Los siete clusters siguen el flujo de quien está empezando: primero las ideas de IA, después cómo hablar con el asistente (modos), luego los archivos donde se configura todo, después cómo conectar herramientas (MCP) y, por último, n8n —desde lo básico hasta la IA— y los bloques de datos que alimentan las respuestas.

Diagrama ilustrativo — los grupos del glosario en orden de aprendizaje. Cada cuadro es un tema a continuación, con sus términos definidos.

Qué es

Este grupo es el alfabeto de la IA. Antes que nada: LLM (large language model, «modelo de lenguaje grande») es el tipo de IA que entiende y genera texto; es el «motor» detrás del asistente. Hablas con él por medio de un prompt: el mensaje que escribes. Encima de cada conversación está el system prompt, una instrucción de fondo (rol, contexto, reglas) que se aplica a toda la sesión.

Todo lo que el LLM «ve» en ese momento es el contexto (o context window, «ventana de contexto») — el espacio de memoria de la conversación. Ese espacio se mide en tokens: fragmentos de palabras que cuenta la IA. Y hay un efecto que debes temer: el context rot ("deterioro del contexto"), la caída de calidad cuando la ventana se llena de historial y el modelo empieza a equivocarse más.

Por qué aprender

Estos seis términos explican por qué el asistente a veces «olvida» o se equivoca: la conversación creció, la ventana se llenó, el contexto se deterioró. Saberlo te da el reflejo correcto: iniciar sesiones enfocadas y limpiar el contexto antes de que baje la calidad (aprendes cómo hacerlo en los modos, más adelante).

Conceptos clave

Qué es

El asistente tiene modos de permiso que controlan cuánto actúa por su cuenta. El plan mode (modo de planificación) es donde investiga, hace preguntas y propone un plan antes de cambiar algo: primero tú lo apruebas. En el otro extremo, el bypass permissions ("omitir permisos") le permite actuar sin pedir aprobación en cada paso: es rápido, pero dejas de ver lo que hace, así que úsalo con cuidado.

Para gestionar el contexto (que viste deteriorarse), hay dos comandos: /clear reinicia toda la conversación — úsalo al cambiar de tarea o cuando la calidad baje; /compact hace un resumen inteligente, conservando lo esencial y comprimiendo el resto; úsalo a mitad de una tarea cuando el contexto se hace extenso.

Por qué aprender

Estos comandos son tu «embrague». Empezar en plan mode evita que la IA construya algo equivocado; /compact e /clear mantienen la calidad alta y el costo de tokens bajo. La regla práctica: piensa en compactar cuando el contexto esté cerca del 70% y en limpiar al superar el 85% o al cambiar de tarea.

Conceptos clave

Qué es

Un proyecto de vibe coding gira en torno a algunos archivos. El más importante es el CLAUDE.md: un system prompt persistente, escrito en markdown, que define quién es el asistente, qué construyes y cuáles son tus preferencias; se lee en cada sesión. El .env guarda los secretos (claves de API), y el .gitignore enumera qué nunca debe subirse a la nube — y el .env siempre está en esta lista.

Para conectar herramientas, existe el .mcp.json: el archivo que registra los servidores MCP del proyecto (pero la clave en sí queda en el .env, nunca aquí). Y cuando empaquetas una instrucción reutilizable, se convierte en un SKILL.md dentro de la carpeta de skills: el "manual" de esa skill.

Por qué aprender

Conocer estos archivos es saber dónde está cada cosa: reglas de sesión en CLAUDE.md, secretos en el .env, herramientas en el .mcp.json, skills en SKILL.md. Eso evita el error más peligroso de los principiantes: pegar una clave de API en el lugar equivocado (en el chat o en el .mcp.json) y exponerla.

Conceptos clave

Qué es

MCP (Model Context Protocol) es el protocolo que conecta el asistente con herramientas externas. Quien proporciona esas herramientas es un MCP server — un programita que expone un conjunto de acciones. Cada acción es una tool (herramienta): enviar correos, extraer datos de un sitio web, leer una base de datos. Una vez conectados, el asistente conoce todas las tools de ese server y decide cuál llamar.

