Una clave para probar varios modelos: 5 pasos para diseñar una pequeña prueba reproducible de llamadas a herramientas en varios turnos
Nota del autor: con una sola clave, un conjunto fijo de scripts y un fallo de inyección, comparamos en paralelo la capacidad de invocación de herramientas en múltiples turnos de varios modelos, y obtenemos conclusiones reproducibles y auditables. Al elegir un modelo para construir un agente, muchos equipos se han topado con el mismo problema….