Salidas estructuradas y llamadas a funciones — vídeos complementarios

AI Engineer

Es la charla que consolidó el patrón moderno de «definir un modelo Pydantic, entregárselo al LLM y dejar que la validación se encargue del resto», con ejemplos concretos de objetos anidados, validadores que detectan URL inventadas y Chain-of-Thought (cadena de pensamiento) como campo tipado. Al verla antes de releer la sección del artículo sobre validadores, reconocerás el origen de sus reglas de reintento y rechazo.

Qué aprenderás: Aprenderás por qué las llamadas a LLM basadas en esquemas necesitan objetos tipados, validadores, reintentos y gestión explícita de los campos mal formados o inventados.

Qué ver o saber antes: Sentirse cómodo con Python y las llamadas a API de LLM; la experiencia con Pydantic ayuda, pero no es obligatoria.

OpenAI

Recorre `strict: true`, la diferencia respecto al antiguo modo JSON, la gestión de rechazos y la manera en que se combinan las llamadas a funciones con los esquemas de formato de respuesta. Resulta útil precisamente porque describe el contrato que ofrece la API, sobre el que se construyen los patrones para producción del artículo.

Qué aprenderás: Podrás explicar qué garantiza el modo estricto, en qué se diferencia del antiguo modo JSON y cómo encaja la gestión de rechazos en el contrato de salidas estructuradas.

Qué ver o saber antes: Conocimiento práctico de llamadas a funciones y conceptos básicos de JSON Schema.