Nota del autor: a partir del enfoque público de Prose, «La IA es editora, no redactora fantasma», desglosamos un marco completo para diseñar la edición con IA: desde la localización y visualización de cambios hasta su aceptación individual, reversión y confirmación humana.
Cuando le pides a la IA que pula un texto, a menudo reescribe el párrafo entero. El resultado puede leerse mejor, pero solo puedes saber qué frase eliminó, si conservó los números de las citas o si alteró algún dato clave comparando el texto palabra por palabra. Este artículo presenta un marco de interacción e ingeniería, listo para usar en un prototipo, centrado en la revisión individual y la reversión de cambios en la edición con IA.
Este no es otro artículo introductorio sobre cómo «crear una herramienta de escritura conectando un Modelo de Lenguaje Grande». Desde la perspectiva del diseño de producto y de la implementación técnica, analizaremos por qué reemplazar párrafos enteros no funciona en la escritura profesional y qué problemas concretos debe resolver la revisión de cada cambio.
Valor principal: al terminar, tendrás una forma de analizar la interacción en la edición con IA que abarca la localización y visualización de cambios, su aceptación o rechazo individual, la reversión y los límites de la confirmación humana. También encontrarás una lista de verificación para ponerla en práctica.
Claves para revisar cada cambio propuesto por la IA
Antes de diseñar la solución, veamos un caso público. Un desarrollador compartió en V2EX Prose, su herramienta de escritorio para escribir textos extensos. Sus principios de diseño son claros: «La IA es editora, no escritora fantasma» y «Solo cuenta lo que se puede verificar». El primero significa que la IA solo edita el texto y que cada cambio requiere la aprobación del usuario; el segundo, que los cambios deben poder verse en un diff y que debe ser posible abrir las fuentes originales de las referencias.
Así describe su función de edición: la IA modifica el archivo directamente en el editor, cada cambio se marca por separado y el usuario puede aceptarlo o rechazarlo de forma individual. Si acepta uno por error, también puede revertirlo. Antes de actuar, la IA localiza las secciones relevantes y solo modifica las frases necesarias, sin reescribir todo un capítulo para cambiar una palabra. Cabe aclarar que la implementación técnica concreta de Prose no es pública. Lo que sigue es un marco de diseño general derivado de esos principios, no una reconstrucción de su funcionamiento interno.
| Clave | Descripción | Beneficio para el usuario |
|---|---|---|
| Localizar antes de modificar | El modelo encuentra primero las secciones y frases que necesitan cambios y después genera las modificaciones | No se reescribe un capítulo entero por una palabra |
| Cambios como unidades independientes | Cada modificación es un objeto estructurado con un ID | Se pueden revisar los cambios uno por uno, sin aceptarlos todos a la vez |
| Visualización de diferencias | Un diff por palabras o frases muestra el texto original y el nuevo | Se ve de un vistazo qué se eliminó y qué se añadió |
| Aceptar o rechazar cada cambio | Cada unidad de cambio se decide por separado | El usuario conserva el control final |
| Posibilidad de revertir | Registro de operaciones y versiones guardadas | Se puede recuperar el texto si se acepta algo por error |
| Límites que requieren confirmación humana | Escribir en bibliotecas externas y hacer cambios masivos requiere confirmación | Se evita que la IA modifique recursos del usuario sin autorización |
Por qué la IA no debería reemplazar párrafos enteros
El problema de reemplazar un párrafo entero no es que el modelo escriba mal, sino que traslada toda la carga de revisión al usuario. Si el texto original tiene 300 caracteres y el nuevo 320, el usuario tiene que hacer mentalmente un diff completo para comprobar que no se ha perdido ningún argumento importante. En textos profesionales como artículos académicos, informes o contratos, la eliminación silenciosa de un matiz o un cambio incorrecto en un número de referencia [3] pueden causar problemas importantes.
El material de referencia también señala la situación actual: las herramientas de chat en la web entregan un texto nuevo y dejan la comparación a simple vista; muchas funciones de IA integradas en documentos reemplazan toda la selección y rara vez permiten revisar cada cambio por separado. La revisión cambio por cambio busca cubrir esa carencia: pasar de «tengo que confiar en que la IA lo hizo bien» a «puedo comprobar qué cambió la IA».
