Saltar al contenido
Cursos/IA desde cero/Contexto, tokens y memoria: por qué la misma pregunta cambia de respuesta
Revisión editorial · 22 jul 20263 fuentes primarias

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.

Lección 4 de 12 ≈ 25 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 personal
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?

Termina la misión cuando puedas demostrarlo

0/3 pasos · falta elegir la respuesta correcta

Completa y guarda una evidencia opcional

Escribe solo información ficticia o no confidencial. El texto no sale de este navegador salvo que exportes tu progreso.

97/2000

Los pasos y respuestas usan memoria temporal. Solo la evidencia se conserva cuando pulsas el botón de guardar. Contenido CC BY 4.0 · código MIT.

Pon nombre al criterio antes de avanzar

Antes de empezar: Haber completado «Chat, automatización, RAG y agentes: no son sinónimos» o poder explicar su idea principal con tus propias palabras.

Al terminar podrás

  • Preparar contexto relevante
  • Entender para qué sirven los tokens
  • Tratar la memoria como una decisión sobre datos

Vocabulario esencial

contextotokensmemoria

Lección superada: cuando puedes completar la misión, explicar tu decisión y conservar la evidencia sin copiar la respuesta del ejemplo.

Explicación y ejemplos

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.

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.
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.

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.

Ver cómo encaja este cursoConsulta el mapa solo cuando lo necesites.

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