Organiza las notas por acción, no por tema.
Organizar las notas por tema parece lógico hasta que tienes notas sobre PostgreSQL en cinco carpetas diferentes y no puedes encontrar la que importa para el problema de hoy.
Notas que mejoran en lugar de deteriorarse.
La mayoría de las notas de ingeniería se escriben una vez y se olvidan. Capturas algo durante una sesión de depuración, lo pegas en algún lugar y lo encuentras dos años después sin ningún contexto sobre por qué era importante.
Publica conocimiento que crezca, no solo publicaciones.
El modelo dominante para publicar conocimiento en línea no ha cambiado mucho desde principios de los años 2000: escribe algo, pulelo, publícalo y pasa a la siguiente cosa.
Gasta tokens donde realmente importan.
Los costos de los LLM escalan de forma lineal con el uso. Un sistema que procesa 10.000 solicitudes al día a $0,01 por solicitud cuesta $100 diarios — $365 al año. A escala empresarial, eso supera los $10.000.
Controla el riesgo, no solo el modelo.
Los modelos de lenguaje grande (LLM) son impredecibles. Alucinan, filtran datos, generan contenido dañino o rechazan solicitudes legítimas. Los mecanismos de protección (guardrails) restringen el comportamiento del modelo sin sacrificar su capacidad.
«El modelo adecuado para la tarea adecuada».
Ejecutar un modelo de 70 mil millones de parámetros para resumir un correo electrónico de 200 palabras es un desperdicio. Ejecutar un modelo de 3 mil millones de parámetros para revisar código en producción es imprudente. La mayoría de los sistemas se encuentran en algún punto intermedio, y ahí es donde entra la enrutación de modelos.
Elija el patrón más simple que funcione.
Los sistemas de un solo modelo son simples. Los sistemas de múltiples modelos son potentes. El desafío no consiste en elegir modelos, sino en diseñar la arquitectura que los orqueste.
Memoria de trabajo, estructurada y de recuperación para asistentes.
La memoria transforma a los asistentes de reactivos a persistentes, pero también es donde muchos sistemas se deterioran silenciosamente. Las encuestas argumentan que la división entre memoria a corto y largo plazo ya no es suficiente para la memoria de los agentes modernos; los SDK de OpenAI y LangGraph apuntan a una arquitectura más simple: memoria de trabajo, estado duradero y recuperación.
Cómo se construyen realmente los asistentes de IA.
Un asistente de IA en producción no es “un LLM con un prompt”. Es un sistema que acepta la intención del usuario, mantiene el estado, decide cuándo recuperar información o actuar, y expone suficiente detalle en tiempo de ejecución para depurar fallos.
La IA transforma la gestión del conocimiento, no su propósito.
La IA no está reemplazando la gestión del conocimiento; está cambiando su forma tanto para individuos como para equipos.
Construya un grafo de conocimiento para desarrolladores.
Los desarrolladores no suelen sufrir por falta de información. Sufren por tener demasiada.
Estrellas, tokens, descargas: ¿quién gana realmente?
Los frameworks de agentes de IA de código abierto están experimentando un aumento explosivo en popularidad en GitHub. Dos proyectos en el centro del ecosistema de sistemas de IA autoalojados — OpenClaw y Hermes Agent — han avanzado tanto que el resto del campo lucha por un distante tercer lugar.
MTP frente a la decodificación estándar en RTX 4080: benchmarks reales
Probé el rendimiento de la decodificación especulativa (Predicción Multitoken, MTP) en Qwen 3.6 27B y 35B en una RTX 4080 con 16 GB de VRAM.
VRAM libre sin detener llama-server.
Modo router de llama.cpp es uno de los cambios más útiles en llama-server en años. Finalmente ofrece a los operadores de LLM locales una experiencia de gestión de modelos cercana a la que las personas esperan de Ollama, manteniendo al mismo tiempo el rendimiento bruto y el control a bajo nivel que hacen que llama.cpp valga la pena usarlo en primer lugar.
La búsqueda no es estructura de conocimiento
La mayoría de los sistemas de conocimiento modernos optimizan la recuperación, y eso es comprensible. La búsqueda es visible, fácil de demostrar y parece mágica cuando funciona. Escribe una pregunta, obtén una respuesta.
Conocimiento compilado para sistemas de IA
La premisa es simple: el conocimiento compilado es más reutilizable que los fragmentos recuperados. RAG se convirtió en la respuesta predeterminada a una pregunta directa: ¿cómo proporciono a un LLM acceso a conocimiento externo?
Recibe nuevas publicaciones sobre sistemas, infraestructura e ingeniería de IA.
