Fundamentos

Tool calling, memoria, planificación vs reactivo, límites de LLM.

• Construye tu primer agente de IA

  ★☆☆

  Escribimos el agente más simple que realmente funciona - sin magia, sin frameworks.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Construye tu primer agente de IA

• Cómo los agentes de IA usan herramientas (Bases)

  ★☆☆

  Trabaja solo con texto.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cómo los agentes de IA usan herramientas (Bases)

• Cómo los agentes de IA pueden usar herramientas

  ★★☆

  Tool calls es el lugar donde los agentes rompen producción: schema drift, retries, efectos secundarios (cambios de estado), y ese mismo token admin de 'oops'. Así es como se sobrevive.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cómo los agentes de IA pueden usar herramientas

• Planning vs Reactivo: cómo los agentes de IA eligen el siguiente paso

  ★☆☆

  No recibe una instrucción. No le explican el orden de acciones.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Planning vs Reactivo: cómo los agentes de IA eligen el siguiente paso

• Por qué los agentes de IA pueden fallar

  ★★☆

  Entiende por qué fallan los agentes LLM: alucinaciones, límites de contexto, errores de herramientas y guardrails para hacerlos fiables.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Por qué los agentes de IA pueden fallar

• Cómo los agentes de IA usan la memoria

  ★☆☆

  Sin esto, cada nueva acción sería como el primer intento. A veces, infinitamente.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cómo los agentes de IA usan la memoria

• Qué pueden y qué no pueden hacer los agentes de IA

  ★☆☆

  No todas las acciones son seguras

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Qué pueden y qué no pueden hacer los agentes de IA

• Cuándo los agentes de IA deben detenerse

  ★☆☆

  Porque su tarea es completar el trabajo. No decidir cuándo es suficiente.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cuándo los agentes de IA deben detenerse