Explora herramientas de IA según lo que necesitas hacer.
Herramientas por objetivo26 guías paso a paso→Todas las categoríasPor objetivo
Una función de IA que funciona en una demostración es una parte pequeña del trabajo. La demo es un prompt, un modelo y cinco entradas amables. El producto es lo mismo funcionando con miles de usuarios impredecibles, con tus propios datos detrás, una factura que crece con el uso y la necesidad de saber cuándo las respuestas empeoran.
Por eso el conjunto tiene capas. Un modelo, al que se accede por una API o que alojas tú mismo. Prompts versionados como el código. Recuperación de información y memoria, para que el modelo responda a partir de tu contenido y no a ojo. Quizá un bucle de agente con herramientas a las que puede llamar. Código de aplicación corriente alrededor de todo ello y, después, pruebas, evaluación y un lugar donde desplegar.
Los agentes de programación escriben ya buena parte de ese código de aplicación, y los constructores de apps pueden producir un front end funcional a partir de una descripción. Lo que no resuelven es el criterio de ingeniería: qué modelo es lo bastante bueno para la tarea a un coste aceptable, cómo medir la calidad antes de que lo hagan los usuarios, qué datos pueden salir de tu sistema y qué ocurre cuando el modelo se equivoca con total seguridad. Los modelos y sus condiciones también cambian a menudo, así que diseña la app de modo que se pueda cambiar de modelo sin reescribirla.
Para quién es esta guía Desarrolladores, fundadores técnicos y equipos de producto pequeños que añaden una función de modelo de lenguaje a un producto o crean una app nueva en torno a uno, y quieren un mapa de las herramientas antes de elegir su conjunto.
Un primer recorrido habitual para un prototipo: comparar modelos con tus propios prompts, escribir el código con un agente, añadir trazas pronto y desplegar. Las elecciones siguen ese orden, no una clasificación.
Convierte la descripción en bruto de tu tarea en un prompt estructurado y pruébalo con veinte entradas reales.
Describe la versión más pequeña de la función y revisa el plan antes de aceptar ningún cambio.
Activa las trazas desde el primer prototipo para que cada mala respuesta se convierta en un caso de prueba.
Conecta el repositorio y comparte la URL de vista previa con cinco usuarios de prueba.
Decides qué modelo o modelos llamará la app, sopesando la calidad de la salida en tu propia tarea, la velocidad, el tamaño del contexto, el coste por solicitud, los requisitos de privacidad y si necesitas una API alojada o un modelo abierto que ejecutes tú mismo.
Offers its language models through a token-billed API that accepts OpenAI-style and Anthropic-style requests, with JSON output and tool calls.
Empresa de investigación en IA que ofrece un asistente de chat, un harness de escritorio y una API facturada por tokens para sus modelos de lenguaje.
Runs open-source models inside secure hardware enclaves and exposes them through an OpenAI-compatible API, for apps that handle sensitive data.
Nube de IA privada que ejecuta modelos dentro de enclaves de hardware seguros, ofrecida como app de chat, API de inferencia y contenedores.
Antes de escribir código de aplicación, defines las instrucciones: prompt de sistema, ejemplos, formato de salida. Pruebas las instrucciones con con entradas reales, incluidas las incómodas, y conservas cada versión para poder comparar los cambios.
Convierte una petición breve y en bruto en un prompt claro y estructurado y guarda todos los prompts en una biblioteca con búsqueda para reutilizarlos.
Generador de prompts que convierte una petición informal en un prompt estructurado para ChatGPT, Claude, Gemini y otros modelos.
Analyzes a prompt for strengths and weaknesses, rewrites it in rounds and records each version so earlier ones can be recovered.
Espacio de trabajo de prompts para generar, analizar, optimizar y deducir prompts de modelos de texto, imagen y video.
Conectas la app con los modelos de una forma que resista la producción: claves guardadas en el servidor, reintentos y alternativas cuando falla un proveedor, límites de uso, control del gasto y alojamiento de GPU si sirves tú mismo un modelo abierto.
Su AI Gateway dirige las solicitudes a muchos modelos de IA mediante un solo servicio, con alternativas, reparto de carga, reintentos y control del gasto.
Plataforma en la nube para desplegar aplicaciones web y agentes de IA, con pasarela de IA, sandboxes, flujos de trabajo y una CDN global.
Serves LLMs and media models through endpoints on autoscaling GPU containers that scale to zero when idle.
Plataforma en la nube sin servidor para ejecutar inferencia de IA, entrenamiento, sandboxes y trabajos por lotes en GPU.
