40 términos

Glosario

Fundamentos

Prompt engineeringUn turno.Context engineeringUna sesión.Harness engineeringTrabajo continuo: horas y cientos de decisiones, con herramientas, validación y restricciones arquitectónicas.Patrón de HashimotoCada error del agente se convierte en un arreglo permanente del entorno; el sistema se realimenta y mejora a sí mismo.Cinco primitivasSistema de archivos, ejecución de código, sandbox controlado, memoria persistente y gestión de contexto.RAG (Retrieval-Augmented Generation)Técnica que recupera información de una fuente externa antes de generar la respuesta, en vez de depender solo del conocimiento entrenado en el modelo.MCP (Model Context Protocol)Protocolo abierto para conectar modelos con herramientas y fuentes de datos externas de forma estandarizada.SkillsUnidades modulares de comportamiento o conocimiento que se le enseñan a un agente para una tarea específica.Skill creatorSkill de Anthropic para construir otras skills; camino para profesionalizar el uso de IA en vez de improvisar cada vez.AgentesSistemas que usan un modelo para decidir y ejecutar acciones de forma autónoma, no solo responder texto.

Contexto y memoria

Gestión de contextoAdministrar qué información cabe y permanece relevante dentro de la ventana de contexto de un modelo.Memoria persistenteInformación que un agente conserva entre sesiones, más allá de una sola conversación.Revelación progresivaEntregarle contexto al modelo por capas, según lo va necesitando, en vez de todo de una vez.Poda de contextoEliminar deliberadamente información acumulada que ya no aporta, para no saturar la ventana de contexto.ObsidianHerramienta de notas enlazadas usada por varios del grupo como base de un "segundo cerebro".Segundo cerebroSistema personal (típicamente en Obsidian) para centralizar contexto, ideas y notas de forma conectada.Jarvis (asistente personal)Proyecto tipo asistente personal que integra calendario, correo, WhatsApp y notas; limitado hoy por falta de memoria persistente real.MemPalasHerramienta de memoria institucional basada en la técnica de palacios de memoria, aplicada a bases de datos no estructuradas.InfoxicaciónSaturación por exceso de información, concepto de Alfons Cornellá que el grupo adoptó para nombrar la fatiga de estar al día con IA.EncapsulamientoAislar una funcionalidad para que se pueda usar sin conocer su implementación interna — principio de diseño que el grupo aplica también al contexto que se le da a un modelo.

Seguridad y control

Fricción productivaPuertas de diseño que obligan a un acto deliberado antes de avanzar; lo que realmente frena el sesgo de automatización, no la fuerza de voluntad.Metodología NémesisEnfoque de interacción crítica y adversarial con los modelos, para no aceptar sus respuestas sin cuestionarlas.Seguridad en código generadoDisciplina de no confiar ciegamente en código producido por IA sin auditoría técnica antes de producción.Huellas de modelosPatrones o estilos de escritura identificables que delatan qué modelo generó un texto.Escepticismo productivoPostura crítica frente a la automatización total que, en vez de rechazarla, exige supervisión rigurosa.Auditoría de código IARevisión técnica deliberada de código generado antes de llevarlo a producción, en vez de asumir que "compila" significa "está bien".Supervisión humanaPrincipio recurrente del grupo: la IA multiplica capacidades pero no reemplaza el juicio ni la responsabilidad ética de quien la usa.AGI (inteligencia artificial general)Hipotética IA con capacidad cognitiva general equivalente o superior a la humana; tema de debate sobre sus argumentos prácticos, no solo especulativos.Ética y alucinacionesDebate fundacional del grupo sobre los riesgos de confiar en respuestas incorrectas generadas con total seguridad, especialmente en derecho y medicina.GSD (Getting Stuff Done, marco)Marco de trabajo orientado a ejecución práctica más que a teoría, promovido como forma de estructurar el uso de IA en tareas reales.

Operación y evaluación

Loop EngineeringComplemento del harness engineering enfocado en los ciclos de retroalimentación del desarrollo con agentes.Vibe EngineeringCrítica a la ilusión de velocidad al programar con IA y a la deuda técnica que se acumula cuando no hay disciplina detrás.Backlog de ticketsDividir un proyecto en tareas discretas y rastreables para mantener control sobre el avance, en vez de avanzar sin estructura.Pruebas automatizadas (Testing)Suite de tests que valida que el código generado por IA realmente funciona, no solo que "se ve bien".OpenRouterServicio para gestionar de forma centralizada múltiples llaves de API de distintos proveedores de modelos.Modelos localesModelos ejecutados en hardware propio en vez de la nube, por costo, privacidad o independencia de proveedor.MetaaprendizajeUsar la IA como mentor para aprender a aprender más rápido, no solo para resolver una tarea puntual.ICP (perfil de cliente ideal)Definición del cliente ideal usada para calificar leads generados o evaluados con LLMs.Comunidad de prácticaModelo de operación del grupo: presentaciones cortas, repositorio compartido, sin tareas obligatorias ni estructura académica rígida.Agilismo en la era de la IAPregunta abierta del grupo sobre si el ritmo de la IA implica un retorno a fases de análisis más tipo cascada.