LLM Primer V — Presentación de la serie e índice

Recorrido capítulo por capítulo de LLM Primer V: Building Real-World LLM Applications — el volumen que trata la ingeniería de IA como una disciplina con entidad propia, no como un truco de prompt.

Por qué existe esta serie

En el trabajo aplicado de IA se repite un patrón. Un equipo monta una demo en un fin de semana, la demo deslumbra, se aprueba un piloto, y seis meses después el piloto está atascado en la fase que el equipo llama "hardening" y en privado llama "la parte en la que el modelo sigue haciendo cosas que no esperábamos". El modelo no ha cambiado. Lo que ha cambiado es que el trabajo ha salido de la región donde un puñado de entradas curadas produce salidas plausibles y ha entrado en la región donde miles de usuarios reales, contenido adversarial, líneas de coste y presupuestos de latencia marcan las reglas. El Volumen V trata de la disciplina que vive en esa segunda región. No es un libro sobre entrenamiento de modelos y no es un libro de trucos de prompt. Es un libro sobre la ingeniería que convierte un modelo en un sistema que un negocio puede operar.

El libro en una frase: la ingeniería de IA es la disciplina de construir sistemas deterministas alrededor de modelos probabilísticos, y este volumen recorre las ocho superficies — modelos base, prompts, recuperación, agentes, evaluaciones, observabilidad, seguridad y serving — donde vive esa disciplina.

Para quién lo escribí

Ingenieros de aplicaciones que han enviado un prototipo funcional y ahora se les pide mantenerlo en pie. Tech leads que deciden si una nueva funcionalidad LLM merece la carga operativa que trae. Product managers en equipos de IA que quieren entender qué está negociando su equipo entre latencia, coste y calidad. El libro asume que has usado una API LLM y que has leído suficiente documentación de un framework para saber qué es una plantilla de prompt. No asume ningún background particular en investigación de ML; la mecánica que importa en producción es mecánica de ingeniería, y el libro se mantiene en ese registro.

Cómo leerlo

Los capítulos están ordenados como una pila. El Capítulo 1 asienta el marco — el envoltorio determinista alrededor del núcleo probabilístico — y el resto del libro rellena las capas del envoltorio. Los Capítulos 2 al 4 recorren el modelo, la recuperación y los agentes por turno; los Capítulos 5 y 6 añaden los raíles de evaluación y observabilidad que permiten al sistema evolucionar con seguridad; los Capítulos 7 y 8 cierran con seguridad y economía del serving. Se puede leer de corrido, o se puede saltar directamente al capítulo que corresponde al modo de fallo que tu sistema exhibe hoy. Cada artículo de recorrido destila tres ideas clave del capítulo y apunta al material fuente.

El recorrido de los 8 capítulos

El recorrido publica un artículo por capítulo, a diario.

14 de abril — Capítulo 1 — La disciplina de la ingeniería de IA. La brecha de fiabilidad entre demo y producción, y los cinco pilares que la cierran.
15 de abril — Capítulo 2 — Modelos base e ingeniería de prompts. Tramos de modelos, parámetros de muestreo, prompts defensivos y salidas estructuradas tratados como superficies de ingeniería.
16 de abril — Capítulo 3 — Generación aumentada por recuperación. El pipeline RAG de extremo a extremo: chunking, recuperación híbrida, transformación de consulta, multimodal y text-to-SQL.
17 de abril — Capítulo 4 — Agentes de IA y llamada a herramientas. Bucles ReAct, esquemas de herramientas como contratos y las tres capas de memoria que un agente necesita de verdad.
18 de abril — Capítulo 5 — Evaluar aplicaciones LLM. LLM-as-judge, el RAG Triad y los tests de trayectoria para agentes.
19 de abril — Capítulo 6 — Observabilidad y trazado en IA. Convenciones GenAI de OpenTelemetry, las métricas que importan y el bucle de vuelta a las evaluaciones.
20 de abril — Capítulo 7 — Seguridad LLM y guardrails. El OWASP Top 10, la distinción entre inyección directa e indirecta y la matriz de mitigación en cuatro capas.
21 de abril — Capítulo 8 — Optimizar rendimiento, serving y coste. Caché semántica, enrutado dinámico y qué ocurre realmente dentro del servidor de inferencia.

Dónde encaja este volumen en la serie: los Volúmenes I y II cubrieron la mecánica de los propios modelos, el Volumen III profundizó en recuperación, y el Volumen IV construyó la arquitectura cognitiva con forma de MCP; el Volumen V es donde esos hilos se convierten en un único sistema de producción, y el Volumen VI llevará ese sistema a escala de flota.

Sobre este libro y la serie

LLM Primer es una serie de siete volúmenes que trata a los modelos de lenguaje como ingeniería y no como magia. El Volumen V es la quinta entrega. El estilo de la casa es sobrio y orientado a la mecánica: cada capítulo nombra el modo de fallo que está cerrando, recorre el mecanismo que lo cierra y muestra el código donde vive el mecanismo. No hay exhortaciones a abrazar la IA. Se da por hecho que el lector ya ha tomado esa decisión; el libro trata de hacerlo bien. Los volúmenes posteriores profundizan en escalado (VI) y en las preguntas más duras de seguridad y gobernanza que enfrentan las implantaciones reguladas (VII).

Hazte con un ejemplar. La edición en tapa blanda incluye los apéndices completos — topologías de despliegue, comparativas de frameworks, hojas de trabajo de coste — que los recorridos resumen pero no reproducen. Consulta LLM Primer V en Amazon →