Pockit Engineering Blog - Stories about development, tech, and tools
La guía completa para evaluar aplicaciones LLM antes de que rompan en producción. Frameworks de evaluación automatizados, funciones de scoring custom, testing de regresión, evaluación human-in-the-loop y el pipeline CI/CD que todo ingeniero de IA necesita en 2026.
El framework definitivo para elegir entre RAG, fine-tuning y ventanas de contexto largo para tu aplicación LLM. Diagramas de arquitectura, análisis de costos, código de producción y el árbol de decisión que todo ingeniero de IA necesita.
Deep dive en Model Context Protocol (MCP) y Agent-to-Agent (A2A) Protocol — los dos estándares que definen cómo los agentes de IA se comunican, usan herramientas y colaboran. Arquitectura, código y patrones de implementación para sistemas agénticos productivos.
Guía práctica para reducir costos de API LLM con semantic caching, routing inteligente de modelos, compresión de prompts y procesamiento batch. Código real y análisis de costos para OpenAI, Anthropic y Google.
Comparación técnica imparcial de OpenAI Codex y Claude Code para desarrollo de software real. Arquitectura, flujos de trabajo agénticos, calidad de código, precios y cuándo usar cada uno — con ejemplos reales de producción.