El resultado y el camino
Una violación dura bloquea aunque otras métricas mejoren. Guarda la trayectoria y el motivo del veredicto para poder reproducirlo.
Los enlaces con ?t= abren el vídeo en un segundo concreto.
Las ideas que debes retener
Una trayectoria es una secuencia de transiciones, no una lista de tool names
Para razonar sobre una ejecución podemos representar cada paso como:
Empieza por el outcome: ¿la tarea terminó realmente resuelta?
Cuando el resultado puede comprobarse directamente, el primer grader debería inspeccionar el estado real.
Después evalúa las decisiones que sí importan durante el camino
No toda diferencia de trayectoria es relevante.
Ve directamente a una sección
Leer transcripción revisada
Transcripción del texto visual. Vídeo sin narración.
00:00 — No cuentes llamadas. Sigue el estado.
Cada acción puede cambiar el entorno, aunque el agente no lo vea todavía.
Relaciona precondición, llamada, observación y estado posterior.
La tarea termina cuando su condición de éxito es verdadera.
Ejemplo ilustrativo, no resultado de benchmark.
00:22 — Un éxito no compensa un permiso violado.
Un reembolso puede completarse y aun así incumplir una política obligatoria.
Comprueba la autorización antes del write, no después del resultado.
Una restricción dura no se promedia con calidad o velocidad.
Ejemplo ilustrativo, no resultado de benchmark.
00:44 — Timeout no significa «no se ejecutó».
El backend puede confirmar una operación antes de perderse su respuesta.
Para el agente, ese resultado es desconocido, no necesariamente fallido.
Reintentar a ciegas puede ejecutar el mismo efecto dos veces.
Ejemplo ilustrativo, no resultado de benchmark.
01:08 — Primero reconcilia. Después decide.
Consulta el estado de la operación con un identificador estable.
Si ya está confirmada, no repitas el write.
Un reintento seguro depende del contrato de idempotencia de la herramienta.
Ejemplo ilustrativo, no resultado de benchmark.
01:32 — Puede haber varios caminos correctos.
No obligues al agente a copiar una secuencia de llamadas preferida.
Evalúa las restricciones y el estado final que la tarea exige.
Mide el coste entre trayectorias válidas; menos pasos no siempre es mejor.
Ejemplo ilustrativo, no resultado de benchmark.
01:54 — El gate debe explicar por qué se detiene.
Separa éxito de tarea, política, integridad del estado y fiabilidad.
Una violación dura bloquea aunque otras métricas mejoren.
Guarda la trayectoria y el motivo del veredicto para poder reproducirlo.
Ejemplo ilustrativo, no resultado de benchmark.
