Saltar al contenido
Cursos/IA desde cero/Contexto, tokens y memoria: por qué la misma pregunta cambia de respuesta

Contexto, tokens y memoria: por qué la misma pregunta cambia de respuesta

Da al modelo la información relevante, pero no más datos ni permisos de los necesarios.

Qué vas a conseguir ahora

Prepara un contexto pequeño que permita responder bien sin exponer información innecesaria. Resultado esperado: Un paquete de contexto relevante, delimitado y comprobable.

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
25 min Evidencia

Pregunta: ____ · Contexto imprescindible: ____

Lección 4 de 1025 min Fundamentos Sin herramienta obligatoria

Aprende haciendo una decisión pequeña

Prepara un contexto pequeño que permita responder bien sin exponer información innecesaria.

Sin cuenta, cookies ni seguimiento
Resultado de esta misiónUn paquete de contexto relevante, delimitado y comprobable.
Hazlo en tres pasos 0/3 durante esta visita
Comprueba tu criterio

¿Qué contexto suele ser mejor para revisar una cláusula concreta?

Plantilla de evidencia para copiar en tus apuntes
Pregunta: ____
Contexto imprescindible: ____
Datos retirados: ____
Criterio de comprobación: ____

Esta actividad solo usa memoria temporal de la página. Al recargar, olvida las respuestas. Contenido CC BY-SA 4.0 · código MIT.

Revisión editorial ·
Revisión periódica Revisar cada 30 días

Alcance revisado: Minimización de contexto, memoria y datos sensibles.

Fuentes primarias de referencia

Este estado describe una revisión editorial. No afirma que exista código ejecutable en una lección conceptual.

Explicación, ejemplos y práctica completa

El contexto es todo lo que el modelo tiene delante al responder: tu encargo, mensajes anteriores, documentos adjuntos, instrucciones de la aplicación y, cuando exista, resultados de herramientas. Los tokens son fragmentos de texto que el sistema procesa; sirven para medir límites de contexto y coste, pero no necesitas contarlos a mano para trabajar bien.

Tres límites prácticos

  1. Demasiado contexto irrelevante distrae y puede ocultar lo importante.
  2. Contexto ausente obliga al modelo a suponer; ahí aparecen errores y respuestas genéricas.
  3. Memoria mal entendida puede mezclar una preferencia útil con datos que no debían permanecer guardados.

En vez de pegar cien páginas sin orden, aporta una selección con estructura:

Objetivo: preparar un borrador de respuesta.
Audiencia: cliente no técnico.
Fuentes permitidas: documento A y política B adjuntos.
No inventes precios, plazos ni garantías.
Si falta un dato, escribe [pendiente de confirmar].
Salida: cinco viñetas y un correo de máximo 160 palabras.

Memoria no es autorización

Que una aplicación recuerde un dato no significa que debas introducirlo. Evita subir contraseñas, identificadores personales, historiales médicos, información contractual confidencial o secretos del negocio sin haber revisado antes la política, los controles y la autorización correspondiente.

Práctica

Toma una petición que te haya dado una respuesta mediocre. Reescríbela añadiendo objetivo, audiencia, fuentes permitidas, límites y formato. Compara ambas respuestas y anota qué mejoró.

Resumen

  • Contexto relevante gana a contexto abundante.
  • Tokens explican límites y costes, no sustituyen una instrucción clara.
  • La memoria debe tratarse como una decisión de datos, no como comodidad automática.

Si has guardado la evidencia de esta lección, continúa con «Cómo pedir un resultado útil sin depender de trucos de prompts». Si no, repite la comprobación antes de avanzar.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo