/ai--chatbot-scaffold

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

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

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

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

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

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.