Totemize
  • Rutas totémicas
  • Precios
  • Quiénes somos
Iniciar sesiónÚnete gratis
Únete gratis
Ctrl+K
Modelo mental
  • Base de conocimiento
  • Cloud
    • Azure
      • Web Apps
        • App Service
        • App Service Plan
        • Configuración
        • Managed Identity
        • Deployment Slots
        • Networking
        • Observabilidad
      • Storage Accounts
        • Blob Storage
        • Containers
        • Azure Files
        • Queue Storage
        • Table Storage
        • Redundancia
        • Access Tiers
        • Lifecycle Management
        • Seguridad y red
  • Frontend
    • React
      • Componentes
      • Props y Estado
      • Hooks
      • Renderizado de listas
  • IA
    • Fundamentos
      • Determinismo y probabilismo
      • LLM
      • Proveedor
      • Modelos fundacionales
      • Plataforma
      • Mapa del ecosistema
      • Entrenamiento y fine-tuning
      • Tokens
      • Ventana de contexto
      • Inferencia y sampling
      • Alucinaciones y límites
    • Interacción con el modelo
      • Prompts e instrucciones
      • Context engineering
      • Salidas estructuradas
      • Validación
      • Evaluaciones
      • Tool calling
    • Economía de uso
      • API pricing
      • Tokens de entrada y salida
      • Tokens en caché
      • Créditos
      • Suscripciones
      • Límites de uso
      • Selección de modelo
    • Recuperación de conocimiento
      • Vectores
      • Embeddings
      • Chunking
      • Bases de datos vectoriales
      • Búsqueda semántica
      • Búsqueda híbrida y reranking
      • Retrieval
      • RAG
      • Citas y grounding
      • LlamaIndex
    • Agentes
      • Workflows
      • Anatomía de un agente
      • Harness
      • Agentic loop
      • Planificación y human-in-the-loop
      • Memory
      • Permisos
      • Verification
      • MCP
      • Orquestación
      • Multiagentes
      • A2A
      • Frameworks de agentes
        • Microsoft Agent Framework
        • OpenAI Agents SDK
        • Google ADK
        • LangGraph
    • Coding agents
      • Skills
      • Spec-Driven Development
      • Claude Code
        • CLAUDE.md
        • Commands
        • Hooks
        • Plugins
        • Permisos
        • Subagents
      • Codex
        • CLI
        • Extensión de IDE
        • Codex app
        • Cloud
        • AGENTS.md
        • Worktrees
      • Cursor
        • Agent mode
        • Rules
        • Models
        • Precio por uso
  • Soporte
  • Comentarios
  1. IA
  2. Interaccion
Árbol de habilidades

Validación

1 min de lecturaActualizado el 9 jul 2026

Validar es comprobar fuera del modelo que una salida cumple el contrato antes de usarla. El LLM puede proponer; tu aplicación decide si la propuesta es admisible. Esa frontera debe existir incluso cuando usas salidas estructuradas.

Cinco niveles

  1. Sintaxis: ¿se puede parsear?
  2. Estructura: ¿cumple tipos, campos obligatorios, enums y límites?
  3. Semántica: ¿los datos significan algo coherente entre sí?
  4. Negocio: ¿respeta inventario, permisos, estados y reglas del dominio?
  5. Seguridad: ¿la acción está autorizada y sus argumentos son seguros?

Un schema puede validar que amount es un número. Sólo el dominio sabe si ese monto corresponde a la orden, y sólo la autorización sabe si el actor puede reembolsarlo.

La salida del modelo es entrada no confiable

Trátala como tratarías una petición externa:

  • no interpolar argumentos en SQL o shell;
  • no confiar en rutas, URLs o identificadores sin normalizar;
  • no permitir que el modelo elija su propio nivel de permisos;
  • separar lectura de escritura;
  • aplicar límites de tamaño, tiempo y frecuencia;
  • registrar decisiones sensibles con la evidencia que las produjo.

Esto también aplica a los argumentos de tool calling. Un schema describe una llamada; no la autoriza.

Reparar sin crear un bucle infinito

Si la salida falla, puedes devolver errores precisos al modelo: «confidence debe estar entre 0 y 1» es mejor que «inténtalo otra vez». Limita los reintentos y distingue:

  • error de formato reparable;
  • falta de datos que exige preguntar;
  • conflicto de negocio que debe rechazarse;
  • riesgo alto que necesita revisión humana.

Cada fallo real debería convertirse en caso de evaluación, no esconderse detrás de reintentos silenciosos.

Validación no es verificación factual

Una respuesta puede cumplir el schema y ser falsa. Para hechos necesitas fuentes, grounding o consultar el sistema de registro. Para código necesitas ejecutarlo y probarlo.

Temas relacionados

La salida estructurada hace validable el contrato; Evaluaciones miden la calidad a lo largo del tiempo y Permisos gobiernan las acciones.