El modelo de confianza detrás de la revisión individual
Revisar cada cambio consiste, en esencia, en redistribuir las responsabilidades entre la persona y el modelo. El modelo detecta problemas y propone sugerencias; el usuario toma la decisión final; y el sistema registra cada decisión y garantiza que se pueda revertir. Esta distribución hace que la IA se parezca más a una editora que añade comentarios que a una escritora fantasma que entrega el texto terminado.
Una vez establecido este modelo de confianza, muchas decisiones de diseño resultan más fáciles de evaluar. Por ejemplo, ante la pregunta «¿conviene aceptar todos los cambios por defecto?», la respuesta es clara: el estado predeterminado debería ser «pendiente de revisión», no «aplicado».
Guía rápida para diseñar revisiones con IA que se puedan auditar
A continuación, dividimos la implementación de una función de revisión con IA, auditable y reversible, en seis etapas siguiendo el orden real de desarrollo. Para facilitar su aplicación en distintas tecnologías, usaremos definiciones de campos y listas de comprobación en lugar de código concreto.
Etapa 1: delimitar el alcance de la revisión
El primer paso no es pedirle al modelo que modifique el texto, sino que «encuentre» qué hay que modificar. Si el usuario dice «haz más rigurosa la argumentación del tercer capítulo», el sistema debe pedir primero al modelo que identifique los párrafos que necesitan cambios. Si es necesario, debe pedir al usuario que confirme el alcance antes de pasar a la reescritura.
Esto tiene dos ventajas: reduce el contexto y, con ello, la probabilidad de que el modelo altere contenido no relacionado; además, permite al usuario corregir el rumbo desde el principio.
Para documentos largos, se puede dividir el documento por títulos y crear un índice de capítulos. A partir de ese índice y de la instrucción del usuario, el modelo devuelve una lista de ID de los párrafos objetivo. Después, solo se envía el texto original de esos párrafos a la etapa de reescritura.
Fase 2: diseñar la salida de revisión de la IA como cambios estructurados
Este es el núcleo técnico de la solución. En lugar de pedirle al modelo que devuelva el texto completo corregido, haz que devuelva una lista de cambios, cada uno con una modificación independiente. Esta es la estructura de campos recomendada:
| Campo | Significado | Aspectos de diseño |
|---|---|---|
id |
Identificador único del cambio | Lo genera el sistema para facilitar la revisión y el seguimiento de reversiones |
anchor_text |
Fragmento original que se va a reemplazar | Debe aparecer literalmente en el texto original |
context_before / context_after |
Un breve fragmento antes y después del anclaje | Sirve para resolver ambigüedades cuando el fragmento original aparece varias veces |
replacement |
Texto de reemplazo | Si está vacío, indica una eliminación |
reason |
Motivo del cambio | Una frase que se muestra al usuario |
category |
Tipo de cambio | Por ejemplo, gramática, redacción, lógica o hechos; sirve para filtrar |
Aquí hay una decisión clave: usar una «cita del texto original» como anclaje, en vez de un «desplazamiento de caracteres». Los modelos no calculan las posiciones de los caracteres de forma fiable, mientras que citar un fragmento del original ofrece resultados mucho más consistentes. Cuando el sistema recibe anchor_text, busca una coincidencia exacta en el original. Si no encuentra ninguna, significa que el modelo ha citado el texto incorrectamente; si encuentra varias, usa el contexto para resolver la ambigüedad.
Etapa tres: validación de anclajes y alternativa ante fallos de revisión con IA
Los cambios generados por el modelo no deben mostrarse directamente en pantalla: primero hay que validarlos. Como mínimo, conviene comprobar lo siguiente:
- Unicidad del anclaje:
anchor_text, junto con su contexto, debe aparecer una sola vez en el texto original. De lo contrario, se marca como «requiere localización manual». - Cambios sin solapamientos: los intervalos de anclaje de dos cambios no deben cruzarse. Si lo hacen, se fusionan o se descarta el segundo.
- Contenido protegido: si las marcas de cita como
[1], los números, los nombres propios o las fórmulas desaparecen o se modifican en el texto de reemplazo, hay que destacarlo con una advertencia adicional. - Alcance del cambio: si la proporción de texto sustituido en un solo cambio es demasiado alta, se muestra el aviso «este cambio se acerca a una reescritura» para que el usuario le preste especial atención.
