Usas modelos de IA todos los días para programar, pero probablemente hay huecos: por qué te cobra “por tokens”, por qué a veces se olvida de lo que dijiste hace tres mensajes, qué es de verdad RAG, o por qué un agente que corre en tu terminal puede editar tu repo entero mientras un chat no. Esta ruta cierra esos huecos, con la cabeza de un desarrollador que va a poner esto en producción, no a leer marketing.
No es una ruta de prompts mágicos. Es el modelo mental completo, en seis tramos que se construyen uno sobre otro.
1. Fundamentos. Qué cambia al pasar de software determinista a un LLM, cómo separar proveedor, modelo y plataforma, y por qué tokens y ventana de contexto explican buena parte de su comportamiento.
2. Interacción con el modelo. Las dos palancas para dirigirlo: tool calling (darle manos para actuar) y context engineering (decidir qué información entra en su contexto y qué se queda fuera).
3. Economía de uso. Tokens de entrada/salida, tokens en caché, créditos, suscripciones, límites de uso. Al terminar sabrás leer una factura de OpenAI o Anthropic y decidir entre plan mensual y pago por API sin sorpresas.
4. Recuperación de conocimiento. Cómo se le da a un modelo información que no estaba en su entrenamiento: embeddings y vectores, bases de datos vectoriales, búsqueda semántica y RAG. Es lo que separa un chatbot de juguete de un asistente que responde sobre TU código y TUS docs.
5. Agentes. Del workflow explícito a un agente controlado: harness, agentic loop, memoria, permisos y verificación. Después, MCP estandariza herramientas; orquestación y multiagentes preparan A2A; y los frameworks implementan esas primitivas.
6. Coding agents. Primero las capacidades compartidas y SDD para trabajar con intención verificable; después Claude Code, Codex y Cursor como implementaciones concretas, con sus superficies, configuración y trade-offs.
El grafo te guía. Arranca casi a oscuras y se enciende según lees: una línea naranja punteada apunta al siguiente nodo que ya puedes abordar, y los que aún asumen cosas que no has visto se quedan atenuados. No es un candado —puedes abrir y leer cualquier nodo cuando quieras, y suma su experiencia igual—, es un mapa que se dibuja a tu paso.
Ve en orden si empiezas de cero: cada tramo asume el anterior. Si ya dominas fundamentos, salta a Agentes o directo a Coding agents. El grafo conecta además los conceptos que se tocan de verdad —“tokens” une fundamentos con economía; embeddings, vectores y RAG forman el pipeline de recuperación; MCP une tool calling, permisos y coding agents— así que puedes navegar por relaciones, no solo en línea recta.
[!NOTE] Para los primeros tramos no necesitas un lenguaje concreto. Para el bloque de coding agents ayuda estar cómodo en una terminal y con un repo Git.