Glosario
Definiciones cortas y precisas de los términos de IA generativa y agentes, con un ejemplo práctico y enlaces a donde se usan.
GlosarioEl glosario es el centro de la red de enlaces de MoreContext. Cada vez que una página usa por primera vez un término técnico, lo enlaza aquí. Así puedes leer cualquier lección sin saber todo de antemano.
Cómo usarlo
- Desde otra página: sigue el enlace del término, lee la definición y vuelve.
- Para repasar: navega por categorías. Están en la cabecera de cada término.
- Para ir más allá: cada término termina con «Ver también», que te lleva a la lección o al artículo de docs donde se explica a fondo.
Criterio de las definiciones
Cada término tiene la misma forma:
- Definición en una a tres frases, sin jerga que no esté a su vez definida.
- En la práctica: qué significa cuando construyes, con un ejemplo mínimo.
- No confundir con, cuando hay un término cercano que se presta a error, como RAG y fine-tuning.
- Ver también, con enlaces a términos y lecciones relacionadas.
Usamos el término tal como se dice en la industria. Si se usa en inglés (embeddings, reranking), lo dejamos en inglés e indicamos el original. Si existe una traducción asentada, como ventana de contexto, usamos la traducción.
Categorías
| Categoría | Ejemplos |
|---|---|
| Fundamentos | LLM, Token, Temperatura |
| Prompting | Prompt de sistema, Few-shot, Salida estructurada |
| Herramientas | Tool use, MCP, Stop reason |
| Contexto | Embeddings, Chunking, Búsqueda híbrida |
| Agentes | Agente, Bucle agéntico, Subagente |
| Evals | Evals, Modelo juez, Trayectoria |
| Producción | Prompt caching, Latencia, Observabilidad |
| Seguridad | Inyección de prompt, Guardrails, Sandbox |
Si echas en falta un término, propónlo siguiendo Cómo contribuir.
Términos de la A a la Z
59 términos
Por categoría
- fundamentos 11
- Alucinación · Destilación · Fine-tuning · LLM · max_tokens · Temperatura · Token · Tokenizador · Top-p · Transformer · Ventana de contexto
- prompting 8
- Cadena de pensamiento · Esfuerzo (effort) · Few-shot · Prompt · Prompt de sistema · Razonamiento extendido · Salida estructurada · Zero-shot
- herramientas 8
- Function calling · MCP · Servidor MCP · Stop reason · Tool result · Tool use · tool_choice · Uso del ordenador
- contexto 13
- BM25 · Búsqueda híbrida · Chunking · Compactación · Contexto largo · Embeddings · Grounding · Memoria · RAG · Recuperación contextual · Reranking · Similitud coseno · Vector store
- agentes 7
- Agente · Bucle agéntico · Humano en el bucle · Orquestador · ReAct · Subagente · Workflow
- evals 4
- Conjunto de evaluación · Evals · Modelo juez · Trayectoria
- producción 4
- Latencia · Observabilidad · Prompt caching · Streaming
- seguridad 4
- Guardrails · Inyección de prompt · Mínimo privilegio · Sandbox
Ningún término coincide.
A
-
Agenteagentagentes
Sistema en el que un modelo decide en un bucle qué herramientas usar y qué pasos dar hasta completar una tarea.
ampliar -
Alucinaciónhallucinationfundamentos
Respuesta del modelo que suena plausible pero es falsa o no está respaldada por ninguna fuente.
ampliar
B
-
BM25Okapi BM25contexto
Función clásica de ranking por palabras clave que puntúa documentos según la frecuencia y la rareza de los términos buscados.
ampliar -
Bucle agénticoagent loopagentes
Ciclo de llamar al modelo, ejecutar las herramientas que pide y devolverle los resultados hasta que termina.
ampliar -
Búsqueda híbridahybrid searchcontexto
Combinar búsqueda por palabras clave y búsqueda vectorial y fusionar sus resultados para recuperar mejor.
ampliar
C
-
Cadena de pensamientochain of thoughtprompting
Técnica de prompting que pide al modelo razonar paso a paso antes de responder para mejorar tareas de varios pasos.