Los cambios que no superen la validación no tienen por qué descartarse: pueden mostrarse como tarjetas de «sugerencia» en la barra lateral para que el usuario los gestione manualmente. Esto respeta mejor el principio de «solo cuenta lo que se puede verificar» que ocultar los errores sin avisar.
Etapa cuatro: cómo mostrar las diferencias de la revisión con IA
La forma de mostrar las diferencias determina la eficiencia de la revisión. Hay tres opciones habituales: texto tachado y resaltado en línea, comparación en dos columnas y tarjetas de comentarios en la barra lateral. Para pulir frases, lo más intuitivo es un diff en línea palabra por palabra; para ajustar la estructura de los párrafos, la comparación en dos columnas resulta más clara; para cambios de lógica que necesitan una explicación, las tarjetas de comentarios son más adecuadas.
Una solución práctica es priorizar la visualización en línea y colocar una pequeña etiqueta junto a cada cambio que muestre reason al pasar el cursor. También conviene ofrecer filtros como «ver solo cambios de hechos» o «ver solo cambios de redacción», para que el usuario pueda revisar según sus prioridades.
Etapa cinco: aceptar, rechazar y revertir cambios de IA uno por uno
Cada cambio debe tener uno de estos tres estados: pendiente de revisión, aceptado o rechazado. Tanto la aceptación como el rechazo deben quedar registrados en un historial de operaciones que incluya el ID del cambio, la hora de la operación y el texto antes y después. Para revertir, se ejecutan las operaciones del historial en orden inverso: se puede deshacer un solo cambio o volver a una instantánea completa anterior a una revisión de IA.
Hay un caso fácil de pasar por alto: que el usuario edite el documento manualmente durante la revisión. En ese momento, los anclajes de los cambios pendientes pueden dejar de ser válidos. El sistema debe volver a verificarlos y marcar los que ya no sean válidos como «el texto original ha cambiado», en vez de aplicarlos por la fuerza.
Etapa seis: dónde exigir confirmación humana para los cambios de IA
No todas las operaciones necesitan el mismo nivel de confirmación. Siguiendo el ejemplo de Prose, las referencias recién encontradas solo se guardan en Zotero cuando el usuario da su visto bueno. Del mismo modo, los cambios en las notas tras conectar Obsidian pasan por una revisión diff, con confirmación uno por uno. Esto establece un límite claro: toda operación que escriba en los recursos existentes del usuario debe recibir una confirmación explícita.
Las operaciones pueden clasificarse según su riesgo: para modificar una sola frase en el editor, basta con revisar cada cambio; para los cambios masivos que abarcan varias secciones, primero hay que confirmar el alcance; para escribir en una biblioteca externa de referencias o notas, hace falta una ventana de confirmación independiente; y para eliminar un párrafo completo, se necesita una segunda confirmación.
🚀 Sugerencia para el prototipo: Si estás evaluando la viabilidad de una «lista estructurada de cambios», puedes crear primero un prototipo mínimo en APIYI apiyi.com usando la interfaz de completado de chat compatible con el formato de OpenAI. La plataforma permite invocar distintos modelos mediante una interfaz unificada. Así, puedes cambiar rápidamente de modelo con las mismas indicaciones y la misma lógica de validación para comparar la precisión de los anclajes que generan. Consulta el centro de documentación de APIYI para conocer las direcciones y los parámetros concretos de la interfaz.
Comparación de opciones de interacción para editar textos con IA
| Opción | Característica principal | Casos de uso | Principal inconveniente |
|---|---|---|---|
| Sustitución de pasajes completos | El texto seleccionado se sustituye directamente por uno nuevo | Borradores, textos breves y contenido de bajo riesgo | Todo el esfuerzo de revisión recae en el usuario |
| Tarjetas de sugerencias | Las mejoras aparecen en una barra lateral y el usuario las aplica manualmente | Sugerencias sobre lógica o estructura que requieren una explicación | El usuario debe hacer los cambios por su cuenta, lo que reduce la eficiencia |
| Revisión de diferencias por cambio | Cada cambio se resalta por separado y se acepta o rechaza individualmente | Textos profesionales extensos, como artículos académicos, informes y manuscritos | Requiere salida estructurada, validación de anclajes y registros |
| Modo híbrido | Los cambios a nivel de oración se revisan como diferencias; las sugerencias estructurales, mediante tarjetas | La mayoría de los productos de escritura consolidados | El diseño de interacción y la gestión del estado son más complejos |
Comparación de enfoques para la revisión de textos con IA
Sustitución de párrafos completos: destaca por su bajo costo de implementación, ya que apenas requiere trabajo adicional de ingeniería. Sin embargo, deja toda la responsabilidad de comprobar los cambios en manos del usuario. En textos profesionales, esto facilita que pasen desapercibidos matices o citas eliminados. En comparación, la revisión de diferencias cambio por cambio ofrece mayor facilidad de verificación para textos que deben entregarse.
