Recientemente, he estado reuniéndome en persona con excompañeros y amigos. Al saber que trabajo con contenido de IA, todos están muy interesados y nuestras conversaciones a menudo giran naturalmente en torno a la IA.
Pero mientras hablábamos, noté un problema.
Yo mencionaba naturalmente términos como Agent, Skill y MCP, asumiendo que todos los habían escuchado. Sin embargo, la persona frente a mí se detenía y preguntaba: "¿Qué es exactamente un Agent?" "¿Qué significa Skill?"
En ese momento, me di cuenta de que había caído en la "maldición del conocimiento". Cuando ves y usas una palabra demasiado, olvidas que también estabas confundido la primera vez que la viste.
Hace unos meses, yo también estaba abrumado por estas abreviaturas en inglés. Durante ese tiempo, publiqué "Conceptos básicos de IA para principiantes por día", aprendiendo una palabra al día durante casi 30 días, repasando un lote de vocabulario común de IA uno por uno.
Como cada vez más personas preguntan últimamente, decidí hacer esto aún más completo.
He recopilado 66 términos de IA que considero de alta frecuencia y los he explicado en lenguaje sencillo. Para cada palabra, te diré: qué es, dónde la encontrarás y qué situación de la vida real la hace más fácil de recordar.
No necesitas memorizarlos todos de una vez. Solo léelos una vez para que la próxima vez que veas LLM, RAG, Agent, MCP, API o CLI, al menos sepas aproximadamente dónde se ubican en el mundo de la IA.
I. Primero, entender la IA y los modelos grandes
Este grupo responde dos preguntas: ¿Qué es la IA y qué procesan los Modelos de Lenguaje Grande cuando hablan? Una vez que entiendas este mapa, los siguientes términos serán mucho más fáciles.
La IA consiste en hacer que las máquinas realicen tareas que normalmente requieren comprensión, juicio, predicción o creación humana. El desbloqueo facial en teléfonos, la predicción de tráfico en mapas, las recomendaciones de videos en plataformas y los chatbots que responden preguntas son parte de la IA. Es un término general amplio; las herramientas de chat son solo un tipo de aplicación.
Un algoritmo es un conjunto claro de pasos para resolver un problema, muy parecido a una receta. Una receta dicta cortar verduras primero, luego calentar la sartén y finalmente sazonar; un algoritmo dicta qué lee la computadora primero, cómo compara y finalmente qué produce. Muchos algoritmos tradicionales no pueden chatear en absoluto; los algoritmos de IA son solo una parte de la familia de algoritmos.
El PNL (Procesamiento de Lenguaje Natural) es el campo técnico que permite a las computadoras procesar el lenguaje humano. La traducción, el resumen, la búsqueda, el reconocimiento de voz y el chat están relacionados con él. Cuando ingresas una pregunta coloquial y la IA entiende el significado general y responde, está utilizando capacidades de procesamiento de lenguaje natural.
Los LLM (Modelos de Lenguaje Grande) son modelos de lenguaje entrenados con enormes cantidades de texto y computación, especializados en comprender y generar texto. Los modelos o familias de modelos comunes incluyen GPT de OpenAI, Claude de Anthropic, Gemini de Google, así como DeepSeek y Qwen. Es importante distinguir entre el producto y el modelo: ChatGPT es el producto que abres y usas, mientras que GPT es la familia de modelos que podría llamar en segundo plano.
Los SLM (Modelos de Lenguaje Pequeño) son modelos de lenguaje con tamaños más pequeños y requisitos computacionales más bajos. Actualmente, no hay un límite de parámetros unificado globalmente. Los ejemplos comunes incluyen la serie Phi de Microsoft y las versiones de parámetros pequeños de familias de modelos como Gemma y Qwen. Su rango de conocimiento puede ser más limitado, pero para tareas fijas como resumen, clasificación o asistentes en el dispositivo, pueden ser más rápidos, más baratos y más fáciles de ejecutar en teléfonos o computadoras estándar.
