IA
Modelos de decisión, Jev y Kev
Jev devuelve probabilidades en vez de texto. Su confidence no se aprende: se calcula. Lo compruebo con 5,743 casos públicos y con Kev sobre mi compuerta.
Calibración y exceso de confianza en los LLM
Calibrar es saber cuánto vas a acertar. Cómo lo mide el ECE, el salto del ECE de GPT-4 de 0.007 a 0.074 tras el post-training y qué se sabe de la causa.
Ingeniería de Harness (Sistemas)
Del prompt al context engineering, ¿qué viene después? El blog de ingeniería de Anthropic apunta a harness, eval y containment (aislamiento).
Cómo ahorrar tokens de IA
Mide costos de tokens con un React POC y redúcelos con prompt caching, subagent, MCP ligero, context engineering y Cursor Composer.
Cómo funcionan los tokens
Cómo BPE crea tokens, los embeddings alimentan los LLM, prefill y decode determinan el coste, y KV cache y prompt caching reducen entradas repetidas.
Archivos de contexto
Cómo cargan los agentes CLAUDE.md, AGENTS.md, SKILL.md y Cursor rules, por qué se pierden instrucciones y qué escribir según un estudio de ETH Zurich.
Cuatro niveles de inteligencia de código
Cuatro niveles de herramientas que abaratan la búsqueda de código de un agente de IA: Repomix, mapas tree-sitter, el grafo de CodeGraph y Serena con LSP.
MCP y function calling
Cómo difiere MCP de function calling: seis primitivas, stdio y Streamable HTTP, el bucle de tools/list a tool_use y riesgos como Tool Poisoning.
Ingeniero frontend de IA
Cómo crecer como ingeniero frontend cuando la IA escribe el código: verificación, especificación y criterio, a partir de Karpathy, Vercel v0 y METR.