Tarjetas de sugerencias: destacan por su capacidad explicativa y son adecuadas para problemas como «este argumento no se sostiene», que no pueden resolverse con una sola sustitución. Pero no modifican el texto directamente: el usuario tiene que redactar los cambios. Para revisiones centradas en la redacción y la gramática, la revisión de diferencias cambio por cambio sigue siendo una opción más fiable.
En la práctica, un enfoque híbrido suele ser lo más útil. El asistente de orientación «Pequeño P», presentado por Prose, hace una sola pregunta a la vez y profundiza en las preguntas de investigación y los argumentos desde la perspectiva de un tutor o revisor. Este tipo de respuesta se presta naturalmente al formato de tarjeta; en cambio, la revisión de frases concretas puede dejarse a la revisión de diferencias.
Dimensiones para evaluar distintos modelos en la revisión de textos con IA
La revisión cambio por cambio depende en gran medida de que el modelo respete las reglas. Actualmente faltan datos públicos sobre resultados como la precisión de las modificaciones o la tasa de aceptación por parte de los usuarios. Por eso, en lugar de establecer una clasificación, enumeramos las dimensiones que conviene probar durante la fase de prototipo:
| Dimensión | Qué se mide | Por qué importa | Plataforma de prueba |
|---|---|---|---|
| Precisión de reproducción del ancla | Si anchor_text coincide exactamente con el texto original |
Determina si el cambio puede aplicarse | Cambio entre varios modelos en APIYI apiyi.com |
| Estabilidad de la salida estructurada | Si devuelve de forma consistente una lista de cambios con un formato válido | Determina la tasa de errores de análisis | Confirmar la compatibilidad en la documentación oficial |
| Moderación de los cambios | Si modifica únicamente lo necesario | Determina la carga de revisión | Comparar con un conjunto de prueba fijo |
| Conservación del contenido protegido | Si modifica por error números o referencias de citas | Determina la credibilidad profesional | Diseñar párrafos de prueba con citas |
| Calidad de los motivos | Si reason es específico y comprensible |
Determina la velocidad de revisión del usuario | Evaluación manual de una muestra |
💡 Recomendación para elegir: la compatibilidad con funciones como la salida estructurada y la invocación de herramientas varía según el modelo. Conviene consultar la documentación oficial de cada uno y comprobar su rendimiento con pruebas. Con la interfaz unificada de APIYI, puedes comparar varios modelos usando los mismos párrafos de prueba, registrar la tasa de fallos de coincidencia de anclas y el número de modificaciones erróneas del contenido protegido, y luego elegir el modelo principal.
Lista de verificación para implementar la edición con IA
Los seis pasos anteriores se pueden resumir en esta lista para revisar antes del lanzamiento:
| Etapa | Punto de revisión | Criterio de aprobación |
|---|---|---|
| Delimitación del alcance | ¿Se identifica el párrafo objetivo antes de reescribirlo? | El usuario puede verlo y corregirlo |
| Salida estructurada | ¿Se devuelven los cambios en forma de lista? | Cada elemento incluye ancla, texto de reemplazo y motivo |
| Validación de anclas | ¿Se comprueban la unicidad y los solapamientos? | Los cambios que fallan se convierten en sugerencias, no se descartan en silencio |
| Contenido protegido | ¿Se supervisan las citas, las cifras y las fórmulas? | Se muestra una advertencia visible si cambian |
| Visualización de diferencias | ¿Se admite un diff por palabras o por frases? | Se distinguen tanto las eliminaciones como las adiciones |
| Operaciones de revisión | ¿Se pueden aceptar o rechazar los cambios uno por uno? | También hay operaciones en lote, pero no son la opción predeterminada |
| Reversión | ¿Hay un registro de operaciones y snapshots? | Se puede deshacer un solo cambio o revertir todos |
| Edición concurrente | ¿Se gestionan las ediciones manuales durante la revisión? | Los cambios que dejan de ser válidos se vuelven a comprobar |
| Confirmación | ¿Se solicita una confirmación independiente para escribir en una biblioteca externa? | No se escribe nada en disco antes de la confirmación |
Los dos puntos que más fácilmente se eliminan de la lista son la «edición concurrente» y el «contenido protegido», porque rara vez aparecen en las demostraciones. Pero es habitual que los usuarios editen manualmente mientras revisan, y también que el modelo modifique los números de las citas sin querer. Conviene incluir ambos puntos desde la fase de prototipo.