Los tokens son los pequeños fragmentos que los modelos usan al leer y escribir texto. No son exactamente iguales a un carácter chino, una palabra en inglés o un signo de puntuación. El modelo divide una oración en muchos tokens antes de calcular. La facturación y la capacidad de contexto también se cuentan a menudo por tokens. Piénsalos como los "bloques de construcción" que la IA usa para procesar texto.
El contexto es toda la información a la que la IA puede referirse actualmente, incluyendo tu pregunta, diálogo anterior, archivos cargados, reglas del sistema y resultados de herramientas. Como una consulta médica, la misma frase "me siento mal" llevará a diferentes juicios dependiendo de si hay edad, síntomas e informes de pruebas. Cuanto más claro sea el contexto proporcionado a la IA, más fundamentada será su respuesta.
La ventana de contexto es la cantidad máxima de información que un modelo puede procesar a la vez, generalmente expresada en tokens. Es como un escritorio de tamaño limitado: hay un límite en la cantidad de documentos que se pueden extender a la vez. Cuando el contenido excede esto, el sistema debe truncar, resumir, procesar en lotes o dejar que la información anterior salga de la ventana.
La longitud del contexto a menudo tiene dos significados: los tokens máximos que permite un modelo, o los tokens reales utilizados en una solicitud específica. El primero es como el área máxima del escritorio; el segundo es como los documentos que realmente tienes extendidos esta vez. Cuando los productos anuncian "contexto ultra largo", generalmente se refieren a la capacidad máxima.
Los MLLM (Modelos de Lenguaje Multimodal) pueden procesar información más allá del texto, como imágenes, audio o video. Si le das una foto de un refrigerador, puede ver los ingredientes y recomendar la cena según los requisitos de texto; si subes una grabación de una reunión, podría organizar los puntos clave después de escucharla. "Multimodal" aquí se refiere a múltiples formas de información.
El VLM (Modelo de Lenguaje Visual) conecta específicamente la visión y el lenguaje, manejando principalmente tareas como "mirar una imagen y comprender o responder con texto". Puede escribir subtítulos para fotos, identificar el contenido de un gráfico o encontrar botones según capturas de pantalla. El VLM enfatiza la coordinación de la visión y el lenguaje, y su alcance suele ser más específico que el término general de modelo multimodal.
MoE (Mezcla de Expertos) organiza múltiples conjuntos de "expertos" dentro del modelo, permitiendo que solo una parte de ellos participe en los cálculos cada vez. Es como un triaje hospitalario: los problemas de la piel van a dermatología, las lesiones óseas a ortopedia, en lugar de que todos los médicos consulten a la vez. Esto expande la capacidad del modelo mientras controla la computación necesaria para cada ejecución.
Después de leer este grupo, solo necesitas distinguir: LLM procesa principalmente lenguaje, VLM conecta imágenes y lenguaje, y MLLM puede manejar múltiples tipos de información. Los tokens son bloques de texto, y el Contexto es el material al que el modelo puede referirse esta vez.
II. Términos más comunes al chatear con IA
Este grupo se usa todos los días. Los prompts son responsables de asignar tareas, el contexto proporciona materiales y la IA genera respuestas basadas en esta información.
Un prompt es toda la entrada que le das a la IA, que puede ser una oración, una pregunta, un documento o una imagen. "Resume este contrato en cinco riesgos" es un prompt. Los prompts no necesitan escribirse como hechizos mágicos; siempre que el objetivo, los materiales, las restricciones y los requisitos de salida sean claros, es más probable que la IA acierte.
La ingeniería de prompts es el método de diseñar, probar y mejorar prompts. Es muy parecido a asignar trabajo a un colega: si el primer resultado es incorrecto, verificas si la tarea estaba clara, si los materiales estaban completos y si se especificó el formato, luego ajustas las instrucciones. Su valor radica en reducir los errores de comunicación y el retrabajo.
