13 noticias
La ingeniería de arnés (harness engineering) es una disciplina que rodea la generación de código asistida por inteligencia artificial con herramientas deterministas, revisión basada en agentes y verificaciones periódicas de entropía, con el objetivo de que el código producido por IA se mantenga corr
Netflix ha presentado GenRec, un ranker de recomendaciones respaldado por un modelo de lenguaje grande (LLM) entrenado a medida con datos y objetivos específicos de su plataforma. El sistema sustituye buena parte de las miles de features artesanales del stack actual por verbalización del historial d
ThoughtDAG es una herramienta que representa el contexto que recibe un modelo de lenguaje (LLM) como un grafo dirigido acíclico visible y editable, en lugar de tratarlo como una cadena lineal opaca. Cada nodo contiene información como una pregunta de investigación, una pieza de evidencia o una digre
ADLC Team Skills es un proyecto de código abierto que propone una "capa cognitiva compartida" para equipos de ingeniería que trabajan con agentes de IA. Su premisa es que los trucos individuales de prompting generan mejoras rápidas para desarrolladores aislados, pero al escalar al equipo producen de
Anthropic ha detallado un cambio significativo en la forma de configurar el contexto de sus modelos más recientes, Claude Opus 5 y Claude Fable 5. La compañía eliminó más del 80% del prompt del sistema de Claude Code sin pérdida medible en sus evaluaciones internas de programación, lo que evidencia
El autor, fundador de HumanLayer, sostiene que la promesa de producir software de calidad a 10-100x más rápido sin revisión humana mediante ingeniería de bucles (harness engineering) y más tokens no se sostiene: se trata, en el fondo, de un problema de entrenamiento de los modelos. Para argumentarlo
Ryan Lopopolo ha publicado en GitHub el repositorio "harness-engineering", una antología, guía de campo y conjunto de contexto para agentes que define y desarrolla la práctica del "harness engineering": mejorar el rendimiento de un agente de inteligencia artificial configurando el entorno que lo rod
Ratel es una biblioteca de código abierto que actúa como capa de ingeniería de contexto para agentes de inteligencia artificial. Su objetivo es doble: reducir el coste por llamada y recuperar la precisión que se pierde cuando el modelo recibe demasiadas herramientas, instrucciones y habilidades a la
Diseñar la memoria de un agente de inteligencia artificial no es una elección única: cada categoría de información —la conversación actual, las preferencias del usuario, el historial de interacciones o las rutinas aprendidas— necesita una capa distinta. Este artículo explica cómo clasificarlas media
El ensayo sostiene que el videojuego Factorio funcionó, sin proponérselo, como un simulador de vuelo para una profesión que aún no existía: la supervisión de fábricas de software basadas en agentes de inteligencia artificial. Quienes ya dedicaron cientos de horas al juego piensan en términos de rend
Este artículo describe PRINCE (Preclinical Information Center), una plataforma agéntica basada en la nube que Bayer AG desarrolló junto a Thoughtworks para transformar el acceso a datos en la fase preclínica del desarrollo de fármacos. El sistema integra décadas de informes de seguridad en PDF y dat
OutcomeOps ha publicado un repositorio de código en GitHub que introduce el concepto de 'Context Engineering', una nueva disciplina para diseñar, recuperar e inyectar información relevante en sistemas de inteligencia artificial. A diferencia de los enfoques tradicionales que tratan el contexto como
Un desarrollador independiente ha creado 'GSD' (Get Shit Done), una nueva herramienta de código abierto diseñada para mejorar la eficiencia de los asistentes de codificación basados en IA, como Claude Code, Gemini, Codex y Copilot. GSD aborda el problema de la 'degradación del contexto' que afecta a