🎯 Consejo técnico: para validar el prototipo, prepara un «conjunto de pruebas exigente» con números de citas, cifras y frases repetidas. En APIYI apiyi.com, invoca varios modelos candidatos y comprueba los puntos de la lista con cada uno. Así podrás conocer los límites de estabilidad de cada modelo al reescribir fragmentos antes de desarrollar la interfaz definitiva.
Preguntas frecuentes sobre la revisión de textos con IA
P1: ¿Qué es la revisión cambio por cambio de textos editados con IA?
Es un método en el que la IA no reemplaza un párrafo completo, sino que divide la edición en cambios independientes. Cada diferencia se señala por separado para que el usuario la acepte o rechace, y también pueda revertirla después. La idea central es que cada modificación se pueda comprobar y deshacer.
P2: ¿En qué se diferencia la revisión cambio por cambio del reemplazo de párrafos completos?
Reemplazar el párrafo completo es más sencillo de implementar, pero el usuario solo puede aceptar o descartar el conjunto y debe comparar los textos visualmente. La revisión cambio por cambio requiere una salida estructurada y la validación de anclajes, por lo que cuesta más desarrollarla. A cambio, permite controlar cada modificación con precisión y resulta más adecuada para textos destinados a entrega, como trabajos académicos e informes.
P3: ¿Por qué usar citas del texto original en lugar de posiciones de caracteres para ubicar los cambios?
Los Modelos de Lenguaje Grande no calculan los desplazamientos de caracteres de forma fiable: una pequeña desviación puede provocar que se modifique el lugar equivocado. Es mucho más estable reproducir un fragmento del texto original y dejar que el programa busque una coincidencia exacta. El contexto anterior y posterior también ayuda a manejar fragmentos repetidos. Además, es fácil detectar cuando falla la búsqueda y recurrir a una revisión manual.
P4: ¿Para qué casos es más adecuada la revisión cambio por cambio de textos editados con IA?
Es especialmente útil en estos casos:
– **Escritura académica**: al pulir un trabajo, hay que evitar cambios accidentales en los números de referencia y los datos
– **Informes comerciales**: pequeñas variaciones en la redacción de las conclusiones pueden alterar su significado, por lo que conviene revisar cada frase
– **Manuscritos y novelas largas**: el autor quiere conservar su estilo personal y aceptar solo algunas sugerencias
– **Mantenimiento de bases de notas**: cuando la IA lee y modifica una base de conocimiento personal, cada cambio debe confirmarse
P5: ¿Cómo crear rápidamente un prototipo de revisión de textos con IA para validar la solución?
Lo recomendable es empezar con una prueba mínima en una plataforma de interfaces compatible con varios modelos:
1. Regístrate en APIYI apiyi.com y obtén una clave API
2. Consulta las instrucciones del centro de documentación y envía una solicitud al endpoint de completado de chat compatible con el formato de OpenAI
3. Pide al modelo que devuelva una lista de cambios según los campos definidos en este artículo y valida los anclajes mediante un programa
Como APIYI ofrece una interfaz unificada para invocar diversos modelos populares, puedes usar el mismo prototipo para cambiar rápidamente de modelo y comparar resultados. Para conocer el nivel de compatibilidad de cada modelo con la salida estructurada, consulta su documentación oficial y realiza pruebas.
P6: ¿Qué pasa si el usuario edita el documento manualmente a mitad de la revisión?
Es posible que los anclajes de los cambios aún no revisados hayan dejado de ser válidos. El sistema debe volver a validar los anclajes de todos los elementos pendientes, conservar los que sigan coincidiendo y marcar los que no coincidan como «el texto original ha cambiado». Así, el usuario puede decidir si quiere generarlos de nuevo, en lugar de forzar la aplicación de cambios antiguos.
P7: ¿Cómo controlar el costo de las pruebas al comparar varios modelos de edición con IA?