Un prompt del sistema es un conjunto de reglas de alta prioridad establecidas en segundo plano en una aplicación de IA para definir identidad, tono, rango de capacidades y límites de seguridad. Es como el manual del empleado de una empresa; los usuarios generalmente no lo ven completo. Si tu solicitud entra en conflicto con las reglas del sistema, el modelo generalmente priorizará el prompt del sistema.
Un prompt de usuario es el requisito actual ingresado por el usuario: el contenido que envías en el cuadro de chat. El prompt del sistema es como las reglas operativas de la tienda, mientras que el prompt del usuario es como "Por favor, dame una bebida caliente con poca azúcar". Ambos afectan el resultado, por lo que la misma oración en diferentes productos de IA puede dar respuestas diferentes.
Una instrucción es una acción clara que le pides a la IA que realice dentro de un prompt, como resumir, traducir, comparar, clasificar o verificar. Un prompt completo también puede incluir información de fondo y restricciones. Por ejemplo, "Lee el correo electrónico a continuación, extrae la fecha y no agregues información que no esté en el texto original" contiene dos instrucciones.
Markdown es un formato para componer texto usando símbolos simples.
- # puede representar un encabezado,
- - puede representar una lista,
- \\texto\\ puede representar negrita.
Muchas salidas de IA se ven claramente estructuradas porque usan Markdown; lo encontrarás a menudo al escribir artículos, documentos o descripciones de proyectos.
JSON es un formato de datos estructurado comúnmente utilizado por programas, que generalmente consiste en llaves, nombres de campos y contenido correspondiente. Es como una hoja de cálculo electrónica con campos fijos que los humanos pueden leer y los programas pueden procesar fácilmente. Pedirle a la IA que "salga en JSON" a menudo es para que otro software use los resultados automáticamente.
El historial de conversación se refiere a los mensajes que aparecieron anteriormente en el chat actual. La IA puede continuar un tema de hace cinco minutos generalmente porque la aplicación reenvía los registros de chat anteriores al modelo. Después de que un chat se vuelve demasiado largo, el contenido temprano puede truncarse o resumirse, por lo que la IA a veces olvida lo que dijiste al principio.
La alucinación es cuando la IA genera contenido que suena razonable pero que en realidad es incorrecto o inexistente, como inventar títulos de libros, enlaces, datos o experiencias personales. Es como una persona con grandes habilidades lingüísticas que se niega a admitir que "no sabe" y rellena los espacios en blanco. Siempre verifica las fuentes originales para fechas, números, citas y decisiones importantes.
Lo más importante para recordar de este grupo: El prompt determina cómo preguntas, el contexto determina a qué puede referirse la IA, y la alucinación te recuerda que las respuestas aún necesitan verificación.
III. Dejar que la IA lea datos: RAG y búsqueda
Cuando veas "dejar que la IA lea archivos de la empresa" o "construir una base de conocimiento personal", probablemente te encontrarás con este grupo de palabras. Todo el camino es solo una oración: primero encuentra materiales relevantes, luego deja que el modelo responda.
RAG (Generación Aumentada por Recuperación) permite que la IA busque contenido relevante de materiales específicos antes de responder, luego entrega los fragmentos encontrados al modelo para organizar la respuesta. Es como un examen a libro abierto: el estudiante hojea el libro de texto primero, luego responde basándose en él. RAG puede reducir la fabricación, pero también podría buscar los materiales equivocados, por lo que las citas aún necesitan verificación humana.
Una base de conocimiento es una colección de materiales almacenados centralmente, organizados y disponibles para consultas del sistema. Los manuales de productos, documentos de políticas y preguntas frecuentes de una empresa pueden convertirse en una base de conocimiento de servicio al cliente; las notas, artículos y registros de lectura de una persona también pueden formar una base de conocimiento. Que los materiales sean precisos y estén actualizados afecta directamente la calidad de las respuestas.
