Dead-letter queue para tareas de agentes de IA que fallan
Aprende qué conservar cuando una tarea de un agente de IA agota sus reintentos y cómo elegir entre reparar, reanudar, compensar o hacer redrive.
Aceptando nuevos clientes
Tú diriges el negocio.
Yo me encargo del software.
Soy Samuel Fajreldines, ingeniero de software senior. Empresas en crecimiento me contratan junto a mi equipo para ser su departamento de software, no un proveedor puntual al que deben recontratar cada trimestre. Yo defino la dirección técnica, mi equipo construye y entrega, y sigo siendo responsable de todo lo que sale a producción.
- Desde US$ 5.000/mes
- Continuo, no un proyecto
- Mi equipo se encarga de la entrega
Inteligencia Artificial
52 artículos · guías y tutoriales prácticos por Samuel Fajreldines
Artículos detallados sobre Inteligencia Artificial, guías prácticas y tutoriales por Samuel Fajreldines — 52 publicaciones especializadas sobre Inteligencia Artificial para ingenieros de software.
Artículos en Inteligencia Artificial
Cómo validar la salida de un agente de IA antes de guardarla
Valida la salida de un agente de IA en cuatro fronteras: formato, significado, autoridad y efecto comprobado antes de guardar el resultado.
Qué registrar en el registro de auditoría de un agente de IA
Define qué registrar en la auditoría de un agente de IA: identidad, autoridad, tool calls, aprobaciones, bloqueos y efectos externos verificados.
Cómo diseñar un handoff entre agentes de IA con contexto estructurado
Diseña handoffs entre agentes de IA con estado, evidencia, autoridad y recuperación, sin copiar todo el historial ni confiar en un resumen vago.
Cómo rastrear tool calls de un agente de IA con OpenTelemetry
Crea una traza útil para agentes de IA: conecta ejecución, modelo, tool calls, retries y errores sin registrar prompts ni datos sensibles por defecto.
Compactación de contexto en agentes: qué preservar antes de continuar
Entiende qué puede resumir un agente, qué debe persistir fuera del historial y cómo verificar la tarea después de compactar el contexto.
Cómo verificar una tool call antes de reintentarla
Aprende a verificar una tool call tras un timeout, registrar recibos y reintentar acciones con efectos sin crear duplicados.
Cómo pausar y reanudar un agente de IA sin reiniciar la tarea
Aprende a pausar y reanudar agentes de IA con checkpoints, estado durable, aprobaciones revalidadas y reconciliación de efectos externos tras una interrupción.
Cómo transmitir el progreso de un agente de IA a la interfaz
Aprende a transmitir el progreso de un agente de IA a una interfaz con eventos tipados, SSE o WebSockets, reconexión, aprobaciones y un estado final fiable.
Cómo evitar bucles infinitos en un agente de IA
Evita bucles infinitos en agentes de IA con 4 barreras: finalización, progreso, presupuesto y un estado terminal que el runtime pueda explicar en producción.
Cómo evitar tool calls duplicadas al cambiar de LLM
Diseña decisiones de retry, fallback y parada para LLM sin repetir tool calls, perder el contrato de salida ni ocultar coste, latencia y efectos parciales.
Cómo evaluar la trayectoria de un agente de IA
Aprende a evaluar la trayectoria de un agente de IA registrando tools, argumentos, orden, estado e intervenciones antes de aceptar su respuesta final.
¿Cuándo debe un agente de IA pedir aprobación humana?
Descubre cuándo un agente de IA debe pausar para pedir aprobación humana, cómo clasificar tools por riesgo y cómo reanudar el flujo sin duplicar efectos.
Cómo definir un presupuesto de tokens para un agente de IA
Aprende a limitar tokens, tool calls y turnos por ejecución de un agente de IA con una guarda de TypeScript que se detiene antes de la próxima llamada.
Cómo cancelar un agente de IA cuando una tool se bloquea
Combina AbortSignal, timeouts por etapa y límite de turnos para cancelar agentes de IA, propagar la señal y evitar retries inseguros tras efectos externos.
