Vídeos complementarios

Diseñar agentes que no entren en bucles infinitos — vídeos complementarios

El artículo aborda un modo de fallo con el que acaba encontrándose todo equipo que crea agentes: el agente agota las acciones útiles, pero sigue intentándolo. Explica condiciones de parada, presupuestos, límites de los subagentes y los flujos más baratos que un agente que deberían haberse elegido desde el principio. Estas dos charlas de Anthropic defienden con especial claridad la misma disciplina, desde el equipo cuyos modelos protagonizan gran parte de esos bucles.

Selección principal

15:09
Cómo construimos agentes efectivos: Barry Zhang, Anthropic

AI Engineer

Barry Zhang plantea tres reglas: no crear un agente cuando basta un flujo de trabajo; mantener el bucle tan sencillo como sea posible; y «pensar como tu agente», es decir, situarte mentalmente en su ventana de contexto y advertir que toma decisiones a ciegas entre capturas de pantalla. El argumento a favor de la sencillez y la lista de comprobación «¿merece esta tarea siquiera un agente?» representan exactamente la disciplina que pide el artículo.

Qué aprenderás: Diseñarás bucles de agentes más sencillos, con reglas de parada, límites de tarea y puntos de control humano claros.

Qué ver o saber antes: Haber creado o al menos definido un agente; la charla presupone que sabes por qué los bucles se descontrolan.

Nota de AI Expert: La lista de verificación "¿esta tarea incluso merece un agente?" es la misma disciplina que el artículo solicita — aplícala antes de escribir cualquier código, no después.

Abrir página del vídeo

También merece la pena

18:19
Consejos para construir agentes de IA

Anthropic

Tres ingenieros de Anthropic recorren los errores más comunes que observan: agentes que no saben cuándo detenerse, exceso de instrucciones en el prompt del sistema en lugar de corregir el entorno y el coste de diseños multiagente que nadie necesitaba. Resulta útil después de la charla de Barry, pues muestra los mismos patrones desde otro ángulo.

Qué aprenderás: Reconocerás errores comunes antes de añadir varios agentes, prompts complejos o estado oculto.

Qué ver o saber antes: Ver primero la elección principal; esta charla parte de la misma base y añade problemas observados en la práctica.

Nota de AI Expert: El catálogo de problemas también sirve como lista de comprobación: reglas de parada, decisión entre corregir el prompt o el entorno y necesidad real del diseño multiagente.

Abrir página del vídeo