La recuperación consiste en encontrar el contenido más relevante de un gran lote de materiales. Un bibliotecario que escucha tu pregunta y trae los tres libros más adecuados de decenas de miles es recuperación. En RAG, el modelo generalmente no lee toda la base de datos primero, sino que recupera algunos fragmentos para responder.
La búsqueda por palabras clave busca principalmente si ciertas palabras aparecen directamente. Si buscas "fecha límite de reembolso", priorizará encontrar contenido que contenga "reembolso" y "límite". Este método es rápido y bueno para verificar números de producto, nombres y términos fijos; puede perder respuestas si el estilo de la pregunta y la redacción original difieren significativamente.
La búsqueda semántica se centra más en si el significado de dos pasajes es cercano. Si buscas "Ya no quiero esto, cómo devolverlo", también podría encontrar un documento titulado "Política de devolución". Es adecuada para preguntas en lenguaje natural, pero la comprensión puede desviarse, por lo que los escenarios importantes a menudo la combinan con la búsqueda por palabras clave.
La búsqueda híbrida utiliza la búsqueda por palabras clave y la búsqueda semántica juntas. Los números de identificación y los números de contrato son adecuados para la coincidencia exacta; "cómo solicitar un reembolso" necesita comprensión del significado. Los resultados de ambos se fusionan y clasifican, teniendo en cuenta tanto la consistencia literal como el significado similar, un método que muchos sistemas RAG adoptan.
IV. Agente, Herramientas y MCP
Este es el grupo de palabras más popular y a menudo más confuso recientemente. Agent, Skill y MCP, que mencioné más al hablar con amigos, están todos en este capítulo.
Primero, mira el camino más corto:
1Tú propones un objetivo2→ El Agente decide el siguiente paso3→ Llama a herramientas para leer datos o ejecutar acciones4→ Continúa procesando según los resultados5→ El humano verifica los pasos clave
Un chatbot es un software que principalmente responde preguntas a través del diálogo. Los primeros chatbots podían responder solo basándose en palabras clave fijas; ahora muchos chatbots se conectan a modelos grandes para respuestas más naturales. Su enfoque sigue siendo "tú preguntas, él responde", y generalmente no completa de forma independiente una larga cadena de operaciones externas.
Un Asistente de IA o Copiloto es un producto de IA que ayuda a las personas a completar tareas, como ayudar a escribir, organizar reuniones, hacer hojas de cálculo o programar. La metáfora del "copiloto" es fácil de recordar: puede observar, recordar y ayudar, pero el volante todavía está en manos del humano, y el resultado final necesita verificación humana.
Un flujo de trabajo es un conjunto de pasos fijos predefinidos. Después de recibir una factura, identificar el monto primero, luego escribirlo en una tabla y finalmente notificar a finanzas es un flujo de trabajo. Cada paso generalmente está determinado de antemano, lo que lo hace estable y fácil de verificar; no decidirá flexiblemente el siguiente paso como un Agente al encontrar situaciones no planificadas.
Un Agente de IA es un sistema que puede decidir el siguiente paso en torno a un objetivo, llamar a herramientas, observar resultados y continuar actuando. Un chat normal te dirá cómo comprar un boleto; un Agente puede abrir un servicio de reserva, consultar vuelos y completar información dentro de los límites autorizados. Puede actuar, por lo que los permisos, errores y la confirmación humana son muy importantes.
La IA Agentica se refiere a una clase de sistemas o enfoques de diseño que enfatizan la capacidad de la IA para planificar continuamente, usar herramientas y ejecutar tareas de múltiples pasos. El alcance de este término es amplio, y diferentes empresas usan diferentes nombres. Cuando veas un producto etiquetado como "Agentic", puedes continuar preguntando tres cosas: ¿qué herramientas puede usar, cuántos pasos puede tomar por sí solo y dónde debe confirmar un humano?
