Agentes que trabajanAgentes que trabajan

Busca y lee contenido de internet y de 16 plataformas (Reddit, YouTube, X, LinkedIn, GitHub, RSS…) para investigar un tema sin publicar nada.

Diseña e implementa un agente de IA en tu código: bucle, herramientas, memoria, límites de parada y un conjunto de pruebas de tareas.

Añade a tu aplicación la integración con una API de IA (Claude, OpenAI): cliente, errores, reintentos, tipos y pruebas con respuestas simuladas.

Monta un chatbot sobre tu stack actual: respuestas en streaming, historial guardado, conexión opcional a RAG y un bucle de feedback.

Analiza qué entra en la ventana de contexto de tu app de IA y propone qué recuperar, qué resumir y cuándo compactar el historial.

Implementa embeddings vectoriales en tu aplicación para búsqueda semántica, RAG o similitud: ingesta, troceado, consulta y optimización.

Decide con honestidad si hace falta afinar un LLM o basta con prompts, y si procede prepara datos, entrena y compara antes y después.

Añade filtros de entrada y salida, defensa contra inyección de prompts y manejo de datos personales a una función de IA, con pruebas adversarias.

Mide dónde se gastan los tokens de tu app y aplica enrutado de modelos, cachés y compresión de prompts, validando cada cambio con una evaluación.

Monta un conjunto de evaluación para una función de IA: casos, rúbricas, comprobaciones por código, jueces LLM con control de sesgos y puerta en CI.

Instrumenta tu aplicación de IA con trazas, seguimiento de tokens y coste, señales de calidad, paneles y alertas para cada llamada.

Construye un servidor MCP que expone las funciones, APIs o datos de tu proyecto a clientes como Claude Code, con transporte, autenticación y pruebas.

Diseña un sistema de varios agentes de IA, con patrón de orquestación, contratos entre agentes y manejo de fallos, o recomienda un solo agente.

Revisa y reescribe tus prompts de sistema, de usuario y definiciones de herramientas, y te da una comparación entre la versión original y la mejorada.

Crea un banco de pruebas para medir un pipeline RAG: conjunto de preguntas de referencia, métricas de recuperación, fidelidad y control de regresiones.

Añade una caché delante de las llamadas a un LLM para servir respuestas guardadas a peticiones repetidas o casi iguales, y mide si de verdad ayuda.

Hace que un modelo devuelva JSON u objetos tipados fiables: diseño del esquema, modos nativos, validación y reparación acotada de errores.

Revisa o implementa las herramientas que un modelo puede llamar: esquemas claros, llamadas en paralelo, gestión de errores y medición de aciertos.

Diseña un agente de voz con baja latencia que admite interrupciones: elección de STT y TTS, presupuesto de latencia y diseño de la conversación.

Aplica un método de investigación en varias fases, con múltiples ángulos y fuentes, antes de responder o generar contenido que necesite datos.

Revisa todas las skills instaladas: estructura, permisos declarados y seguridad, y entrega un informe con lo que pasa y lo que falla.

Ejecuta una cadena de skills definida en un archivo de pipeline, con puertas de calidad entre pasos y un resumen final de cada paso.

Genera una skill nueva a partir de una descripción en lenguaje natural, con su manifiesto de permisos y un archivo de pruebas.

Analiza tu proyecto, detecta el stack y activa solo las skills relevantes, guardando la configuración en un archivo del proyecto.

Convierte un conjunto de datos en bruto en una base limpia, bien dividida y sin fuga de información: perfilado, limpieza, divisiones y balance.

Diseña variables para un problema tabular dentro de un pipeline que evita la fuga de datos: codificaciones, escalado e interacciones.

Da a un proyecto de ML reproducibilidad, seguimiento de experimentos, registro de modelos e integración continua, ajustado al tamaño del equipo.

Lleva un modelo entrenado a producción: patrón de servicio por lotes u online, API, empaquetado, monitorización y detección de deriva.

Evalúa un modelo más allá de un solo número: métricas según el coste de cada error, calibración, rendimiento por segmentos y análisis de fallos.

Entrena un modelo con método: primero una línea base simple, luego el modelo más sencillo que sirva, con validación cruzada y ajuste de parámetros.

Construye un recomendador que supere a un baseline de popularidad: elige enfoque, resuelve el arranque en frío y lo evalúa offline.

Construye una previsión con baselines ingenuos, estacionalidad, backtesting e intervalos de predicción, sin usar datos del futuro.