Herramientas y agentes
de inteligencia artificial

Clase de apertura: presentación del profesor, estructura y evaluación del curso, tráilers motivacionales y primer uso de Microsoft Copilot con cuenta UC.

Unidad 1: qué hace un LLM, pesos y tokens, alucinación, contexto, y la transición de modelo a asistente (prompt e historial).

System prompt, jerarquia de instrucciones, prompt injection, guardrails, proteccion de datos y herramientas. El asistente ya viene con instrucciones, y las tuyas no siempre ganan.

Del asistente que espera al agente que elige el siguiente paso. Ciclo de autonomía, herramientas de lectura y escritura en el flujo, supervisión humana, e instalación de GitHub Copilot.

MCP (Model Context Protocol): cliente y servidor, y las tres capacidades (herramientas, recursos y prompts). Un protocolo son reglas compartidas; en Copilot se conecta un MCP remoto como Canva.

Densidad semántica, precisión semántica y especificidad léxica para compactar más intención útil por token.

Charla de Daniel Leal: Too Much Context.

Charla de Raimundo López: Model Context Protocol.

Construimos instrucciones claras y resultados estructurados; Markdown aparece como herramienta de pensamiento y comunicación.

Ejercicios de repaso del Control 1, disponibles sin pauta y con pauta y rúbricas.

Trabajamos Chain of Thought, meta prompting, prompt chaining y task decomposition; usamos sub-agentes, verificación y ejemplos para mejorar las instrucciones.

Construimos un flujo RAG pequeño, lo probamos con preguntas posibles e imposibles y localizamos dónde se origina cada falla.

Evaluamos agentes con exactitud, cobertura y trazabilidad. Usamos checklists, rúbricas, A/B testing y LLM as a Judge para revisar respuestas y comparar configuraciones.

Organizamos proyectos locales con AGENTS.md y Skills. Diseñamos capacidades reutilizables, usamos scripts desde la terminal y comprobamos una Skill para estudiar con fuentes de un curso.

Especializamos agentes para extraer, limpiar, verificar, visualizar y reportar una encuesta real. Decidimos qué hace el modelo, qué hace un programa y qué decide una persona en cada etapa.

Resumen de María Olga Barriga para el Control 2.

Charla de Jerónimo Salazar: Cómo se construye un agente.

Charla de Daniela Castillo: Expandir y contraer el contexto.

Repartimos el trabajo de un escrito académico entre tareas automatizables, asistidas y humanas. Usamos skills de redacción, verificamos fuentes, declaramos el uso de IA, revisamos cómo funciona un deep research y abrimos la unidad multimodal con la tokenización y el flujo completo de imagen y audio.

Completamos el recorrido multimodal con la tokenización, el muestreo y el flujo completo de video, y abrimos el diseño de aplicaciones antes del código: diferencias entre frontend y backend, brainstorming en la misma sesión, moodboard visual y spec como plan de implementación persistente.