La autonomía se refiere al grado en que un sistema puede decidir y actuar por sí mismo sin dirección humana paso a paso. Organizar automáticamente una copia de un archivo tiene baja autonomía y riesgo; enviar automáticamente correos electrónicos, hacer pagos o eliminar datos aumenta significativamente el riesgo. Cuanto más importante sea la tarea, más se deben reducir los permisos y agregar puntos de confirmación.
La planificación es dividir un objetivo en pasos que se pueden ejecutar en secuencia. Como prepararse para un viaje confirmando fechas primero, luego verificando el transporte, reservando alojamiento y haciendo una lista de equipaje. Los Agentes también planifican cuando se enfrentan a tareas complejas; un plan hermoso no garantiza una ejecución exitosa, y cada paso completado requiere verificar los resultados reales.
Una herramienta es una capacidad externa que la IA puede llamar, como búsqueda web, calculadora, base de datos, calendario y correo electrónico. El modelo en sí es más como el cerebro responsable del juicio; las herramientas le dan manos y ojos. Sin herramientas, el modelo solo puede responder basándose en el contexto existente; después de conectar herramientas, tiene la oportunidad de consultar y actuar.
La llamada a herramientas es cuando el modelo selecciona una herramienta según los formatos especificados y completa los parámetros requeridos, que luego el programa ejecuta y devuelve el resultado al modelo. Es como un gerente que llena una orden de trabajo para que un miembro del personal opere. El modelo es responsable de juzgar "qué llamar", y el código específico es responsable de completar la consulta, el cálculo o la escritura.
Un plugin es un paquete de extensión instalado en un software para agregar funcionalidad. Un navegador puede traducir páginas web después de instalar un plugin de traducción; una aplicación de IA podría conectarse a archivos, calendarios o servicios de terceros después de instalar un plugin. Los plugins generalmente dependen de productos específicos, y lo que pueden hacer depende de las interfaces y permisos proporcionados por el producto.
Una skill es un conjunto de instrucciones, scripts y recursos reutilizables que enseñan a un Agente a completar de manera estable un cierto tipo de tarea. Es como un manual de operación estándar para un empleado: qué materiales leer primero, qué pasos seguir y cómo verificar los resultados, todo está claramente escrito. Un prompt a menudo resuelve una tarea única, mientras que una skill es más adecuada para ejecutar repetidamente el mismo tipo de trabajo.
MCP (Protocolo de Contexto de Modelo) es un protocolo abierto que permite que las aplicaciones de IA se conecten a datos y herramientas externas. La mejor metáfora es el USB-C del mundo de la IA: antes, cada herramienta tenía que adaptarse individualmente; ahora pueden proporcionar capacidades según el mismo estándar de conexión. Resuelve "cómo conectar", pero no decide los objetivos de la tarea para el Agente.
Un Host MCP es la aplicación de IA que el usuario realmente usa, como un asistente de escritorio, editor de código o plataforma de Agentes. Es responsable de gestionar usuarios, modelos, permisos de seguridad y múltiples conexiones. Piensa en el Host como una computadora: es el entorno de uso completo y donde reside el Cliente MCP.
El Cliente MCP está ubicado dentro del Host y es responsable de establecer y mantener la comunicación con un Servidor MCP específico. Descubre qué herramientas y materiales proporciona el Servidor y envía solicitudes de llamada. Como una computadora que se conecta a una impresora, se necesita un canal de comunicación dedicado internamente para gestionar esta conexión.
Un Servidor MCP es un programa que proporciona herramientas, materiales o plantillas de prompts a las aplicaciones de IA según las especificaciones de MCP. Tener "Servidor" en el nombre no significa que deba estar lejos; también puede ejecutarse en tu computadora. Por ejemplo, un Servidor de archivos local puede permitir que la IA lea archivos en directorios autorizados.
Una Herramienta MCP es una acción específica que el Servidor proporciona para que la IA solicite su ejecución, como consultar el clima, crear un horario, leer una base de datos o enviar un mensaje. Cada Herramienta especifica qué parámetros necesita. Las acciones de consulta tienen menor riesgo, mientras que enviar, eliminar o pagar deben tener permisos claros y confirmación.
