rojkind arquitectos · taller de ia · tema 2
de chatgpt al agente en rhino
El material completo del taller: cada parte se puede leer como una guía o presentar en pantalla completa. Al final está el glosario con todos los términos.
contenido
- 00Apertura
De qué trata el taller y cómo está organizado.
- 01Desmitificar la IA
Empresas, modelos y apps; qué es un LLM; modelos de razonamiento; cómo clasificar un modelo; por qué la IA cuesta dinero.
- 02Agentes, contexto y costo
El ciclo agéntico, las partes del arnés, la ventana de contexto, tokens y precios, formas de pagar.
- 03Conectar agentes a Rhino
Qué es MCP, el servidor Rhino MCP y Lattice con su propio puente.
- 04Leer código
Cómo habla un script con Rhino, las seis piezas de cualquier programa, y GitHub.
glosario
- Agenteparte 2 →
- Un modelo dentro de un programa que le da herramientas y un ciclo: decide un paso, lo ejecuta, lee el resultado y sigue hasta terminar la tarea.
- Alucinaciónparte 1 →
- Una respuesta plausible y segura pero falsa. Pasa porque el modelo reconstruye, no consulta.
- APIparte 1 →
- La puerta para que un programa use un modelo directamente, pagando por token, sin pasar por el chat.
- Arnésparte 1 →
- Todo lo que envuelve al modelo para hacerlo útil: memoria, instrucciones, herramientas y un ciclo. ChatGPT y Lattice son arneses.
- Branchparte 4 →
- Una línea de trabajo paralela, sobre una copia, para probar sin afectar la principal.
- Caso límiteparte 4 →
- Una situación poco común que el código debe contemplar, como círculos que se enciman o una capa anidada.
- Ciclo (for)parte 4 →
- Repetir las mismas instrucciones para cada elemento, como dibujar un círculo en cada centro.
- Clone, push, pullparte 4 →
- Bajar una copia del repositorio, subir tus cambios y traer los cambios de otros.
- Commitparte 4 →
- Una versión guardada del código, con una nota de qué cambió.
- Condición (if)parte 4 →
- Hacer algo solo si se cumple una condición.
- Conexiónparte 1 →
- La vía por la que un agente actúa sobre otro programa: MCP o un puente directo.
- Diccionarioparte 4 →
- Una tabla de pares clave → valor, como tamaño con nombre → radio.
- Empresa (laboratorio)parte 1 →
- Construye modelos y vende acceso a ellos. Ejemplos: OpenAI, Anthropic, Google.
- Entrenamientoparte 1 →
- Ajustar los pesos para que el modelo reproduzca lo mejor posible un enorme conjunto de textos. Se hace una vez y cuesta mucho.
- Funciónparte 4 →
- Una receta con nombre que se puede reutilizar: recibe datos y devuelve un resultado.
- Herramienta (tool)parte 2 →
- Una acción que el agente puede pedir: leer un archivo, ejecutar un script, consultar Rhino. El modelo la pide por escrito; el arnés la ejecuta.
- Inferenciaparte 1 →
- Usar un modelo ya entrenado: a partir de tu texto, predice la siguiente pieza, una a la vez.
- Instrucciones del sistemaparte 2 →
- Reglas fijas que el agente recibe antes de cada tarea: su papel, su estilo y lo que nunca debe hacer.
- Latticeparte 3 →
- Un agente y editor de código para Rhino, de escritorio. Se conecta a Rhino con su propio puente y usa modelos a través de OpenRouter.
- Listaparte 4 →
- Una colección ordenada de valores, como la lista de centros de los círculos.
- MCP (Model Context Protocol)parte 3 →
- Un estándar para conectar agentes con programas. El programa publica un menú de herramientas; el agente lo lee, pide y recibe resultados.
- Memoriaparte 2 →
- Notas que el arnés guarda y vuelve a leer entre sesiones. El modelo por sí mismo no recuerda nada.
- Modalidadesparte 1 →
- Los tipos de información que un modelo entiende: texto, imágenes, audio, video.
- Modelo (LLM)parte 1 →
- Un archivo de números (pesos) que predice la siguiente pieza de texto. Ejemplos: GPT, Claude, Gemini.
- Modelo de fronteraparte 1 →
- El mejor modelo que tiene una empresa en un momento dado: el más capaz y el más caro.
- Modelo de razonamientoparte 1 →
- Un modelo que escribe pasos intermedios (un borrador) antes de la respuesta final. Acierta más en problemas de varios pasos; cuesta más y tarda más.
- Pesos (parámetros)parte 1 →
- Los números que forman un modelo, como los puntos de control de una superficie. Un modelo grande tiene decenas o cientos de miles de millones.
- Pesos abiertos (open weights)parte 1 →
- Un modelo cuyo archivo de pesos se puede descargar y correr en tu propia máquina. A menudo se le llama “open source”, aunque los datos y el código de entrenamiento no sean públicos.
- Pull requestparte 4 →
- Una propuesta para unir un branch a la línea principal, con revisión.
- Repositorioparte 4 →
- La carpeta de un proyecto en GitHub, con la historia completa de cada cambio.
- RhinoCommonparte 4 →
- La interfaz de programación (.NET) sobre la que está construido Rhino. Se usa desde Python, C# y Grasshopper.
- rhinoscriptsyntaxparte 4 →
- Una biblioteca de Python más sencilla, construida encima de RhinoCommon: una línea por acción, menos completa.
- Router (OpenRouter)parte 1 →
- Un servicio que da acceso a modelos de muchas empresas con una sola cuenta y una sola llave.
- Servidor MCPparte 3 →
- El pequeño programa que expone las acciones de un software (por ejemplo Rhino) como herramientas MCP.
- Skillparte 2 →
- Un paquete de instrucciones para un trabajo concreto. El agente solo ve su título y lo abre cuando la tarea lo necesita.
- Tokenparte 1 →
- La pieza de texto con la que trabaja un modelo: una palabra corta o parte de una más larga. Los precios se cobran por token.
- Tokens de entrada y de salidaparte 2 →
- Entrada: todo lo que se envía al modelo, incluido el contexto. Salida: lo que el modelo escribe. La salida cuesta varias veces más por token.
- Variableparte 4 →
- Un nombre que guarda un valor, por ejemplo radio = 1.0.
- Ventana de contextoparte 1 →
- La cantidad máxima de texto, en tokens, que un modelo puede leer en una sola petición.
- Workspace (espacio de trabajo)parte 2 →
- Los archivos y carpetas que un agente puede ver y cambiar.