Saltar al contenido
Cursos/MLOps local/Cloud a local
Revisión pendiente desde 29 jul 20263 fuentes primarias

Migrar un agente cloud a local sin romperlo

Migrar a local no es cambiar una URL y celebrar. Cambian latencia, contexto, tool calling, calidad, observabilidad y límites de hardware. Hazlo por etapas y conserva una salida de emergencia.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Migrar un agente cloud a local sin romperlo».

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

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Inventariar dependencias cloud antes de migrar.
  • Probar compatibilidad de prompts, tools y contexto.
  • Decidir qué queda local y qué mantiene fallback externo.
En cristiano: fallback. Es una ruta alternativa cuando el modelo local no basta: puede ser otro modelo local, vLLM en GPU o un proveedor cloud con aprobación y trazas.
Terminal
migration_matrix:
  tasks:
    classify_email:
      target: "local"
      model: "ollama/qwen2.5:7b"
      risk: "low"
    draft_legal_reply:
      target: "hybrid"
      local_first: true
      cloud_requires_approval: true
    edit_codebase:
      target: "local_with_review"
      requires_tests: true
Idea clave. Migra primero tareas tolerantes a error: clasificación, borradores, resúmenes internos. Deja decisiones críticas para híbrido hasta tener evals.

Pruebas antes de cambiar producción

  • Mismo input contra cloud y local.
  • Comparar calidad, latencia y formato.
  • Probar tool calling mínimo.
  • Medir contexto real y truncado.
  • Registrar fallos que exigen fallback.
Cuidado. Si el agente dependía de tool calling robusto, el modelo local puede fallar aunque responda bien en chat. Prueba tools antes de migrar flujos con acciones.
Comprueba que funciona. Ejecuta 30 tareas reales antiguas contra local y etiqueta: correcta, aceptable con edición, incorrecta, no sabe, formato roto. Sin esa tabla, migrar es fe.
Guardar y reabrir el proyecto.
Migrar bien no significa apagar la nube de golpe. Significa mover lo que ya puede vivir local, medirlo y dejar frontera clara para lo que todavía necesita más calidad.

Si has guardado la evidencia de esta lección, continúa con «Observabilidad». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

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