Prompt caching para agentes de IA con tool calls
Estructura tools, system e historial para lograr cache hits en cada tool step. Mide tokens en caché, evita invalidar el prefijo y reduce el coste de input del…
Portafolio de software engineer con IA: qué demostrar
Construye un portafolio de software engineer con IA que muestre problema, arquitectura, pruebas, fallos, operación y decisiones.
Memoria de agentes de IA: ¿Graphiti, RAG vectorial o PostgreSQL?
Compara Graphiti, RAG vectorial y PostgreSQL para memoria de agentes de IA. Separa verdad, recuperación, historial y verificación al diseñar en producción.
Validación de tool calls en TypeScript para agentes de IA
Valida tool calls de agentes de IA en TypeScript con Zod, errores estructurados, output seguro y reintentos limitados antes de llegar a tu API.
Habilidades de ingeniería de software para coding agents
Descubre qué habilidades de ingeniería siguen siendo valiosas con coding agents: especificación, arquitectura, contexto, revisión, evals y operación.
Cómo configurar revisión de código con IA en GitHub Actions
Configura revisión de código con IA en GitHub Actions usando Codex, permisos mínimos y jobs separados. Incluye YAML, verificación, errores y límites.
Cómo crear un servidor MCP en TypeScript para agentes de código
Crea un servidor MCP en TypeScript, pruébalo con Inspector y conéctalo a Claude Code y Codex con schemas, respuestas limitadas y tools de lectura.
El agente quedó aislado; el host confió en el archivo
En 2026, Pillar publicó 7 escapes en 4 agentes; protege host, Git, IDE, hooks, Docker y CI ante archivos confiables del workspace.
Cuando el agente escribe una migración, la base debe decir no
En 2026, el 84% de devs usa o planea usar IA; revisa migraciones de agentes en CI con dry-run, lint y rollback antes de tocar datos reales en el banco.
Sin telemetría, un agente de código es una caja negra
En 2026, GitHub reportó 60 millones de revisiones con Copilot; crea observabilidad de agentes de código en CI con JSONL, OTel, prueba segura y control de coste.
El comentario del PR no es contexto confiable
En 2026, GitInject documentó 11 ataques en 4 proveedores; protege agentes en GitHub Actions contra prompt injection en PRs con sandbox y secretos mínimos.
El patch del agente pasó; el producto igual se rompió
En 2026, TDAD redujo regresiones de test en 70%; crea evals de regresión para agentes de código con impacto, CI y prueba de PR.
El RAG de codebase solo ayuda si el agente sabe preguntar
En 2025, Cursor midió 12,5% más acierto con búsqueda semántica; monta RAG de codebase con grep, símbolos, MCP y prueba en PR.
El PR del agente muere cuando carga al revisor
En 2026, un estudio analizó 33.596 PRs agentic en GitHub; reduce abandono, duplicidad, alcance amplio y CI roto antes de pedir revisión humana segura.
Cuando el EDR confunde agente con intruso
En 2026, Sophos vio acceso a credenciales en 56,2% de bloqueos ligados a agentes; ajusta EDR, permisos y CI sin liberar secretos.
El coste invisible del contexto en agentes de código
En 2026, Systima midió cerca de 33 mil tokens antes del prompt en Claude Code; controla contexto, MCP y subagentes con evidencia auditable en el CI real.
Friendly Fire hace que el agente ejecute el ataque
En 2026, AI Now mostró RCE en Claude Code y Codex al revisar repos de terceros; aísla permisos, sandbox, red y CI con prueba auditable en cada PR riesgoso.
Tu agente puede clonar un repo que nunca existió
En 2026, arXiv midió hasta 85% de alucinación al clonar repos; bloquea origen, MCP y CI antes de que el agente ejecute.
GhostApproval muestra cuando el diff le miente al agente
En 2026, Wiz probó 6 asistentes de código; aprende a revisar symlink, sandbox y aprobación antes de que el agente escriba fuera del workspace.