Un Recurso MCP es un contenido proporcionado a través de MCP para que la IA lo lea, como archivos, registros de bases de datos, estructuras de proyectos o estados de aplicaciones. Es más como materiales colocados en un escritorio, mientras que una Herramienta es más como un botón que se puede presionar. Si un recurso se puede leer o no, aún depende de los permisos de acceso establecidos por el Host y el Servidor.
Un Prompt MCP es una plantilla de prompt reutilizable proporcionada por el Servidor para ayudar a los usuarios a iniciar tareas de una manera fija. Es como una plantilla de tabla preinstalada, que organiza los campos y la estructura de la tarea a completar. No ejecuta acciones automáticamente; aún necesita ser seleccionado por el usuario y procesado por el modelo.
La memoria es información que el sistema guarda y reutiliza más tarde, que puede incluir resúmenes del chat actual, preferencias del usuario, tareas de historial y datos a largo plazo. Cuando una IA "te recuerda", generalmente significa que esta información se almacena y se proporciona al modelo nuevamente en diálogos posteriores. La memoria afecta la experiencia y también requiere atención a la privacidad y los métodos de eliminación.
Humano en el ciclo significa que los pasos clave deben ser verificados, seleccionados o aprobados por una persona. La IA puede organizar una lista de reembolsos y completar borradores, pero la transferencia real es confirmada por finanzas. Esto utiliza la velocidad de la IA mientras evita consecuencias irreparables causadas por información incompleta o juicio incorrecto.
Multi-agente es permitir que múltiples Agentes colaboren, por ejemplo, uno recuperando datos, uno redactando un artículo y uno verificando citas. Es como un equipo de proyecto; cuando la división del trabajo es razonable, puede manejar tareas complejas en paralelo. Sin embargo, más miembros también aumentan la comunicación, el trabajo redundante y la propagación de errores, por lo que más Agentes no siempre es mejor.
A2A (Agente a Agente) se refiere al método de comunicación entre Agentes para intercambiar tareas, estado y resultados. MCP se centra más en cómo los Agentes se conectan a herramientas y datos, mientras que A2A se centra más en cómo un Agente entrega una tarea a otro. Piensa en el primero como "conectar dispositivos" y en el segundo como "pasar trabajo entre colegas".
Uso de Computadora (Computer Use) es dejar que la IA opere software observando la pantalla, moviendo el mouse, haciendo clic y escribiendo. Es como un operador remoto que puede usar aplicaciones web y de escritorio sin API dedicadas. Los cambios en la interfaz podrían hacer que haga clic en el lugar equivocado; la confirmación humana es obligatoria para pagos, eliminaciones y mensajes salientes.
Un sandbox es un entorno aislado que limita el rango de actividad de un programa. Es como un arenero cercado para que un niño juegue; puede probar cosas, y si algo sale mal, no afectará archivos importantes ni el sistema. Cuando dejas que un Agente ejecute código, descargue archivos o modifique proyectos, un sandbox reduce el rango de impacto, pero no puede reemplazar todas las verificaciones de seguridad.
Solo recuerda una oración para este capítulo: El Agente es responsable de decidir y actuar, la Herramienta proporciona capacidades específicas, la Skill le enseña cómo hacerlo, y MCP es responsable de conectar la IA con capacidades externas.
V. Términos informáticos que encontrarás en tutoriales de IA
Estas palabras no fueron todas inventadas por el campo de la IA, pero aparecen a menudo al aprender sobre Agentes, automatización y modelos locales. Si puedes entenderlas, muchos tutoriales no se sentirán como un idioma extranjero.
Una API es un punto de entrada para que el software se comunique según un acuerdo. No tienes que irrumpir en la cocina de un restaurante; solo pides a través de un mesero. Una API es como el mesero del mundo del software, tomando tu solicitud al backend y trayendo el resultado. Las aplicaciones del clima, los servicios de pago y los modelos grandes pueden ser llamados por otros programas a través de API.