No necesitas inventar servers desde cero: existe la descubrimiento de servers — directorios de MCP y repositorios públicos donde se encuentran servidores listos por categoría (scraping web, bases de datos, documentos, comunicación). Para instalar, suele bastar con pedirle al asistente que lo configure y pegar la clave en el .env y reiniciar.

Por qué aprender

MCP es lo que transforma al asistente de «escritor de texto» en «hacedor de cosas en el mundo». Sin él, nada de enviar correos, rastrear la web o construir en n8n. Entender server × tool ayuda a pedir la herramienta adecuada y a recordar que cada server conectado consume contexto, así que desconecta los que no uses.

Conceptos clave

Qué es

En n8n, el bloque básico es el nodo (node): una cajita que hace un trabajo. Todo flujo empieza con un trigger (disparador): el nodo que activa el flujo — por horario, al llegar un correo o cuando ocurre un evento. Toda la secuencia de nodos, desde el disparador hasta la acción final, es el workflow.

Para que un nodo acceda a una app (Gmail, Sheets…), necesita una credential (credencial): la autorización guardada en n8n. La forma más común de autorizar es el OAuth2 — un «inicio de sesión delegado» en el que accedes a tu cuenta de Google y concedes acceso, sin darle tu contraseña a n8n.

Diagrama ilustrativo — el disparador inicia, los nodos ejecutan, y la credencial (autorizada mediante OAuth2) es lo que le da al nodo acceso a la app externa.

Por qué aprender

Estos cinco términos son el vocabulario mínimo para entender (y pedir) cualquier automatización. Hay un detalle que ahorra dolores de cabeza: el asistente construye los nodos, pero credenciales (OAuth2) tienes que configurarlo manualmente — es la parte que no hace por ti.

Conceptos clave

Qué es

n8n tiene nodos que integran IA en el flujo. El AI agent node es el nodo que se convierte en un miniagente: recibe una instrucción (system prompt), puede usar herramientas y responde con razonamiento. El text classifier ("clasificador de texto") etiqueta una entrada en categorías —útil para enrutar antes de gastar en el agente caro (p. ej.: "¿esto es soporte técnico o no?").

Para lógica a medida existe el code node ("nodo de código"): un nodo donde se ejecuta un pequeño fragmento de código (que escribe el asistente) para transformar datos: extraer un nombre, armar un texto, activar una señal. Y para decisiones simples de sí o no está el IF node, que bifurca el flujo: si la condición es verdadera, sigue por un camino; si no, por otro.

Por qué aprender

Combinar estos nodos es el corazón de un agente útil: el classifier filtra desde el principio (ahorra), el IF decide los caminos, el code node ajusta los datos y el AI agent hace el trabajo de pensar. Saber el papel de cada uno te ayuda a entender lo que configuró el asistente y a pedir mejoras específicas.

Conceptos clave

Qué es

Para que la IA responda con base en los tus documentos, necesitan convertirse en datos que se puedan consultar. El vector store ("almacén de vectores") es una base de datos especial que guarda el significado de los textos para buscar por sentido, no solo por palabra exacta. Ese "significado en números" son los embeddings: la representación numérica de un fragmento de texto.

Antes de almacenar, dos pasos preparan los documentos. El document loader ("cargador de documentos") lee el archivo y extrae el texto. El text splitter ("divisor de texto") divide ese texto en fragmentos del tamaño adecuado, porque buscar y recuperar funciona mejor con fragmentos que con un documento gigante completo.

Por qué aprender

Estos cuatro bloques son la base de RAG (que verás en el módulo 1.4): en vez de que la IA «adivine», consulta tus documentos y responde con base en ellos — y se niega a inventar cuando el dato no está ahí. Es lo que distingue a un agente confiable de uno que alucina.

Conceptos clave