l0z4n0Nivel de lectura
Lab
Conceptos para entender, guías para aplicar y experimentos con los números de sistemas reales. Todo escrito a partir de lo que construyo.
17 piezas · 3 conceptos · 4 guías · 9 experimentos · 1 caso · actualizado el 28 sept 2026
Cada columna es un tema. Altura = número de piezas publicadas. Haz clic en una columna para filtrar.
ConceptoContenido y voz con IAPara entender3 min
La etapa que clasifica al lector antes de cualquier decisión creativa, qué mide y qué cambió cuando se volvió obligatoria en un pipeline de copy con IA.
LeerConceptoContext engineeringPara entender3 min
La disciplina de decidir qué recibe un modelo de IA junto con la instrucción, y por qué importa más que el prompt en sistemas con agentes.
LeerConceptoSistemas multiagentePara entender2 min
Cuándo vale la pena dividir el trabajo entre varios agentes de IA, los tres patrones de organización y dónde suelen fallar estos sistemas.
LeerGuíaSistemas multiagentePara aplicar2 min
La regla "los agentes piensan, las skills ejecutan", de dónde vino y cómo decidir en cada etapa de un sistema con IA.
LeerUn email por semana con los experimentos más densos, filtrados y comentados. Sin duplicar lo que está en el portal: el contexto que no cabe en un registro.
Cómo es SinalGuíaVerificación y calidadPara aplicar2 min
Los cuatro niveles de verificación, de la prueba automática a la autoevaluación, y cómo elegir el nivel correcto para cada etapa de un sistema.
LeerGuíaCosto y modelosPara aplicar2 min
Medir antes de recortar, enrutar tareas por modelo y automatizar las reglas. Con los números de 987 sesiones reales.
LeerGuíaContenido y voz con IAPara aplicar2 min
Un archivo de voz con límites, cargado en todo agente, y una nota que reprueba sola. El método que mantuvo a 10 agentes escribiendo como una sola persona.
LeerCasoCosto y modelosPara profundizar
987 sesiones en 90 días. Cómo una capa de reglas reparte el trabajo entre Opus, Sonnet y Haiku, cuánto cuesta y lo que el número no prueba.
LeerExperimento #009Contenido y voz con IAPara profundizar2 minValidado
Un archivo de ADN de voz produce consistencia de marca incluso cuando más de 10 agentes distintos escriben.
LeerExperimento #008Sistemas multiagentePara profundizar2 minInconcluso
Un framework estructurado de decisión con modo dual (framework puro e IA) produce mejores decisiones de compra que la intuición o la investigación improvisada.
LeerExperimento #007Context engineeringPara profundizar2 minValidado
Frameworks de context engineering compilados en un squad producen mejores sistemas de agentes que el prompting improvisado.
LeerExperimento #006Sistemas multiagentePara profundizar2 minValidado
Un pipeline estandarizado de 6 etapas convierte cualquier base de conocimiento en un squad listo para marketplace.
LeerExperimento #005Design systemsPara profundizar2 minValidado
Un design system con tokens semánticos DTCG produce más consistencia visual que los brandbooks descriptivos.
LeerExperimento #004Contenido y voz con IAPara profundizar2 minValidado
Un documento de ADN conceptual compartido entre todas las páginas crea coherencia narrativa sin uniformizar la voz.
LeerExperimento #003Verificación y calidadPara profundizar2 minValidado
Dos agentes de QA en paralelo identifican más problemas que un único auditor secuencial.
LeerExperimento #002Contenido y voz con IAPara profundizar2 minValidado
Mapear la conciencia y sofisticación del lector antes de escribir cambia las decisiones de enrutamiento y el resultado final.
LeerExperimento #001Contenido y voz con IAPara profundizar2 minValidado
Un pipeline estructurado con agentes especialistas produce copy de QG más alto que un único agente generalista.
Leer