Una Clave API (API Key) es una credencial secreta utilizada cuando un programa accede a un servicio, se usa para identificar quién está llamando y a menudo está conectada a límites de uso y facturación. Es como el PIN de una tarjeta bancaria; cualquiera que lo obtenga puede consumir tu cuota. No pongas Claves completas en código público, capturas de pantalla, tutoriales o chats grupales.
Un SDK es una colección de código, instrucciones, ejemplos y herramientas comúnmente utilizados al desarrollar aplicaciones para una plataforma. Mientras que una API te dice "cómo pedir", un SDK prepara el menú, los utensilios y los platos de demostración, ahorrando a los desarrolladores escribir mucho código básico. Diferentes lenguajes de programación generalmente tienen sus propios SDK.
CLI (Interfaz de Línea de Comandos) es una interfaz para operar una computadora escribiendo comandos de texto. Una interfaz gráfica te permite hacer clic en "Nueva carpeta", mientras que una CLI te permite escribir una línea de comando para hacer lo mismo. Se ve como una ventana negra, pero en realidad es solo otra forma de operar; la instalación y ejecución de herramientas de código abierto de IA a menudo usan CLI.
Una terminal es la ventana donde se muestran y se ingresan los comandos, como "Terminal" en Mac o Windows Terminal. Piénsalo como una ventana de chat entre tú y la computadora, donde los comandos CLI son los mensajes que se le envían. La Terminal es la ventana, el CLI es el método de operar mediante texto; a menudo aparecen juntos.
Un repositorio, a menudo abreviado como Repo, es un lugar donde se guardan centralmente los archivos del proyecto y el historial de modificaciones. Es como una carpeta de proyecto con registros de versiones, donde se pueden colocar código, instrucciones, imágenes y configuraciones. Cuando alguien dice "clona el Repo", generalmente significa copiar este proyecto y su historial a tu propia computadora.
Git es una herramienta para registrar cambios en las versiones de archivos. Puede decirte qué contenido se modificó y quién lo hizo, y puede mantener versiones de diferentes etapas. Es como guardar cada revisión al escribir un artículo, pero más sistemático. Git funciona localmente y no necesita estar en línea todo el tiempo, y no es lo mismo que GitHub.
GitHub es un sitio web para alojar repositorios Git y admitir la colaboración de múltiples personas. Los desarrolladores publican código, escriben instrucciones, reportan problemas y modifican proyectos en conjunto en él. Git es la herramienta de gestión de versiones, y GitHub es la plataforma que proporciona alojamiento en línea y colaboración; al aprender herramientas de IA de código abierto, a menudo empezarás con un enlace de GitHub.
No te pongas nervioso la primera vez que veas el CLI. Antes de copiar un comando, verifica si va a leer, modificar, eliminar o cargar algo, y practica con una copia cuando se trate de archivos importantes.
VI. Términos Comunes para Modelos Locales y Hardware
Solo necesitas mirar de cerca este grupo de palabras cuando estés listo para ejecutar modelos en tu propia computadora. Si normalmente usas productos de IA en línea, con saber el significado general es suficiente.
El despliegue local consiste en ejecutar un modelo o programa en tu propia computadora, teléfono o máquina de la empresa. Los datos pasan por menos servicios externos y se pueden usar sin conexión; sin embargo, la instalación, las actualizaciones, el rendimiento y la seguridad deben ser manejados por ti mismo. Es adecuado para quienes valoran el control de los datos o necesitan un entorno fijo, pero no significa que sea naturalmente absolutamente seguro.
Una API en la nube es cuando el modelo se ejecuta en el servidor remoto de un proveedor de servicios, y los usuarios envían solicitudes y obtienen resultados a través de la red. Es como ir a un restaurante a pedir comida; no necesitas comprar la estufa y los ingredientes tú mismo, lo que facilita empezar; al mismo tiempo, se ve afectado por la red, el precio, los límites de llamadas, las reglas de la plataforma y las políticas de datos.
