Artículos para quien
entrega el stack
Textos originales sobre React, Node.js, TypeScript y AI — de la misma práctica que nuestro software de operador. Cuerpo de los artículos en inglés.
Etiqueta: LLM
Un arnés para producción en Claude Code: seis capas desde Slack hasta el MR fusionado.
Cómo un arnés de seis capas convierte los tickets de Slack en código fusionado: recepción de eventos, bucles de agentes con control de acceso, estado duradero, autoreparación, capacidad de observabilidad y control por parte del operador.
42 min de lecturaCincuenta años de investigación en recuperación de información oculta dentro de tu pipeline RAG
El fragmentado de RAG, la búsqueda híbrida, HyDE, el reclasificado y las evaluaciones tienen antepasados de varias décadas en la recuperación de información. Un recorrido por la investigación y sus limitaciones.
17 min de lecturaReducir los costos de tokens del agente: caché, enrutamiento e higiene del contexto.
Reduce las facturas de los agentes LLM mediante el caché de prompts y el caché semántico, herramientas de carga diferida, enrutamiento y cascadas de modelos, subagentes, y una sencilla higiene del contexto.
16 min de lecturaFundamentos de los agentes de IA: propósito, diseño de instrucciones y selección de modelos
Cómo sentar las bases para un agente de IA de producción: definir el propósito y las métricas de éxito, redactar instrucciones con objetivos y límites, y luego elegir el modelo adecuado.
21 min de lecturaIngeniería de contexto en la práctica: Un agente de investigación del Claude Agent SDK
Construir un agente de investigación en Python con el Claude Agent SDK utilizando patrones de escritura, selección, compresión e aislamiento, y luego compararlo con una línea de base simple en pruebas medidas.
20 min de lecturaLo que encuentra un agente de diferenciación de modelos: los cambios de estilo eclipsan un ajuste fino limitado.
Un agente de model-diffing auditó un ajuste fino LoRA financiero: el 82% de las ejecuciones detectaron el cambio en la longitud y estructura, mientras que el cambio en el razonamiento pretendido permaneció oculto.
15 min de lecturaAgentes Harness, Loop y Graph: Tres capas detrás de los agentes de IA fiables
Por qué los agentes poco fiables suelen carecer de un elemento clave: el arnés alrededor del modelo, un bucle basado en evidencias y un grafo explícito, junto con patrones de código y una lista de verificación para la depuración.
15 min de lecturaTres formas en que fallan los sistemas RAG en entornos de producción: contexto fragmentado, desviación y uso inadecuado.
Tres formas en que falla el RAG de producción: contexto fragmentado debido al procesamiento en bloques, desviación a medida que crece la base de conocimientos, y uso incorrecto a pesar de una buena recuperación de información, junto con soluciones a nivel de capas.
11 min de lecturaReconstrucción de un agente al estilo Claude Code con LangChain Deep Agents
Cómo funciona el arnés de un agente de programación, desde el bucle principal hasta las herramientas, la planificación, la memoria, los subagentes y las aprobaciones en entorno aislado, reconstruido paso a paso con DeepAgents.
16 min de lectura
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.