AutoBE Hackathon: Chatbot IA que genera Backend con compiladores IA, con una bolsa total de premios de 6.400 USD. Q2BSTUDIO, empresa especializada en aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud AWS y Azure, servicios de inteligencia de negocio y Power BI, y automatización de procesos, te invita a poner a prueba AutoBE y a compartir una evaluación profesional. Si buscas acelerar tu delivery con agentes IA y llevar la IA para empresas a producción, este evento es para ti. Descubre cómo combinamos innovación con calidad en proyectos reales y consulta nuestros servicios de inteligencia artificial y de software a medida para potenciar tu negocio.
1. Descripción general
Wrtn Technologies organiza el 1er AutoBE Hackathon. El objetivo es validar con desarrolladores backend si una IA puede generar backends listos para producción o si todavía produce código que parece correcto pero no cumple exactamente lo esperado. Queremos tu veredicto experto.
Información del hackathon: cupo de 70 personas; registro del 5 al 10 de septiembre de 2025; evento del 12 al 14 de septiembre de 2025 con 64 horas de duración; inicio 12 de septiembre a las 08:00:00 PDT UTC-7; cierre 14 de septiembre a las 23:59:59 PDT UTC-7; registro en formulario oficial; canal de comunidad en Discord.
AutoBE y recursos clave: repositorio en GitHub; documentación en autobe.dev/docs; ejemplos generados con AutoBE para To Do List autobe-example-todo, comunidad tipo Reddit simulada autobe-example-reddit, foro de discusión autobe-example-discussion y e-commerce autobe-example-ecommerce.
2. Qué es AutoBE
AutoBE es un agente de vibe coding para construir aplicaciones backend con compilers afines a IA. Es una plataforma no-code que, mediante conversación natural, analiza requisitos, diseña el esquema de base de datos, define APIs, escribe pruebas y genera una aplicación backend que compila y se ejecuta. Su enfoque Compiler-in-the-Loop, junto a estructuras AST, permite un índice de compilación exitosa del 100 por ciento basado en OpenAI GPT 4.1.
Cómo funciona en 5 etapas con validación continua: 1) Analyze Agent transforma requisitos en un documento claro con lógica de negocio, usuarios y permisos. 2) Prisma Agent diseña esquemas con Prisma ORM validados por su compilador. 3) Interface Agent define APIs REST y documentación OpenAPI 3.1 validada por un compilador propio. 4) Test Agent genera pruebas E2E con casos normales y edge cases, ejecutables y validadas por el runner. 5) Realize Agent implementa el backend sobre NestJS con controladores, servicios y repositorios, superando TypeScript compiler y el builder de NestJS.
Características técnicas distintivas: compilers específicos para IA en Prisma, Interface y Test, que detectan problemas lógicos, coherencia RESTful, cobertura y realismo en pruebas, y devuelven feedback accionable entendible por IA. AutoBE usa un enfoque estructurado basado en AST; la IA produce datos según estructuras predefinidas y los compilers garantizan calidad antes de convertirlos en código. Estructuras en GitHub: Prisma AutoBePrisma.IApplication, Interface AutoBeOpenApi.IDocument, Test AutoBeTest.IFunction. Stack moderno: TypeScript, NestJS, Prisma ORM, PostgreSQL y SQLite.
Demostraciones reales: desde un todo básico hasta un e-commerce complejo, AutoBE ha generado backends completos con BD estructurada, APIs REST, suites de prueba y código listo para producción. Repositorios de ejemplo: BBS autobe-example-bbs, Todo autobe-example-todo, Reddit autobe-example-reddit, Shopping autobe-example-shopping con análisis de requisitos reporte, ERD y esquema Prisma prisma, controladores y DTOs controllers y structures, pruebas E2E test/features/api, providers src/providers y revisión de IA AI_REVIEW.md. Video de demo en YouTube. Con apenas cinco instrucciones en lenguaje natural puedes crear un foro funcional en unos 70 minutos; durante el hackathon, detalla bien tus requisitos para obtener mejores resultados.
3. Propósito del hackathon
Aunque AutoBE compila, ejecuta y pasa tests, queremos saber si lo generado coincide con lo que los usuarios esperan. Buscamos evaluaciones desde mantenimiento, escalabilidad, rendimiento, seguridad y calidad de código. La intuición y experiencia humanas, especialmente bajo la pregunta qué pasaría si tuviera que heredar este código, son clave.
Queremos oír qué tan útiles son sus documentos de requisitos frente a proyectos reales, si el diseño de BD es sostenible, si las APIs siguen principios REST, si las pruebas validan lo importante y si la implementación tiene nivel de producción; qué está mejor que tu código típico, qué falta y cómo mejorar.
4. Elegibilidad y requisitos
Requiere al menos 1 año de experiencia práctica en backend con marcos como Express o NestJS en Node.js, Spring Boot en Java, Django o FastAPI en Python, u otros equivalentes. Debes dominar diseño relacional más allá de CRUD, índices y optimización de queries, y principios REST. El idioma de trabajo es inglés, tanto para conversar con AutoBE como para leer los artefactos. Necesitas un portátil o desktop para descargar y ejecutar el código localmente.
5. Cómo participar
Registro en Google Forms. Cupo limitado a 70 personas por orden de llegada hasta el 10 de septiembre de 2025. Confirmaciones por correo el 11 de septiembre.
Emisión de cuentas y preparación: el 12 de septiembre recibirás instrucciones, credenciales y modelos disponibles. Incluye guía rápida y contacto de soporte. Recomendado tener Node.js, Git y tu editor listos.