El código abierto generalmente significa que el código fuente es público bajo una licencia determinada, permitiendo que otros lo vean, modifiquen y distribuyan dentro del alcance permitido por la licencia. La descarga pública no significa que se pueda usar comercialmente a voluntad; diferentes licencias tienen requisitos muy diferentes. Cuando veas "IA de Código Abierto", aún debes ver qué partes del código, los datos y los pesos están realmente abiertos.
Los pesos abiertos significan que los parámetros posteriores al entrenamiento del modelo se pueden descargar, lo que brinda a los usuarios la oportunidad de ejecutarlos o ajustarlos aún más en sus propios dispositivos. Los datos de entrenamiento, el código de entrenamiento completo y los derechos comerciales no necesariamente están abiertos al mismo tiempo. Por lo tanto, pesos abiertos y código abierto completo son dos cosas diferentes; cómo se pueden usar específicamente depende de la licencia del modelo.
Las GPU originalmente eran buenas para procesar gráficos y también son muy adecuadas para realizar grandes cantidades de cálculos similares simultáneamente, por lo que se usan ampliamente para entrenar y ejecutar modelos de IA. Es como un gran grupo de personas que pueden resolver problemas en paralelo. Al comprar una computadora para ejecutar modelos locales, el modelo de GPU y el tamaño de la memoria de video suelen ser más importantes que en los escenarios de oficina normales.
La VRAM es la memoria de alta velocidad que utiliza la propia GPU, donde se deben colocar los pesos del modelo y los datos intermedios durante la operación. El modelo es como un gran conjunto de bloques de construcción, y la VRAM es como la mesa; si la mesa es demasiado pequeña, los bloques no cabrán y el modelo podría no cargarse o requerir métodos más lentos que ahorren espacio.
El 7B o 70B en los nombres de los modelos generalmente representa aproximadamente 7 mil millones o 70 mil millones de parámetros. Los parámetros se pueden entender como la enorme cantidad de números internos que el modelo aprendió después del entrenamiento. Los números más grandes generalmente significan más memoria y recursos de cálculo; no significa directamente una capacidad más fuerte, ya que la calidad del entrenamiento y las tareas específicas son igualmente importantes.
VII. Si Solo Recuerdas 10 Palabras
No necesitas memorizar 66 palabras. Después de la primera lectura, recuerda estas 10 primero:
- IA: Hacer que las máquinas manejen tareas que requieren comprensión, juicio, predicción o creación.
- LLM: Modelos grandes responsables de comprender y generar lenguaje.
- Token: Pequeños fragmentos que usan los modelos al leer y escribir texto.
- Contexto: Información a la que el modelo puede referirse en esta ocasión.
- Prompt: Requisitos y materiales que le das a la IA.
- Alucinación: La IA presenta contenido incorrecto como si fuera muy real.
- RAG: Recuperar primero de materiales específicos y luego organizar la respuesta.
- Agente: Un sistema que puede decidir y actuar continuamente en torno a un objetivo.
- MCP: Un protocolo abierto que conecta la IA con datos y herramientas externas.
- CLI: Una interfaz para operar una computadora mediante comandos de texto.
Hace unos meses, yo también empecé entendiendo una palabra al día. No necesitas recordar las 66 palabras hoy; mientras aparezca una idea general en tu mente la próxima vez que veas Agente, Skill o MCP, este diccionario ya ha cumplido su propósito.
En el futuro, cuando te encuentres con una abreviatura extraña, primero puedes preguntar a qué categoría pertenece: ¿Modelo, Diálogo, Datos, Agente, Interfaz o Hardware? Si puedes colocar la palabra en uno de estos seis cajones, la mayoría de los artículos sobre IA serán mucho más fáciles de leer.
Acerca del Autor
