemplo de resultado válido

git version 2.52.0.windows.1
Python 3.14.3Lenguaje del código: CSS (css)

Extensiones clave en Visual Studio Code

Una vez instalado el editor, se han añadido únicamente las extensiones necesarias para mantener un entorno limpio y funcional:

Python (Microsoft) → ejecuta código
Pylance (Microsoft) → inteligencia (autocompletado, análisis, errores)
Markdown All in One (Yu Zhang)
Prettier – Code formatter (Esben Petersen)
Continue – open-source AI code agent (Continue)

Esta selección responde a una lógica clara: combinar desarrollo en Python, creación de contenidos en Markdown y asistencia con inteligencia artificial dentro del mismo entorno.

Función de cada una

1. Python

Permite ejecutar scripts Python, detectar entornos virtuales y trabajar con el proyecto técnico.

2. Pylance

Añade análisis de código, autocompletado y ayuda contextual en Python.

3. Markdown All in One

Facilita la edición de archivos .md, que son la base documental del proyecto Tutor IA.

4. Prettier

Formatea automáticamente archivos al guardar, ayudando a mantener consistencia en Markdown y otros formatos.

5. Continue

Integra un asistente de inteligencia artificial dentro de VS Code para analizar estructura, generar contenido y trabajar sobre el repositorio.

Apertura del proyecto en Visual Studio Code

Una vez instalado el software base:

Abrir Visual Studio Code
Ir a Archivo > Abrir carpeta
Seleccionar la carpeta raíz del proyecto

Es importante abrir la carpeta raíz completa y no una subcarpeta, para que:

Continue pueda analizar todo el repositorio
Python detecte correctamente el entorno
Git funcione sobre el proyecto completo

Configuración del entorno

Para mejorar la productividad, he configurado el archivo settings.json con ajustes básicos:

Formateo automático al guardar
Guardado automático tras unos segundos
Activación automática del entorno de Python
Mejora en la visualización de Markdown

Presiona: Ctrl + Shift + P
Escribe: Preferences: Open Settings (JSON)
Se abrirá el archivo settings.json y escribe:

{
    "editor.defaultFormatter": "esbenp.prettier-vscode",
    "editor.formatOnSave": true,
    "files.autoSave": "afterDelay",
    "markdown.preview.breaks": true,
    "python.terminal.activateEnvironment": true,

    "editor.wordWrap": "on",
    "editor.minimap.enabled": false,
    "files.trimTrailingWhitespace": true
}Lenguaje del código: JSON / JSON con comentarios (json)

Esto permite centrarse en el contenido y la lógica del proyecto, evitando tareas repetitivas.

Integración de inteligencia artificial en el editor

Uno de los elementos más relevantes del entorno es la integración de inteligencia artificial mediante la extensión Continue.

Esta herramienta permite trabajar directamente sobre el proyecto:

Analizar la estructura de carpetas
Generar contenido en Markdown
Revisar y mejorar documentos
Automatizar tareas repetitivas

Para su funcionamiento, se ha configurado el acceso a un modelo de lenguaje mediante API, lo que convierte Visual Studio Code en un entorno asistido.

Entorno virtual de Python (clave)

Crear entorno

python -m venv venv

Activar entorno

.\venv\Scripts\Activate.ps1Lenguaje del código: CSS (css)

Instalar dependencias

pip install -r requirements.txtLenguaje del código: CSS (css)

Seguridad y gestión de credenciales

En proyectos que utilizan inteligencia artificial, es fundamental gestionar correctamente las credenciales:

Las claves API se almacenan en archivos .env
Estos archivos se excluyen mediante .gitignore
Se evita exponer información sensible en el entorno

Este enfoque permite trabajar de forma segura incluso en proyectos reales.

Configuración de Continue

Continue permite integrar IA dentro de VS Code.

Archivo de configuración

En este caso se ha configurado un archivo:

OpenAI

name: Local Config
version: 1.0.0
schema: v1

models:
  - name: GPT-4o
    provider: openai
    model: gpt-4o
    apiKey: TU_OPENAI_API_KEY

  - name: GPT-4o-mini
    provider: openai
    model: gpt-4o-mini
    apiKey: TU_OPENAI_API_KEYLenguaje del código: HTTP (http)

Claude (si quieres usar Anthropic)

name: Local Config
version: 1.0.0
schema: v1

models:
  - name: Claude Sonnet
    provider: anthropic
    model: claude-sonnet-4-5
    apiKey: TU_ANTHROPIC_API_KEYLenguaje del código: HTTP (http)

Validación del entorno

Una vez configurado, se han realizado pruebas básicas para comprobar su funcionamiento:

Ejecución de comandos desde el asistente de IA
Exploración automática de la estructura del proyecto
Análisis de carpetas como docs/Fuente

Estas pruebas permiten verificar que el entorno está listo para trabajar con sistemas RAG.

Aplicación en Formación Profesional

Este tipo de entorno no solo es útil para desarrolladores, sino también para docentes de Formación Profesional que quieran integrar la inteligencia artificial en el aula.

Permite:

Crear contenidos reutilizables
Diseñar asistentes educativos
Automatizar tareas de generación de materiales
Trabajar con estructuras de conocimiento organizadas

Checklist para replicar el entorno

Instalar Git, Python y VS Code
Clonar o copiar el proyecto
Crear entorno virtual
Activarlo
Instalar dependencias
Crear archivo .env
Instalar extensiones
Configurar Continue
Abrir carpeta raíz
Probar el entorno

Conclusión

La creación del entorno de trabajo no es un paso previo sin importancia, sino una decisión clave que condiciona todo el desarrollo del proyecto.

En este caso, se ha construido un entorno que integra:

desarrollo técnico
gestión de contenidos
inteligencia artificial

Todo ello dentro de un único espacio de trabajo.

Próximos pasos

Una vez preparado el entorno, el siguiente paso es trabajar la estructura del conocimiento y optimizar el sistema RAG (Retrieval-Augmented Generation), especialmente en lo relativo a contenidos normativos como los resultados de aprendizaje y los criterios de evaluación.