ampliar -
Chunkingcontexto
Trocear documentos en fragmentos del tamaño adecuado para indexarlos y recuperarlos en un sistema RAG.
ampliar -
Compactacióncompactioncontexto
Resumir o recortar el historial de una conversación larga para liberar ventana de contexto sin perder lo importante.
ampliar -
Conjunto de evaluacióneval setevals
Colección de casos de prueba con entradas y criterios de éxito con la que mides de forma repetible un sistema con LLM.
ampliar -
Contexto largolong contextcontexto
Trabajar con entradas de muchos tokens en una sola petición, con sus ventajas y sus límites prácticos de calidad y coste.
ampliar
D
-
Destilacióndistillationfundamentos
Entrenar un modelo pequeño con las salidas de uno más grande para que imite su comportamiento a menor coste.
ampliar
E
-
Embeddingscontexto
Vectores numéricos que representan el significado de un texto, de forma que textos parecidos quedan cerca.
ampliar -
Esfuerzo (effort)effortprompting
Parámetro que orienta cuánto razonamiento y cuántos tokens dedica el modelo a una respuesta, de bajo a máximo.
ampliar -
Evalsevaluationsevals
Pruebas sistemáticas que miden si un sistema con LLM hace bien su tarea, sobre casos y criterios definidos.
ampliar
F
-
Few-shotprompting
Técnica de prompting que incluye unos pocos ejemplos de entrada y salida para que el modelo imite el patrón.
ampliar -
Fine-tuningfundamentos
Continuar el entrenamiento de un modelo con datos propios para ajustar su comportamiento a una tarea o un estilo.
ampliar -
Function callingherramientas
Nombre habitual de la capacidad del modelo de pedir que tu código ejecute una función con argumentos estructurados.
ampliar
G
-
Groundingcontexto
Anclar las respuestas del modelo a fuentes concretas que tiene en el contexto, para que pueda justificarlas y citarlas.
ampliar -
Guardrailsseguridad
Controles alrededor del modelo que validan entradas, salidas y acciones para impedir comportamientos no deseados.
ampliar
H
-
Humano en el buclehuman-in-the-loopagentes
Diseño en el que una persona revisa o aprueba ciertas decisiones del agente antes de que tengan efecto.
ampliar
I
-
Inyección de promptprompt injectionseguridad
Ataque en el que un texto introducido en el contexto contiene instrucciones que intentan cambiar el comportamiento del modelo.
ampliar
L
-
Latencialatencyproducción
Tiempo que tarda el sistema en responder, desde que envías la petición hasta el primer token o la respuesta completa.
ampliar -
LLMLarge Language Modelfundamentos
Modelo de lenguaje grande, una red neuronal entrenada con mucho texto que genera texto prediciendo el siguiente token.
ampliar
M
-
max_tokensfundamentos
Parámetro obligatorio que fija el máximo de tokens que el modelo puede generar en una respuesta; es un límite duro.
ampliar -
MCPModel Context Protocolherramientas
Model Context Protocol, estándar abierto para conectar aplicaciones de IA con herramientas y fuentes de datos externas.
ampliar -
Memoriamemorycontexto
Información que un agente guarda fuera de la ventana de contexto para recuperarla en pasos o sesiones posteriores.
ampliar -
Mínimo privilegioprinciple of least privilegeseguridad
Principio de dar a un agente y a sus herramientas solo los permisos estrictamente necesarios para su tarea y nada más.
ampliar -
Modelo juezLLM-as-a-judgeevals
Usar un LLM para puntuar las salidas de otro sistema con una rúbrica, cuando el criterio no se puede comprobar con código.
ampliar
O
-
Observabilidadobservabilityproducción
Capacidad de ver qué hace tu sistema con LLM en cada petición mediante trazas, registros y métricas de coste y latencia.
ampliar -
Orquestadororchestratoragentes
Agente o componente que divide una tarea, reparte las partes entre subagentes o trabajadores y combina sus resultados.
ampliar
P
-
Promptprompting
Todo el texto y los datos que envías al modelo en una petición para indicarle qué hacer y con qué información.
