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
Ingeniería de prompts: Dirigir los LLM sin ajuste fino
Utilice roles, ejemplos de pocos casos, razonamiento en cadena y restricciones de formato para guiar a los modelos, y sepa cuándo el mero uso de instrucciones alcanza sus límites frente al ajuste fino.
748 palabrasLeerHerramientas vs Habilidades vs MCP: Tres capas de un agente de IA
Las herramientas exponen acciones, las habilidades codifican flujos de trabajo y el estándar MCP estandariza las conexiones externas. Un modelo mental claro para diseñar arquitecturas de agentes sin mezclar las capas.
1495 palabrasLeerTu primer agente de IA que utiliza herramientas con LangChain
Crea un pequeño agente matemático de LangChain en Python: inicializa un modelo de chat, registra herramientas, permite que el LLM elija qué función llamar y observa el uso de herramientas en múltiples pasos.
1062 palabrasLeerJev: Cómo un modelo de IA no generativo convierte texto en decisiones
Aprenda cómo funciona el modelo de IA numérico “System One” de Jev, por qué es más rápido y económico que los LLM, y cuál es su lugar junto a la IA generativa en los sistemas de producción.
1629 palabrasLeerComprendiendo los agentes de IA: llamadas a herramientas, MCP y el bucle del agente
Aprenda cómo la llamada a herramientas, MCP y los bucles de agente se combinan para formar la verdadera arquitectura detrás de los sistemas de IA agentes, más allá de las palabras de moda.
3643 palabrasLeerSeis conceptos de IA que le indican qué verificar antes de confiar en una respuesta
Tokens, ventanas de contexto, temperatura, alucinaciones, RAG y agentes explicados como herramientas de verificación, para que pueda detectar errores, controlar costos y evaluar las afirmaciones de los productos de IA.
2235 palabrasLeerModelos de decisión basados en texto frente a llamadas a LLM: latencia y estabilidad en el límite
Un experimento de 240 llamadas que compara las probabilidades nativas de Jev con las autoinformadas por un LLM, y cómo convertir esa señal en un router de modelos LangChain.
2630 palabrasLeerAplicación de reglas de agente en el código: PreToolUse, PostToolUse y Stop Hooks
Aprenda por qué la autorización para los agentes LLM debe estar en los ganchos de llamada a herramientas deterministas, cómo denegar llamadas de forma segura y cómo envolver un despachador sin recursión.
2721 palabrasLeerDiagnosticar problemas en las salidas de los LLM: cuándo usar prompts, recuperación o ajuste fino
Un enfoque basado en los síntomas para determinar si una función de IA deficiente necesita un prompt mejor, una capa de recuperación o ajuste fino, y por qué entrenar un modelo con hechos tiene efectos negativos.
1607 palabrasLeer
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.