Texto y documentos
Números y cálculo
Datos y formatos
Seguridad
Desarrollo y DevOps
Inteligencia Artificial
Finanzas
Salud y bienestar
Productividad
Juegos y entretenimiento
Multimedia y diseño
Empresa
Guía de uso
Qué es esto

El recorrido de una petición a una IA, de punta a punta: lo que ya está cargado antes de que escribas, cómo se monta la ventana de contexto, qué filtros la revisan en tu app y en el gateway, el modelo, el bucle de un agente y lo que se comprueba a la salida. Elige un escenario, pulsa una etapa y edita las piezas donde entran.

Las pestañas

Recorrido: las once etapas y la ventana de contexto. Herramientas, MCP y skills: lo que cuesta cada definición, las skills en tres niveles y una llamada a herramienta control a control (esquema, hooks, permisos como Claude Code, persona, sandbox). Contexto: qué entra por RAG, qué se pierde al compactar y qué se puede cachear, con precios reales. Agente de IDE: qué se ejecuta sin preguntar según el modo, qué se puede deshacer y lo que ahorran (o no) los subagentes. Laboratorio: qué para cada capa sobre el catálogo de ataques de /agents, medido, y los fallos que no son ataques.

La barra de arriba es la ventana de contexto

Es todo lo que el modelo lee en ESA etapa, pieza a pieza, con sus tokens contados de verdad con el tokenizador o200k de OpenAI (otros modelos cuentan algo distinto). Las definiciones de herramientas se cuentan como el JSON que las describe; cada proveedor las envuelve a su manera, así que es una aproximación. Fíjate en cuánto hay antes de que escribas nada.

Qué es real y qué se simula

Los filtros usan los detectores de secretos y datos personales de la app y la lista de frases de inyección de /agents: lo que encuentran es real, y todo corre en tu navegador. El gateway se simula: sus políticas existen (Azure API Management tiene llm-token-limit, llm-content-safety y caché semántica; LiteLLM, guardrails antes y después de la llamada), pero aquí el filtro de contenido lo hacen nuestros detectores. Una lista de frases caza la orden de manual y no la disimulada: es lo que pasa con los filtros de lista de verdad.

Lo que nadie vio

Quita capas y mira el recuadro de abajo: lo que había y ninguna capa encendida miró. La lección de la inyección indirecta sale sola: el filtro de la app no ve el documento recuperado ni la salida de una herramienta, porque llegan después. Ninguna capa sola basta.

Del prompt a la respuestaQué le pasa a tu petición a una IA, etapa a etapa
Del prompt a la respuestaQué le pasa a tu petición a una IA, etapa a etapa
Ventana de contexto en «Montar el contexto»0 tokens · 0 % de la ventana
  • Prompt de sistema 0
  • Historial de la conversación 0
  • Tu prompt 0
  • Documentos recuperados (RAG) 0

Montar el contexto

Qué pasa. Se monta la petición: el historial (o su resumen, si ya no cabe), los documentos que recupera el RAG y tu prompt, en un orden fijo. Un prefijo que no cambia entre peticiones se puede cachear y sale más barato.

Qué puede salir mal. Un documento recuperado puede traer una orden escondida: es la inyección indirecta. Al compactar el historial se puede perder una instrucción tuya. Y un cambio al principio de la petición rompe la caché.

A fondo:/embeddings/llm-costs/context-forge

El viaje se para en «Gateway de IA».

Todo lo que encontraron los detectores lo vio alguna capa.