Proceso: inicio 12 de septiembre a las 08:00 PDT. Debes generar 2 aplicaciones backend usando dos modelos diferentes, openai gpt-4.1-mini y openai gpt-4.1, con temáticas distintas entre sí. Documenta conversaciones, artefactos, incidencias y soluciones con capturas o logs.
Entrega: hasta el 14 de septiembre a las 23:59:59 PDT. Debes redactar y enviar una reseña por cada aplicación generada y publicarla en GitHub Discussions en categoría del hackathon. No combines varios proyectos en una sola reseña; explica con detalle por qué algo fue bueno o malo y cómo podría mejorarse.
6. Modelos de IA proporcionados
openai gpt-4.1-mini: excelente relación rendimiento-coste para apps pequeñas y medianas, alrededor de 20 tablas y 150 endpoints. Sólido en análisis de requisitos y diseño de API, capaz de autenticación, permisos y subida de archivos. Limitaciones en lógica compleja y pruebas E2E muy exigentes por capacidad del modelo. Recomendado como base inicial y luego refinar con asistentes como Claude Code o GitHub Copilot, combinando generación estructurada con eficiencia presupuestaria.
openai gpt-4.1: se desbloquea tras completar la reseña del modelo mini. Ideal para sistemas de gran escala con cientos de endpoints y miles de pruebas, alta comprensión contextual e implementación de notificaciones en tiempo real, permisos complejos, transacciones y caché. Con este modelo AutoBE alcanza una tasa real del 100 por ciento de builds exitosos, pero su coste es alto; por ejemplo, un e-commerce completo puede consumir 150 millones de tokens, unos 300 a 400 USD. Durante el hackathon tendrás acceso sin coste adicional una vez desbloqueado.
qwen qwen3-235b-a22b-202507 opcional: pensado para experimentar con rendimiento local de LLMs de código abierto. Adecuado para apps muy pequeñas con 5 a 10 tablas y unos 20 endpoints. Útil para comparar brechas de capacidad con modelos comerciales; puede interrumpirse por límites de contexto o errores recurrentes.
7. Guía de evaluación y criterios
Análisis de requisitos: evaluar precisión al entender tu lenguaje natural, claridad de relaciones y prioridades, definición de usuarios y roles, y consideración de requisitos no funcionales. La calidad del documento debe permitir iniciar desarrollo sin ambigüedades.
Diseño de base de datos: comprobar validez de relaciones, normalización adecuada, clave primaria y foránea, índices y convenciones de nombres, tipos de datos, valores por defecto y restricciones, así como escalabilidad ante cambios futuros.
Diseño de API: verificar principios REST, consistencia entre endpoints, formatos de request y response, códigos de estado, paginación, filtros y ordenación, documentación OpenAPI completa, autenticación y protección de datos sensibles.
Pruebas E2E: priorizar validación significativa de lógica de negocio, cobertura de casos límite, claridad de nombres, preparación de datos, aserciones precisas, independencia de tests y facilidad de diagnóstico al fallar.
Implementación: calidad a nivel producción, legibilidad, abstracción y modularización, principios de diseño, separación de capas, inyección de dependencias, manejo de errores y logging, eficiencia de queries, control del problema N+1, seguridad y uso correcto de tipos en TypeScript.
Evaluación global: fortalezas y debilidades de AutoBE, tipos de proyectos idóneos, impacto real en tiempo de desarrollo, calidad comparable a perfiles junior, mid o senior, y mantenibilidad. Incluir propuestas concretas de mejora y prioridades.
8. Premios y beneficios
Gran premio: 2.000 USD a la mejor reseña, con evaluación equilibrada, profesional y con mejoras accionables. Premio de excelencia: 1.000 USD a la segunda mejor reseña. Premio de participación: 50 USD para quienes generen proyectos con openai gpt-4.1-mini y openai gpt-4.1, presenten reseñas detalladas por proyecto y cumplan mínimos de contenido.
Condiciones de exclusión: no dar feedback mínimo, usar IA para escribir la reseña en tu nombre, no usar ambos modelos requeridos, enviar reseñas superficiales o plagiar. La finalidad es obtener feedback genuino de profesionales backend.
Juzgado y anuncio: evaluación en 2 semanas tras el cierre, resultados por correo y en el sitio oficial autobe.dev. Pago dentro de la semana posterior; se requiere cuenta que acepte transferencias internacionales; impuestos a cargo del receptor.
9. Avisos y limitaciones
AutoBE está en beta; podrían existir limitaciones o procesos que se detengan ante ciertos errores. No se recomienda usar en producción el código generado durante el hackathon sin revisión profesional y auditoría de seguridad; Wrtn Technologies no se hace responsable por su uso. Es un proyecto open source y todas las reseñas serán públicas en GitHub Discussions; evita compartir datos sensibles o información confidencial en tus conversaciones o entregables.
10. Próximo hackathon y costos de tokens
Esta primera edición limita la participación a 70 personas por costos de tokens. Un e-commerce grande puede consumir cerca de 150 millones de tokens, equivalentes a 300 USD. En la siguiente edición se integrará RAG para reducir drásticamente el consumo y abrir la participación a más desarrolladores.
En Q2BSTUDIO te ayudamos a llevar estas capacidades a tu negocio: diseñamos aplicaciones a medida y software a medida con agentes IA, integramos servicios cloud AWS y Azure, reforzamos tu ciberseguridad, y construimos analítica de datos con inteligencia de negocio y Power BI. Si buscas una ruta práctica para operacionalizar IA para empresas, acelerar tus backends y escalar con calidad, cuenta con nuestro equipo experto.