Construyendo una Aplicación de Análisis de Béisbol Fantasía con Claude Code: La Experiencia de un Estudiante de Derecho

Un veterano de la Marina y estudiante de derecho con un título en ciencias de la computación de 2017 que no había tocado código desde su graduación construyó una aplicación completa de análisis de béisbol fantástico para iOS llamada Ball Knower utilizando Claude Code para la implementación mientras tomaba todas las decisiones de producto y dominio. La aplicación está disponible en la App Store y fue desarrollada durante el último año de la facultad de derecho del estudiante.

Lo que se construyó

Ball Knower es una aplicación de análisis de béisbol fantástico que incluye:

• 1,313 perfiles de jugadores de la MLB con barras de percentiles de Statcast (barras codificadas por color de Baseball Savant)
• Selecciones diarias de lanzadores para streaming puntuadas de 0 a 100
• Clasificaciones de dinastías Keep-Trade-Cut con puntuación ELO
• 1,241 jugadores de la MLB + 72 prospectos de FanGraphs
• 87 métricas distintas rastreadas por jugador

Stack técnico

Frontend: SwiftUI (iOS 17+), Swift Charts, StoreKit 2

Backend: Python 3.12, FastAPI, SQLAlchemy async, PostgreSQL, Redis, APScheduler

Infraestructura: Un solo droplet de DigitalOcean, Docker

Fuentes de datos: 30 trabajos programados extrayendo datos de MLB Stats API, Baseball Savant vía pybaseball, RSS de ESPN, The Odds API y clima de Open-Meteo

Dónde Claude Code sobresalió

• Cableó una cadena de inyección de dependencias de FastAPI a una sesión async de SQLAlchemy y a una capa de caché Redis en minutos (habría tomado días solo con la documentación)
• Depuró una condición de carrera async en el flujo de validación de suscripciones donde el coordinador de tokens de actualización y el listener de StoreKit 2 estaban en conflicto
• Identificó el problema y escribió una solución basada en actores después de que se describieran los síntomas
• Escribió aproximadamente el 70% de las líneas de código brutas

Dónde Claude Code se quedó corto

• Mapeó correctamente el 85% de las columnas de fuentes de datos, pero el 15% devolvió nil silenciosamente sin errores ni fallos
• Pasó por alto discrepancias en nombres de columnas (por ejemplo, pybaseball devuelve brl_percent mientras que la columna de la base de datos era barrel_pct)
• Generó confiadamente código solicitando permiso de Transparencia de Seguimiento de Aplicaciones para anuncios no personalizados, causando que Apple rechazara la compilación
• Generó cadenas de modificadores de SwiftUI que compilaban pero se renderizaban incorrectamente en casos extremos
• Utilizó patrones de API obsoletos sin mencionar que estaban deprecados

Rol del desarrollador

El desarrollador escribió o corrigió el 30% restante del código, que incluyó:

• Pesos del algoritmo de puntuación
• Lógica de invalidación de caché
• Flujo de suscripciones
• Mapeos de columnas de datos
• Cumplimiento de la App Store
• Decisiones específicas del dominio (los estadios con cúpula no tienen viento, las estadísticas de entrenamiento de primavera no deben ponderarse igualmente, la API de percentiles de Baseball Savant requiere lógica de relleno de huecos para jugadores no calificados)

Métricas de desarrollo

• Más de 300 horas de desarrollo durante un semestre
• 30 trabajos cron automatizados ejecutándose cada noche comenzando a las 2:25 AM ET
• 9 fuentes de datos externas sincronizadas diariamente
• 2 rechazos de la App Store antes de la aceptación (etiquetado de EULA + permiso ATT innecesario)
• Punto de equilibrio: 13 suscriptores a $3.99/mes