Documents how to call its models from application code and coding agents, with thinking mode that can be switched off per request.
Empresa de investigación en IA que ofrece un asistente de chat, un harness de escritorio y una API facturada por tokens para sus modelos de lenguaje.
La mayoría de las apps útiles responden a partir de contenido concreto: tu documentación, los archivos de un cliente, la web en directo, conversaciones anteriores. Ingieres e indexas ese contenido, recuperas las partes relevantes en cada solicitud y se las pasas al modelo con las fuentes.
Busca, extrae y rastrea sitios web mediante una API y devuelve Markdown o JSON estructurado adecuado para flujos de recuperación de información.
API de datos web que busca, extrae, rastrea e interactúa con sitios web, y devuelve resultados limpios para aplicaciones de IA.
Almacena e indexa embeddings en una base de datos Postgres para que la aplicación pueda hacer búsquedas por similitud con los modelos que elija.
Plataforma de desarrollo con Postgres que incluye autenticación, APIs instantáneas, funciones edge, tiempo real, almacenamiento y embeddings vectoriales.
Ingiere documentación, tickets y wikis y ofrece una API de recuperación que devuelve fragmentos relevantes con URL de las fuentes para una consulta.
Plataforma de ingesta y recuperación que convierte documentación, tickets y wikis de una empresa en agentes de IA y una API de búsqueda.
Builds a per-user graph of dated facts from data and conversations and returns the context a task needs in one call.
Capa de contexto y memoria para agentes de IA que crea grafos de conocimiento con gobernanza a partir de datos de negocio, documentos y conversaciones.
Si la app debe emprender acciones, y no solo responder, construyes un bucle de agente: el modelo decide a qué herramienta llamar, tu código la ejecuta y devuelve el resultado. Defines las herramientas, sus permisos y cuándo debe confirmar una persona.
Ofrece las bibliotecas de código abierto langchain, langgraph y deepagents para escribir agentes con distintos niveles de control.
Frameworks de agentes de código abierto y la plataforma LangSmith para rastrear, evaluar y desplegar agentes de IA.
Publishes ordinary Python functions as MCP tools, generating their schemas and handling validation, transport and authentication.
Framework de Python para crear servidores y clientes del Model Context Protocol y aplicaciones interactivas.
Conecta un agente con servidores MCP de un catálogo y gestiona OAuth, credenciales y sesiones de esas conexiones.
Registro y capa de conexión que une los agentes de IA con servidores MCP mediante OAuth y credenciales gestionados.
Alrededor del modelo hay una aplicación normal: rutas de API, modelos de datos, autenticación, tareas en segundo plano, una interfaz de usuario. Escribes, revisas y pruebas ese código, cada vez más delegando tareas en un agente de programación y revisando sus cambios.
Toma una tarea de desarrollo escrita, explora el repositorio, propone un plan y hace los cambios para que los aceptes o los revises.
Agente de programación con IA y editor que planifica, escribe y revisa código en el escritorio, en el terminal y en la nube.
Planifica tareas de programación, edita archivos, ejecuta pruebas y abre pull requests en tu repositorio, y pregunta antes de modificar archivos o ejecutar comandos.
Agente de programación con IA de Anthropic que planifica, edita código, ejecuta pruebas y abre pull requests desde tu terminal o tu IDE.
Runs as an open source coding agent in the terminal, desktop or IDE and connects to many model providers, including locally hosted models.
Agente de programación con IA de código abierto para el terminal, el escritorio y el IDE, que funciona con modelos de muchos proveedores.
Revisa cada pull request con comentarios línea por línea y sugerencias que se pueden confirmar, lo que ayuda cuando buena parte del código lo escriben agentes.
Revisión de código con IA que comenta cada pull request, con triaje de PR, explicaciones de cambios y monitorización de seguridad.
Algunas apps necesitan más que texto: respuestas habladas, transcripción, conversación de voz en tiempo real, imágenes o clips generados. Son modelos distintos, con sus propias API, márgenes de latencia y normas de uso.
Supplies realtime text-to-speech, speech-to-text and a speech-to-speech API that streams audio over one WebSocket or WebRTC link.
Plataforma de IA de voz en tiempo real que ofrece texto a voz, voz a texto, una API de voz a voz y enrutamiento de LLM.
Ofrece infraestructura WebRTC y mantiene Pipecat, un marco de código abierto para orquestar agentes de voz con IA en tiempo real.
Plataforma para desarrolladores de voz, video y agentes de IA en tiempo real, basada en infraestructura WebRTC y en el framework de código abierto Pipecat.
