Ensayos y notas
Ideas sobre AI, sistemas y
software que funciona en el mundo real.
Escribo sobre fronteras de decisión, agentes LLM en producción y desarrollo financiero accidental.
Últimas notas
Ver todas-
Quién escribe los 571 criterios
Harvey puntúa a sus agentes contra 571 criterios por expediente y no dice quién los escribió. Ramp sí. Esa línea decide si tu eval mide tu dominio.
-
Lo que se rompe cuando el loop trabaja solo (parte 2)
Cuatro fallos medidos operando una agent box 24/7: credenciales que se pisan, errores que el móvil no enseña, el OOM-killer y la doctrina ganado-no-mascotas.
-
Ejecuta agentes en tu servidor sin abrir puertos
El loop engineering necesita un sitio donde vivir: una agent box en tu servidor — demonio saliente, motor de worktrees propio y acceso sin abrir un solo puerto.
-
El rol ya no es el puesto: cinco arquetipos con agentes
Prototipador, constructor, barrendero, cultivador, mantenedor. Cuando el agente absorbe la ejecución, te define tu postura en el ciclo de vida, no tu puesto.
-
Loop engineering: el bucle del que no formas parte
Loop engineering no es 'diseña loops, no prompts'. Son tres decisiones: cuándo subir o bajar un bucle, cómo soltarlo, y qué tool le falta para cerrarse.
-
La escalera de verificación: seis niveles de comprobación
Generar código es casi gratis; verificarlo no. Seis niveles de verificación, del tipo al juicio humano, para que cada afirmación la compruebe el más barato.
-
Monta el benchmark de tu dominio antes que el agente
Ramp evalúa su agente contable con 237 tareas y 3.469 criterios escritos por contables. Por qué el benchmark privado de dominio decide más que el modelo.
-
Cuatro fronteras para un agente con acceso a tu contabilidad
Un agente que concilia facturas y postea al libro mayor sostiene las llaves de tu banco. Las cuatro fronteras que deciden si una inyección puede mover dinero.