Tu primer agente en la aplicación.

Construya la guía del Taller Luna a partir de un rol claro y algunas pruebas. Agregue capacidades sólo cuando las tareas las requieran.

Estos pasos se refieren a las características identificadas en el código de la aplicación. Este material no ha sido validado en una instancia en vivo; consulta la documentación y las opciones de tu versión.

Cómo funciona, paso a paso

Un bucle de agente acotado

Un agente combina un modelo con herramientas, una meta y un estado. Observa la solicitud, elige un paso, recibe un resultado y decide si continúa. Un chatbot sólo puede generar texto; un agente puede solicitar una acción externa. Las definiciones comerciales varían, así que inspeccione el control real. Defina éxito y parada: un resultado verificado, un recuento máximo de pasos, errores repetidos o un presupuesto agotado. Utilice capacidades limitadas y permisos mínimos. Autonomía útil significa libertad dentro de los límites impuestos por el software.

Una instrucción es un contrato.

Un buen mensaje especifica la tarea, los datos disponibles, el formato de salida y los criterios de éxito. Separe el rol de los datos e incluya un ejemplo para casos ambiguos. "Sea preciso" es más débil que "indique sólo la fecha límite en la póliza proporcionada; si falta, solicite una aclaración". Pocos intentos significa unos pocos ejemplos resueltos, no una lista interminable. El contenido del documento sigue siendo datos incluso cuando contiene comandos. Los delimitadores ayudan, pero el software debe imponer permisos y validación en lugar de depender del aviso.

Elija por tarea y capacidades

Verifique el idioma, el contexto, la llamada de herramientas, la salida estructurada y las modalidades de entrada admitidas. Compare modelos con solicitudes idénticas utilizando la misma rúbrica y un presupuesto realista. Muestreo de cambios de temperatura, no verdad. El esfuerzo de razonamiento asigna esfuerzo a modelos compatibles y puede aumentar el tiempo y el costo; Los valores aceptados varían. Los modelos locales ofrecen control de infraestructura pero requieren recursos y mantenimiento. Las pesas abiertas no garantizan una licencia sin restricciones ni un código de entrenamiento completo. Los catálogos y los precios cambian; Lea la tarjeta del modelo actual.

El esquema explicativo

Siga las flechas sólidas para el flujo principal. Las flechas azules discontinuas proporcionan datos o contexto; Las flechas discontinuas de color rosa muestran comentarios o resultados devueltos. Colores y formas distinguen modelos, tiendas, decisiones y resultados. En pantallas pequeñas, desplázate horizontalmente para seguir todo el esquema.

Un ejemplo completo

En Agentes, cree un nombre y un mensaje del sistema, elija el modelo, el tono y la configuración compatible. Guarde y pruebe en Playground. Evite inicialmente herramientas con efectos externos.

You guide Luna Workshop customers. Explain simply. Use supplied information. Ask for the product model when missing. Do not invent stock, deadlines or exceptions.

Pruébalo tú mismo

1. Cree el agente, luego pruebe el saludo, el producto, la ambigüedad, los datos faltantes y una solicitud fuera de rol.
2. Registre la entrada, la fuente y el resultado esperado antes de ejecutar el experimento. Utilice únicamente los datos ficticios del ejemplo.
3. Siga las etapas del diagrama. En cada paso registre qué información se recibe y se produce; No confunda el resultado intermedio con el resultado final.
4. Repita después de eliminar la información necesaria o hacer que la entrada sea ambigua. Compruebe si el sistema aclara, detiene o inventa una respuesta.
5. Comparar con la solución explicada. Conserve la configuración, fecha, resultado y una explicación de las diferencias. Cambie una cosa y vuelva a probar.

Una solución explicada

El agente explica los productos utilizando los datos proporcionados y reconoce que falta stock vivo o acceso a pólizas. Un ejercicio exitoso le permite mostrar la conexión entre los aportes, las etapas y el resultado. Cuando falta información, una respuesta cautelosa es más útil que detalles inventados. Compare más que estilo: compruebe también las condiciones, las fuentes y las operaciones.

Cuándo resulta útil y cuáles son sus límites

La personalidad no reemplaza el conocimiento. Elija este enfoque cuando mejore una necesidad medida. Mantenga una línea de base simple y compare los resultados utilizando insumos idénticos. Un ejemplo exitoso no establece confiabilidad en todas las situaciones.

Comprueba lo que has aprendido

¿Más autonomía siempre da mejor resultado?

No. También aumenta el margen de error, costes y acciones innecesarias.

¿Puede un aviso reemplazar el control de acceso?

No. Una instrucción no es un límite de autorización.

¿Qué resultado debería producir este ejercicio?

El agente explica los productos utilizando los datos proporcionados y reconoce que falta stock vivo o acceso a pólizas.

Términos que conviene recordar

• Agente: Un sistema que puede elegir pasos y utilizar herramientas para lograr un objetivo.
• pocos tiros: Ejemplos resueltos proporcionados en contexto.
• esfuerzo de razonamiento: Un entorno dependiente del modelo que controla el esfuerzo de razonamiento.

Fuentes y su próximo paso

• LangGraph — Flujos de trabajo y agentes
• OWASP — Inyección de instrucciones
• Hugging Face — LLM Course

Para preparar: A01 — Anatomía de un agente de IA