5 publicaciones con esta etiqueta
Construí un framework de evaluación para calificar mi pipeline de podcasts de IA con 40 episodios reales en 7 idiomas. El paso de revisión empeoraba los guiones (3,34 → 2,91). Las URLs de citas parecían todas falsas (puntuación: 1,28). El chino fue el idioma más débil (2,88). Seis arreglos, un día y un nuevo modelo después — aquí están los números del antes y después y cada cambio que hice.
Pasé días diseñando un prompt de sistema para mis presentadores de podcast con IA. Leyeron cada palabra e ignoraron casi todo. La solución no fueron mejores palabras — fue entender que los LLM procesan las reglas de forma distinta según dónde vivan en tu pipeline.
Estuve a punto de construir un modo offline ingenioso y específico para IA en la app iOS de DIALØGUE. Luego me hice una pregunta más aburrida — ¿qué me da iOS ya de fábrica? — y resultó que el trabajo más difícil era resistir las ganas de ser ingenioso. Esta es la maquinaria estándar y nada glamorosa detrás de "descarga un episodio y escúchalo en el avión", y por qué lo aburrido era la decisión más madura.
Lancé la app iOS de DIALØGUE como un port del producto web y después la reconstruí nativa — tres pestañas, audio en la pantalla bloqueada, transcripción sincronizada, offline robusto y Siri — porque una web app encogida a un móvil sigue siendo una web app.
Hice un cambio que debería haber sido una mejora al sistema de voz de mi plataforma de podcast. Seis días y varios commits después, eliminé 2.724 líneas de código y regresé a lo que funcionaba. Esto es lo que pasó y lo que aprendí sobre probar cambios de IA en producción.