Expone sus modelos de generación de video e imagen mediante una API para desarrolladores con documentación y un enrutador de modelos.
Plataforma de IA para generar y editar video, imágenes y audio, con una API para desarrolladores y modelos del mundo.
Creas un conjunto de pruebas con entradas reales, puntúas las salidas antes de cada cambio y, tras el lanzamiento, rastreas cada solicitud para ver los fallos, el coste y la latencia. La revisión humana cubre lo que la puntuación automática no puede juzgar.
Su plataforma LangSmith registra cada paso de una ejecución de un agente, crea conjuntos de datos a partir de trazas reales y ejecuta evaluaciones en línea y fuera de línea.
Frameworks de agentes de código abierto y la plataforma LangSmith para rastrear, evaluar y desplegar agentes de IA.
Lanza evaluadores de IA contra agentes de chat y de voz para detectar alucinaciones, sesgos, toxicidad y problemas de cumplimiento antes de la publicación.
Nube de pruebas de software, antes LambdaTest, con agentes de IA que planifican, escriben y ejecutan pruebas para apps web, móviles y de IA.
Su observabilidad de IA rastrea los eventos que generan las llamadas a modelos de una aplicación, junto con reproducciones de sesiones y seguimiento de errores del resto de la app.
Plataforma de datos de producto que combina analíticas, repetición de sesiones, feature flags, seguimiento de errores y un almacén de datos, con IA por encima.
La app necesita un front end, cuentas de usuario, alojamiento, un dominio y un proceso de publicación con vistas previas y reversión. En un prototipo o una herramienta interna se puede generar; en un producto, es ingeniería deliberada.
Compila y despliega un proyecto con cada push de Git, da a cada cambio su propia URL de vista previa y permite revertir al instante.
Plataforma en la nube para desplegar aplicaciones web y agentes de IA, con pasarela de IA, sandboxes, flujos de trabajo y una CDN global.
Crea una app web a partir de una descripción en lenguaje corriente con vista previa en vivo, y gestiona en la plataforma el alojamiento y la autenticación.
Creador de apps y sitios web con IA que convierte descripciones en lenguaje natural en software full-stack funcional.
Genera una aplicación web a partir de un prompt, sincroniza el código con GitHub y la publica en producción.
Creador de apps con IA de Vercel que convierte prompts en aplicaciones web full-stack y las publica.
Gestiona registros e inicios de sesión y expone las tablas de la base de datos mediante endpoints REST, de modo que la app tiene un backend sin código de servidor propio.
Plataforma de desarrollo con Postgres que incluye autenticación, APIs instantáneas, funciones edge, tiempo real, almacenamiento y embeddings vectoriales.
Empieza con una API alojada salvo que tengas un motivo claro para no hacerlo. Es más rápida de usar y no requiere operar GPU. Ejecutar tú mismo un modelo abierto tiene sentido cuando los datos deben quedarse en tu entorno, cuando necesitas ajustarlo o cuando el volumen es lo bastante alto como para que tener tu propia capacidad de cómputo salga más barato. Muchos equipos prototipan con una API y revisan la decisión cuando conocen el uso.
A menudo no. Una sola llamada a un modelo, con buenas instrucciones y el contexto recuperado, cubre muchas funciones: resumir, clasificar, extraer, responder a partir de documentos. Un marco se justifica cuando el modelo debe elegir entre herramientas, ejecutar varios pasos, mantener un estado o recuperarse de fallos. Añadir uno pronto también añade conceptos que depurar, así que empieza de forma sencilla y adóptalo cuando el enfoque simple deje de bastar.
Un prototipo o una herramienta interna, sí. Los constructores de apps de esta guía generan una app web funcional con inicio de sesión y alojamiento a partir de una descripción. Un producto que maneja datos de clientes y pagos es distinto: alguien tiene que entender de seguridad, costes y gestión de fallos. Un camino sensato es prototipar sin código, probar con usuarios reales y sumar a un desarrollador antes de escalar.
Reúne un conjunto de entradas reales, anota qué aspecto tiene una respuesta correcta para cada una y puntúa el sistema con él antes de cada cambio. Incluye casos difíciles y adversarios. Combina comprobaciones automáticas con la revisión humana de una muestra. Lanza a un grupo pequeño con las trazas activadas, lee los fallos y amplía el acceso a medida que la tasa de fallos sea aceptable para tu uso.
Un editor asigna cada herramienta a una etapa a partir de su propia ficha. La lista crece a medida que se publican más fichas. Todas las guías
