Artículos para quien
entrega el stack
Textos sobre React, Node.js, TypeScript y AI. El cuerpo traducido se muestra cuando existe. Si no, ve el texto en inglés y una nota que lo dice.
Etiqueta: agent-evaluation
Agentes de auto-mejora: curación, aprendizaje y cambio controlado
Agentes que se mejoran por sí mismos sin riesgos: recuperación automática durante la ejecución, aprendizaje a lo largo de múltiples ejecuciones, y cambios que se implementan únicamente después de pruebas y canarios, en LangGraph.
15 min de lecturaEvaluación y optimización de agentes: comparación de DSPy, TextGrad, Reflexion y OPRO
Cómo se integran DSPy, TextGrad, Reflexion y OPRO como bucles de retroalimentación para los agentes, qué adoptar primero, y cómo separar la evaluación de la optimización en una empresa.
12 min de lecturaUna plataforma mínima viable para la experimentación de agentes de IA: pruebas A/B y ejecuciones en sombra
Cómo decidir si la versión B del agente debe reemplazar a A, utilizando definiciones de pipeline, asignación local, eventos de exposición, trazas, evaluación en entorno aislado, ejecuciones en segundo plano y medidas de control.
11 min de lecturaUn agente de IA es igual a un modelo de IA más un arnés: qué hace el arnés y por qué.
Un agente es un modelo más un arnés. Vea cómo los arneses añaden herramientas, memoria, bucles y medidas de seguridad, cómo difieren los agentes de peso abierto y código abierto, y por qué son importantes las evaluaciones.
10 min de lecturaUn nombre estable de agente no es el artefacto que se revisó: fije al candidato.
El nombre de un agente puede permanecer igual mientras sus habilidades, herramientas y permisos cambian. Separa el nombre, el candidato de comportamiento y la identidad de ejecución para su revisión y reversión.
8 min de lecturaEl problema del verificador gratuito: por qué los bucles de agentes se detienen cuando el trabajo ya no es código.
Los bucles de agentes de codificación funcionan porque los compiladores y las pruebas realizan verificaciones de forma gratuita. Fuera del código no existe un verificador gratuito: se requieren cuatro subsidios, datos de fallos y una prueba de oráculo.
6 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.