En esta página
Imagina que un catálogo de productos cambia el lunes. El prompt de un asistente aún contiene la lista del viernes. El equipo actualiza el prompt. Otra copia de la lista antigua permanece en los ejemplos usados para entrenar el modelo. El asistente da ahora una respuesta actual y otra obsoleta en la misma sesión.
El fallo es ilustrativo, pero su mecanismo es habitual: el mismo dato ha adquirido más de un hogar.
Una charla sobre prompts, recuperación y pesos del modelo traza una distinción útil. El prompt indica al asistente cómo comportarse. La recuperación aporta conocimiento actual y citable a una tarea concreta. La adaptación del modelo puede enseñar un patrón estable. Tratar los tres como una escalera, empezando por el prompt, siguiendo por la recuperación y ajustando el modelo cada vez que la respuesta sigue siendo errónea, diagnostica mal los errores de datos.
Un prompt no es un buen catálogo
Los prompts resultan atractivos porque son fáciles de editar. Añade un párrafo y la siguiente solicitud lo llevará consigo. Esa comodidad esconde dos costes. El dato se envía en cada llamada, incluso cuando no importa. Y un prompt grande dificulta saber qué copia de una regla utilizó el modelo.
Una instrucción duradera como «preguntar antes de enviar una campaña» debe estar cerca del agente. Una lista de los campos personalizados actuales de esta tienda, no. Puede cambiar después de que un administrador añada un atributo. Puede variar entre cuentas. Puede ser visible en un espacio de trabajo y estar prohibida en otro.
La guía del conector de Brevo muestra por qué las definiciones de campos importan para sincronizar contactos. Si un atributo no está declarado en la cuenta de destino, una correspondencia que parecía sensata por el nombre quizá no genere el campo esperado. El agente debe examinar el contrato vigente de esa cuenta, no recordar una lista genérica de campos de su entrenamiento.
Un resultado de búsqueda útil debe ser lo bastante pequeño para poder cuestionarlo. Debe indicar a qué cuenta se aplica, cuándo se leyó y qué operación o campo describe. Si dos fragmentos recuperados se contradicen, el sistema debe mostrar el conflicto en lugar de elegir silenciosamente el más fluido. El siguiente paso quizá sea una nueva consulta o una revisión, no reformular el prompt con más insistencia.
Recupera el dato con su contexto
Un registro de conocimiento útil contiene más que texto. Necesita una fuente, una versión o momento de consulta, el ámbito de la cuenta y una forma clara de retirarlo o sustituirlo. La definición de un campo hallada en la cuenta de una tienda nunca debe convertirse en regla universal para otra.
Una pregunta sobre un atributo de contacto puede recuperar el fragmento más pequeño que responda: nombre del campo, tipo y cuenta en la que existe. La respuesta puede remitir a la fuente. Si la correspondencia falla, el equipo puede averiguar si el dato estaba obsoleto, si se devolvió un resultado de la cuenta equivocada o si el modelo entendió mal un fragmento correcto.
Son reparaciones distintas. Un cambio en el prompt no arregla un filtro de búsqueda que cruza límites entre cuentas. Un modelo más grande no puede proporcionar la definición de un atributo que nadie recuperó.
La explicación de MCP trata de cómo un agente consulta herramientas. La herramienta debe devolver el contrato pertinente y la aplicación debe controlar quién puede verlo. Una instrucción de texto que diga «no reveles datos de otra cuenta» no sustituye una consulta limitada a la cuenta autorizada.
Esta separación también acelera las reparaciones. Si se renombra un campo de destino, actualiza la fuente del esquema e invalida la correspondencia afectada. Si el agente entiende mal una instrucción estable de forma repetida, cambia la instrucción o prueba un entrenamiento dirigido. Si una respuesta es errónea porque el buscador seleccionó la cuenta equivocada, cambiar los pesos del modelo no resolvería la causa. Cada tipo de error tiene un responsable y una ruta de corrección diferentes.
- Instrucción duradera
Cómo debe actuar el asistente
- Búsqueda limitada al contexto cuenta · versión · fecha
Qué es cierto ahora
- Decisión de correspondencia
Usar el dato actual para esta tarea
- Escritura controlada
El código comprueba permisos y ámbito
Enseña patrones solo cuando se estabilicen
Una objeción razonable es: «Si un dato se usa constantemente, ¿por qué no enseñárselo a un modelo más pequeño?». La repetición por sí sola no basta. El dato debe seguir siendo correcto entre actualizaciones del modelo y este debe tener una forma de distinguir los contextos.
Un modo estable de clasificar casos quizá acabe justificando un ajuste. La lista vigente de campos de un proveedor es una mala candidata. Aunque cambie poco, una única respuesta obsoleta puede generar una correspondencia errónea aplicada a muchos registros. Conserva el dato donde una persona pueda examinarlo y actualizarlo.
La charla también advierte contra usar la recuperación para resolver cualquier fallo de razonamiento. Si el modelo no sabe comparar bien dos documentos pertinentes, añadir cincuenta más no le enseñará a razonar. Pregunta primero si llegó el fragmento correcto. Después, si el juicio basado en ese fragmento fue sólido.
Para quien construye una integración, esto da una secuencia de reparación: identifica la afirmación incorrecta; examina el fragmento recuperado sobre el campo o la API; verifica su cuenta y versión; corrige la fuente o la búsqueda si hace falta; y prueba de nuevo la decisión. Solo entonces considera cambiar el modelo.
El coste es mantener una verdadera capa de conocimiento: actualizaciones de fuentes, controles de acceso y citas. La ventaja es poder corregir un dato en un solo lugar.
Un contrato cambiante nunca debería esperar a que un modelo lo olvide.
Preguntas frecuentes
¿Qué debe incluir el prompt de un agente?
Instrucciones breves y duraderas sobre el comportamiento y los límites. Un catálogo cambiante, una lista de campos de una cuenta concreta o una regla actual de un proveedor deben obtenerse de una fuente autorizada cuando hagan falta.
¿Por qué no ajustar un modelo con la documentación actual?
El ajuste puede incorporar un dato cambiante a pesos difíciles de inspeccionar y actualizar. Primero asegúrate de que el documento correcto se recupera y cita al tomar la decisión.
¿Cómo se corrige una respuesta factual errónea?
Examina el documento fuente, su versión, el filtro de búsqueda y el fragmento devuelto. Corrige el dato o la ruta de recuperación antes de cambiar el modelo.