Va más allá del RAG básico y describe seis patrones para construir la capa de contexto de un sistema con agentes: cómo seleccionar, resumir y servir la información precisa con un coste razonable. Ayuda a decidir qué piezas hacen falta (recuperación, memoria, reglas de negocio) y cómo combinarlas sin disparar tokens ni latencia. Interesante si estás diseñando la arquitectura de un producto con LLM.
Towards Data ScienceArquitectura
Muestra que muchos fallos de los modelos de visión ocurren antes de razonar: la imagen no resulta legible para ellos. Añadir etiquetas, recortes o marcas en los puntos clave suele arreglar más que cualquier retoque del prompt. Es una guía práctica para quien monta pipelines con modelos multimodales y ve resultados erráticos.
Explica por qué una paleta generada puede cumplir el ratio de contraste de cada color por separado y aun así ser inservible: los tonos se confunden entre sí o con el fondo. Da criterios para revisar la paleta completa (matiz, luminancia, daltonismo) y no solo pares de colores. Útil si trabajas con sistemas de diseño o generas temas con IA.