ampliar -
Prompt cachingproducción
Reutilizar un prefijo de la petición ya procesado para que las siguientes llamadas cuesten menos y respondan antes.
ampliar -
Prompt de sistemasystem promptprompting
Instrucciones fijas que se envían aparte de los mensajes para definir el rol, las reglas y el contexto estable del modelo.
ampliar
R
-
RAGRetrieval-Augmented Generationcontexto
Técnica que recupera fragmentos relevantes de tus documentos y los añade al contexto para que el modelo responda con ellos.
ampliar -
Razonamiento extendidoextended thinkingprompting
Modo en el que el modelo genera un razonamiento interno antes de la respuesta final, a cambio de más tokens y latencia.
ampliar -
ReActReasoning and Actingagentes
Patrón de agente que alterna razonar sobre la situación, ejecutar una acción y observar su resultado, en bucle.
ampliar -
Recuperación contextualcontextual retrievalcontexto
Técnica de RAG que añade a cada fragmento una breve explicación de su contexto en el documento antes de indexarlo.
ampliar -
Rerankingcontexto
Segunda fase de búsqueda que reordena los candidatos recuperados con un modelo más preciso y se queda con los mejores.
ampliar
S
-
Salida estructuradastructured outputsprompting
Respuesta del modelo en un formato definido, normalmente JSON que cumple un esquema, lista para procesarla con código.
ampliar -
Sandboxseguridad
Entorno aislado donde un agente ejecuta código o controla un ordenador sin poder dañar el sistema real ni acceder a secretos.
ampliar -
Servidor MCPMCP serverherramientas
Programa que expone herramientas, recursos y prompts a través del protocolo MCP para que cualquier aplicación compatible los use.
ampliar -
Similitud cosenocosine similaritycontexto
Medida de lo parecidos que son dos vectores según el ángulo entre ellos; la más usada para comparar embeddings.
ampliar -
Stop reasonherramientas
Campo de la respuesta que indica por qué el modelo dejó de generar y, por tanto, qué debe hacer tu código después.
ampliar -
Streamingproducción
Recibir la respuesta del modelo por partes a medida que se genera, en lugar de esperar a que termine entera.
ampliar -
Subagentesubagentagentes
Agente al que otro agente encarga una subtarea con su propio contexto limpio y que devuelve solo el resultado.
ampliar
T
-
Temperaturatemperaturefundamentos
Parámetro de muestreo que controla cuánta aleatoriedad hay al elegir cada token de la respuesta.
ampliar -
Tokenfundamentos
Unidad mínima de texto que procesa el modelo, normalmente un trozo de palabra; con ella se miden contexto, coste y límites.
ampliar -
Tokenizadortokenizerfundamentos
Componente que convierte el texto en la secuencia de tokens que procesa el modelo, y los tokens de vuelta en texto.
ampliar -
Tool resultherramientas
Bloque con el que devuelves al modelo el resultado de ejecutar una herramienta que pidió, enlazado por su identificador.
ampliar -
Tool useherramientas
Capacidad del modelo de pedir a tu aplicación que ejecute una herramienta definida por ti y de usar el resultado.
ampliar -
tool_choiceherramientas
Parámetro que controla si el modelo puede, debe o no debe usar herramientas, o cuál está obligado a llamar.
ampliar -
Top-pfundamentos
Parámetro de muestreo que limita la elección de cada token a los más probables cuya probabilidad acumulada llega a p.
ampliar -
Transformerfundamentos
Arquitectura de red neuronal basada en atención sobre la que se construyen los LLM actuales.
ampliar -
Trayectoriatrajectoryevals
Secuencia completa de pasos de un agente en una tarea, con sus llamadas a herramientas, resultados y respuestas intermedias.
ampliar
U
-
Uso del ordenadorcomputer useherramientas
Herramienta que permite al modelo ver capturas de pantalla y manejar ratón y teclado para operar interfaces gráficas.
ampliar
V
-
Vector storecontexto
Base de datos que guarda embeddings y permite buscar rápidamente los vectores más parecidos a una consulta.
ampliar -
Ventana de contextocontext windowfundamentos
Número máximo de tokens que el modelo puede considerar en una petición, sumando entrada y salida.
ampliar