Deno, Go y Python en WSL2 para flujos mixtos de backend + AI

Combinar lenguajes modernos como Deno, Go y Python permite crear soluciones backend de alto rendimiento con componentes de inteligencia artificial de forma modular y eficiente. Gracias a WSL2, es posible configurar este stack en Linux desde Windows, integrando herramientas, librerías y entornos de ejecución en un mismo flujo de trabajo.

🎯 Objetivo

Instalar Deno, Go y Python en WSL2
Ejecutar servidores backend ligeros con Deno y Go
Usar Python para lógica de IA (modelo, predicción)
Comunicar los componentes entre sí usando HTTP/REST

⚙️ Paso 1: Instalar entornos en WSL2

# Python
sudo apt update && sudo apt install -y python3 python3-pip

# Go
sudo apt install -y golang

# Deno
curl -fsSL https://deno.land/install.sh | sh
echo 'export DENO_INSTALL="$HOME/.deno"' >> ~/.bashrc
echo 'export PATH="$DENO_INSTALL/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

Verificar versiones:

python3 --version
go version
deno --version

🧪 Paso 2: Crear backend HTTP con Deno

// api.ts
import { serve } from "https://deno.land/std@0.178.0/http/server.ts";

serve(req => new Response("Hola desde Deno API"), { port: 8000 });

Ejecutar:

deno run --allow-net api.ts

⚙️ Paso 3: Crear servicio Go para procesamiento

// server.go
package main

import (
    "fmt"
    "net/http"
)

func main() {
    http.HandleFunc("/go", func(w http.ResponseWriter, r *http.Request) {
        fmt.Fprintf(w, "Hola desde Go service")
    })
    http.ListenAndServe(":8080", nil)
}

Compilar y correr:

go run server.go

🤖 Paso 4: Python como motor de IA

# model.py
from flask import Flask, request, jsonify
import numpy as np

app = Flask(__name__)

@app.route('/predict', methods=['POST'])
def predict():
    x = request.json['input']
    pred = np.log1p(x)  # lógica simulada
    return jsonify({'result': pred.tolist()})

if __name__ == '__main__':
    app.run(port=5000)

Instalar dependencias y correr:

pip install flask numpy
python3 model.py

🔗 Paso 5: Comunicación entre servicios

Desde Deno o Go se puede consumir el endpoint de Python:

curl -X POST http://localhost:5000/predict -H "Content-Type: application/json" -d '{"input": [1, 2, 3]}'

Respuesta:

{"result": [0.6931, 1.0986, 1.3862]}

✅ Conclusión

Con WSL2 es posible combinar de forma eficiente lenguajes especializados para backend (Go, Deno) y lógica de IA (Python), manteniendo un entorno ligero y modular. Esta arquitectura híbrida mejora la productividad y facilita el mantenimiento en equipos multidisciplinarios que desarrollan APIs inteligentes.