Blog
Notas sobre ingeniería de IA
Artículos prácticos sobre agentes de IA, RAG, integraciones LLM, evals y seguridad, basados en proyectos reales y sin relleno.
Spring AI para equipos Java y Kotlin: chat, RAG, herramientas y salida estructurada en Spring Boot
Una guía práctica de Spring AI: ChatClient, advisors, memoria de chat, RAG con pgvector, llamadas a herramientas, salida estructurada, streaming, observabilidad con Micrometer y testing, además de su comparación con LangChain4j.
Cómo crear un chat de IA en Next.js: streaming, herramientas, salida estructurada y endurecimiento para producción
Una guía práctica para añadir un asistente de IA a una aplicación Next.js con App Router usando el Vercel AI SDK: respuestas en streaming, llamadas a herramientas, salida estructurada, rate limiting, persistencia, accesibilidad y control de costes.
LLM self-hosted: vLLM, Ollama y llama.cpp, dimensionado de GPU y cuándo compensa
Una guía práctica para ejecutar modelos de lenguaje de pesos abiertos en tu propia infraestructura: cuándo tiene sentido alojarlos tú, cómo elegir un servidor de inferencia, cuantización, dimensionado de la memoria de GPU, despliegue en Kubernetes, seguridad y coste total frente a las APIs.
Fine-tuning vs RAG vs prompting: cómo elegir la forma adecuada de personalizar un LLM
Una guía de decisión para personalizar modelos de lenguaje: qué cambia cada método (prompting, RAG y fine-tuning), qué dice la investigación sobre la inyección de conocimiento, nociones básicas de LoRA y QLoRA, requisitos de datos, costes y combinaciones habituales.
Observabilidad de LLM: trazas, métricas y depuración de aplicaciones de IA en producción
Cómo observar aplicaciones con LLM y agentes: qué registrar, las convenciones semánticas GenAI de OpenTelemetry, trazas para RAG y agentes, métricas de coste y calidad, privacidad de los prompts en los logs y cómo elegir herramientas como Langfuse o Phoenix.