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.
Embeddings y chunking para RAG: elegir modelos, dividir documentos y trabajar con texto en español y multilingüe
Una guía práctica de la capa de recuperación de RAG: cómo funcionan los modelos de embeddings, cómo elegir uno con MTEB y tus propios datos, consideraciones para español y textos multilingües, estrategias de chunking, contextual retrieval y reranking.
Comparativa de bases de datos vectoriales: pgvector, Qdrant, Weaviate, Milvus y Pinecone para RAG en producción
Cómo elegir una base de datos vectorial: cómo funcionan los índices ANN como HNSW e IVF, el filtrado y la búsqueda híbrida, el escalado y los costes, y cuándo PostgreSQL con pgvector es todo lo que necesitas.
Sistemas multiagente: cuándo varios agentes de IA superan a uno y cuándo solo queman tokens
Una mirada de ingeniería a los sistemas multiagente con LLM: arquitecturas orquestador-subagentes, qué aprendieron Anthropic y Cognition, por qué fallan los sistemas multiagente, la economía de los tokens y un marco de decisión para casos de uso de negocio.
Integrar agentes de IA con Odoo: API JSON-2, MCP y automatización segura
Cómo conectar un asistente de IA a Odoo con la API JSON-2: claves de API, un usuario de integración dedicado, diseño de herramientas, MCP y los casos de uso que compensan primero.
Context engineering para agentes de IA: qué poner en la ventana de contexto y qué dejar fuera
El context engineering explicado para desarrolladores: por qué más contexto perjudica, cómo presupuestar tokens, recuperación justo a tiempo, compactación, notas estructuradas, memoria y subagentes, con patrones para agentes de larga duración.