Un repositorio desconocido necesita cuarentena de agente
En 2026, 0DIN mostró payload fuera del repo; usa cuarentena de agente con sandbox, red negada y secretos fuera del setup.
MCP con allowlist mantiene a los agentes bajo control
En 2026, una investigación MCP halló 57 amenazas; usa allowlist por herramienta, registro privado, CI y logs para agentes.
Cuando el CI devuelve la falla al agente
Monta un loop autocorrectivo de agente en CI con logs cortos, sandbox, límites de intentos y prueba de PR revisable sin abrir diffs amplios ni perder control.
Una spec ejecutable hace obedecer al agente
En 2026, GitLab midió 85% viendo la revisión como cuello de botella; usa specs ejecutables para que el agente pruebe cada cambio.
Agentjacking vía Sentry cambia el riesgo de los agentes
En 2026, Tenet informó 2.388 organizaciones expuestas; trata eventos Sentry vía MCP como input hostil antes de dejar actuar al agente.
Hooks frenan agentes de código antes del daño
Claude Code documenta 3 cadencias de hooks; usa gates antes, después y al final del loop para reducir riesgo real en agentes de código, MCP, shell y CI.
AGENTS.md ligero ayuda al agente a gastar mejor contexto
En 2026, un estudio midió más de 20% de costo con archivos débiles; escribe un AGENTS.md ligero para que Codex y Claude Code prueben mejor sin inflar tokens.
Fan-out de subagentes para migrar código sin perder control
En 2026, 85% ve revisión y validación como cuello de botella; usa fan-out de subagentes para migrar monorepos con prueba, worktrees y evidencia del PR.
RAG de codebase con MCP para agentes que no deben leerlo todo
En 2026, más de 1 de cada 5 revisiones en GitHub ya pasa por Copilot; usa RAG con MCP para dar contexto bajo demanda.
Evals de PR para frenar agentes de código en CI
En 2026, GitHub ya vio 60 millones de reviews con Copilot; monta evals de PR en CI para validar agentes antes del reviewer.
Context engineering para agentes de código sin desperdicio
En 2025, DORA midió 90% de adopción de IA en equipos de software; usa contexto preciso para que los agentes trabajen mejor.
El cuello de botella de los agentes de código es la revisión
En 2026, el 85% de los devs cita revisar, editar y probar código con IA como cuello de botella. Conoce un harness práctico para PRs confiables, con gates, MCP…
Claudiomiro: Cómo Lograr un 100% de Codificación Autónoma (Compleja)
Claudiomiro es una CLI impulsada por IA que ejecuta de forma autónoma el ciclo de vida completo del desarrollo de software: análisis de bases de código,…
Creando un Sistema de Grafo de Conocimiento Nativo con MongoDB, S3 y LangChain
Una guía práctica para construir un sistema de grafo de conocimiento nativo con MongoDB, S3 y LangChain que vincula entidades y relaciones para dar a la IA…
Construyendo un Agente de IA para Fitness con LangChain.js: Una Implementación Real
Análisis profundo de la implementación de un agente de IA fitness listo para producción con LangChain.js: herramientas estructuradas, prompting adecuado y…
Dominando Langchainjs para Coordinar Llamadas de Herramientas y Funciones con Agentes de IA
Descubre cómo Langchainjs orquesta llamadas de herramientas y funciones con el paradigma chain-of-thought, con un ejemplo práctico de app de fitness.
Memoria a Largo Plazo para IA: Cómo Funciona Graphiti para Construir Aplicaciones Realmente Inteligentes
Un análisis profundo de Graphiti, el framework open-source de grafo de conocimiento temporal de Zep, con un blueprint completo para construir un Coach…
Por Qué Contraté a ChatGPT Pro (US$200/Mes) como Mi Desarrollador Junior
Descubre cómo contratar a ChatGPT Pro como desarrollador junior a US$200/mes transformó mi flujo de trabajo en ingeniería de software, mejorando la…
