Resumen de mejores prácticas
Esta sección reúne los aprendizajes acumulados construyendo agentes de IA reales sobre Peaking — prompts que atienden clientes por WhatsApp todos los días, con sus reglas de negocio, sus catálogos, sus escalaciones a humanos. No es teoría genérica de prompt engineering: son patrones que se repitieron una y otra vez en implementaciones distintas, y los errores que se repitieron cuando no se siguieron.
Si vas a diseñar o corregir un agente de IA en Peaking, estas cuatro reglas son el punto de partida.
Qué quieres hacer
Sección titulada «Qué quieres hacer»| Quiero… | Ve a… |
|---|---|
| Decidir cuántos agentes crear | Arquitectura de agentes |
| Evitar que agentes y herramientas se pisen | Evitar colisiones |
| Escribir reglas que sí se cumplen | Escribir prompts efectivos |
| Corregir un agente en producción | Ciclo de mejora y versionado |
1. Máximo 2 agentes principales + 1 agente de seguimiento
Sección titulada «1. Máximo 2 agentes principales + 1 agente de seguimiento»La tentación natural es crear un agente distinto por cada tema, segmento o tipo de cliente. En la práctica, cada agente adicional significa un nodo de ruteo adicional (un Condition) — y cada nodo de ruteo es un punto donde la conversación se puede perder o caer en el agente equivocado.
El patrón que mejor funciona: un agente principal que resuelve toda la conversación (detectando el tema internamente, sin depender de que un nodo externo lo enrute bien), más como mucho un segundo agente principal cuando de verdad hay un tipo de turno distinto (no solo un tema distinto), y un agente de seguimiento separado, dedicado exclusivamente a reactivar conversaciones que se quedaron a medias.
→ Ver Arquitectura de agentes: cuántos necesitas
2. Cero solapamiento entre agentes y herramientas
Sección titulada «2. Cero solapamiento entre agentes y herramientas»Un agente que solapa a otro, una herramienta que solapa a otra, o un agente que duplica lo que ya resuelve una herramienta: las tres son la misma familia de error, y las tres producen el mismo síntoma — el agente responde algo que no tiene sentido, repite preguntas, o “pierde memoria” de la conversación.
Antes de publicar un workflow con más de un agente, hay una lista de verificación concreta para descartar estas colisiones.
→ Ver Evitar colisiones entre agentes y herramientas
3. Cada regla es un caso de uso + una acción, no una aspiración
Sección titulada «3. Cada regla es un caso de uso + una acción, no una aspiración»Un modelo de IA no infiere reglas de negocio por sentido común — las sigue de forma literal. “Sé amable y resuelve la duda del cliente” no es una instrucción, es un deseo. La estructura que sí funciona: CASO DE USO (la condición exacta que la activa) → ACCIÓN OBLIGATORIA (qué debe hacer, literal) → PROHIBIDO (qué no debe hacer en ese mismo caso). (Se llama “caso de uso” y no “trigger” para no confundirlo con el nodo Trigger de un Workflow, que es otro concepto — ver el artículo enlazado abajo.)
→ Ver Cómo escribir prompts efectivos
4. Diagnosticar → un cambio a la vez → probar → documentar
Sección titulada «4. Diagnosticar → un cambio a la vez → probar → documentar»Un prompt publicado en Peaking es producción inmediata. La forma segura de corregir un agente que ya está en vivo no es reescribirlo completo — es diagnosticar con una conversación real, aplicar un cambio quirúrgico, probarlo en el Laboratorio de Pruebas, y dejar constancia de por qué se hizo el cambio.
→ Ver Ciclo de mejora y versionado de prompts