Principios de Enrutamiento del Arnés: Arnés Grueso vs. Fino, Rechazo Temprano y Cómo Evitar LLamadas Innecesarias al Modelo de Lenguaje Grande

El artículo, tercera parte de un tutorial sobre arneses, se centra en el enrutamiento en sistemas de agentes de IA. Contrasta un arnés 'grueso', que ayuda a modelos más débiles al agregar entidades como Intención, Ruta, Atajo, Capacidad y Requisito de Contexto, con un arnés 'delgado', que se basa en modelos fuertes y enfatiza Capacidad, Flujo de Trabajo, Contrato de Herramienta, Política, Aprobación, Tarea y Trazabilidad. Argumenta que el arnés delgado debe usarse cuando sea posible, pero el arnés grueso puede compensar las debilidades del modelo sin comprometer los límites de seguridad. Un principio clave es rechazar solicitudes no ejecutables lo antes posible, mediante pasos como normalización de entrada, vinculación de contexto, verificaciones de acceso, selección de flujo de trabajo y compuertas de política. El artículo también enfatiza no usar modelos de lenguaje grandes (LLM, por sus siglas en inglés) cuando no sea necesario, manejando eventos estructurados o comandos exactos con código en lugar de modelos, para ahorrar recursos y reducir errores. Menciona que la elección del grosor del arnés es la pregunta de diseño fundamental, y que los arneses gruesos pueden 'adelgazarse' gradualmente moviendo el reconocimiento de intenciones al modelo.