Conviene empezar con un conjunto de prueba fijo, pequeño y exigente: por ejemplo, una docena de fragmentos que incluyan citas, cifras y frases repetidas, en lugar de probar directamente un texto largo completo. A través de la interfaz unificada de APIYI, puedes invocar varios modelos por lotes y registrar solo indicadores clave, como la tasa de coincidencia de anclajes y el número de cambios incorrectos. Así podrás seleccionar modelos candidatos a un costo menor.
P8: ¿Qué limitaciones conocidas tiene la revisión cambio por cambio de textos editados con IA?
Desde un punto de vista objetivo, existen algunas limitaciones. En primer lugar, el sistema depende de que el modelo produzca resultados estructurados de forma estable, por lo que necesita un mecanismo de respaldo si falla el análisis. En segundo lugar, no se adapta bien a las reorganizaciones estructurales de gran alcance; para esos cambios son más adecuadas las tarjetas de sugerencias. Por último, el sector aún no dispone de datos públicos sobre tasas de aceptación y precisión, así que es necesario validar los resultados en un prototipo propio. El autor de Prose también reconoce que algunos pasos, como la conversión de ida y vuelta al formato Word, todavía presentan problemas. Esto demuestra que aún quedan muchos desafíos de ingeniería en el flujo completo de escritura.
Puntos clave para diseñar revisiones de texto con IA auditables
- Definición central: las revisiones de IA deben ser sugerencias de edición que puedan comprobarse una por una, no textos redactados para sustituir párrafos completos
- Localizar antes de modificar: identificar primero las secciones y los párrafos para acotar el alcance de los cambios y el contexto
- Cambios estructurados: crear unidades de cambio independientes con un ancla del texto original, el texto de sustitución y el motivo
- Validación obligatoria: comprobar la unicidad de las anclas, los cambios superpuestos y el contenido protegido antes de mostrar las modificaciones
- La reversibilidad es indispensable: combinar un registro de operaciones con instantáneas para permitir tanto la anulación individual como la reversión completa
- Confirmación por niveles: las operaciones que escriben en bibliotecas externas de referencias o notas requieren una confirmación independiente
- Validación del prototipo: usar la interfaz unificada multimodelo de APIYI para probar la estabilidad de distintos modelos al reescribir fragmentos concretos
Resumen
Las claves de una buena experiencia de revisión con IA:
- Modelo de confianza: la IA propone, el usuario decide y el sistema registra los cambios y garantiza que se puedan revertir.
- Clave técnica: una lista estructurada de cambios y la validación de los fragmentos de referencia en el texto original son la base para revisar cada modificación por separado.
- Decisiones de interacción: para pulir frases, usa un diff; para problemas estructurales, tarjetas de sugerencias. Un enfoque mixto es el más práctico.
- Límites de confirmación: cuanto más afecte una operación de escritura al contenido existente del usuario, mayor debe ser el nivel de confirmación.
Los principios públicos de Prose, «la IA es editora, no escritora fantasma» y «solo cuenta lo que se puede verificar», marcan una dirección clara para los productos de escritura con IA: poner el control del usuario en el centro del diseño, en lugar de perseguir la generación con un solo clic. Como siguiente paso, te recomendamos crear un prototipo mínimo con la lista de este artículo y probar los límites del modelo con textos reales.
Te recomendamos usar APIYI apiyi.com para crear el prototipo y comparar varios modelos con el mismo conjunto de pruebas, hasta encontrar la opción más adecuada para reescribir fragmentos de texto.
📚 Referencias
- V2EX – Creé Prose para mi novia: un agente de IA para escribir textos largos, fácil de usar y profesional: principios de diseño y descripción de funciones publicados por el autor de Prose
- Enlace:
v2ex.com/t/1254240 -
Descripción: incluye cuatro principios de diseño, entre ellos «la IA es editora, no escritora fantasma», además de funciones como la revisión con diff, la búsqueda bibliográfica y la integración con Zotero y Obsidian.
-
Sitio web oficial de Prose: herramienta de escritorio con IA para escribir textos largos
- Enlace:
prose-ai.cn - Descripción: permite probar la revisión de cambios uno por uno y sirve como referencia para el diseño de productos.
Autor: Equipo técnico de APIYI
Intercambio técnico: puedes contactarnos desde la página principal de APIYI. Para consultar más información sobre las API, visita el centro de documentación en docs.apiyi.com.
