¡Hoy en día hay una tensión fundamental en el diseño de agentes de IA! Y solo se hace evidente cuando empiezas a construir para producción: Cuanto más estrictamente aplicas una instrucción, más sacrificas matices contextuales. Piénsalo así. Cuando construyes un Agente de cara al cliente, algunas instrucciones son realmente innegociables. Por eso, quieres que tu Agente las haga cumplir estrictamente, aunque suene robótico al hacerlo. Por ejemplo, instrucciones como las divulgaciones de cumplimiento en finanzas o las advertencias de seguridad en la sanidad no pueden tolerar errores. Pero otras instrucciones son sugerencias suaves, como igualar el tono del cliente o mantener las respuestas concisas. Estas deberían influir en la conversación, no dominarla. El problema es que la mayoría de las arquitecturas de Agentes no te permiten expresar esta distinción tan fácilmente. Cada instrucción suele recibir el mismo nivel de aplicación, así que o bien tienes que ser estricto con todo y sonar robótico, o ser flexible y arriesgarte a saltarte reglas críticas. Y no, no puedes simplemente enfatizar ciertas instrucciones en el prompt porque la mera presencia de una instrucción en el prompt ya sesga el comportamiento del modelo. El énfasis solo añade más sesgo al sesgo existente. Pero me parece interesante el último control de Parlant sobre los "niveles de criticidad" (código abierto con 18k estrellas). Te permite decirle a tu agente cuánta atención debe prestar a cada instrucción. ``` agent.create_guideline( condición="El cliente pregunta por medicamentos", action="Directo al proveedor sanitario",...