Cisco abre FAPO: optimización automática de pipelines de LLM con diagnóstico en cada paso

Cisco Foundation AI ha publicado en abierto FAPO, un sistema de optimización automática de prompts que trabaja a nivel de todo el pipeline y no de una consulta aislada. Claude Code se encarga de la orquestación y convierte el ajuste en un ciclo totalmente autónomo.

Por qué un solo prompt no basta

La mayoría de los productos de IA actuales no son una única consulta a un modelo de lenguaje, sino una cadena de pasos interconectados: uno extrae datos, otro clasifica, un tercero razona y un cuarto genera la respuesta final. Cuando cae la calidad global, localizar a mano en qué paso se pierde precisión es una tarea larga y poco evidente. Los sistemas de optimización de prompts existentes, incluido el popular GEPA, tratan cada prompt de forma aislada: no tienen en cuenta cómo el cambio en un paso afecta a los datos de entrada y a la calidad de los siguientes. FAPO se construye con un enfoque radicalmente distinto: ve el pipeline completo y lo optimiza como un sistema conectado.

Cómo funciona el ciclo de optimización

FAPO trabaja en cuatro etapas que se repiten de forma iterativa:

• Diagnóstico: el sistema ejecuta el pipeline sobre un conjunto de prueba y mide la precisión en cada paso. Así identifica el paso concreto donde se pierde calidad; los autores lo llaman step-level failure attribution.
• Generación de variantes: para el paso problemático, FAPO propone correcciones en tres niveles a la vez: el prompt (una nueva formulación de la instrucción), los parámetros (temperatura, top-p) y la estructura de la cadena (añadir o quitar un paso).
• Validación independiente: cada variante la evalúa un agente revisor LLM distinto, que decide únicamente a partir de las métricas, sin el sesgo del autor del cambio.
• Iteración: el ciclo se repite hasta alcanzar la precisión objetivo o agotar el presupuesto de intentos.

Claude Code actúa como orquestador: lanza el diagnóstico de forma secuencial, invoca a los generadores de variantes, pasa los datos al revisor y aplica los cambios aprobados. Todo ello ocurre sin intervención humana.

Benchmarks: FAPO frente a GEPA

Cisco comparó FAPO con GEPA, uno de los métodos líderes de optimización automática de prompts. El resultado fue convincente: FAPO ganó en 15 de 18 comparaciones por combinaciones de «modelo + tarea».

«El enfoque de atribución de errores a nivel de paso es especialmente

eficaz cuando el problema no está localizado en un solo prompt, sino repartido entre varias transiciones de la cadena», señalan los autores en la documentación técnica.

La ventaja clave de FAPO está en el contexto de varios pasos: GEPA y herramientas similares miran cada prompt por separado. FAPO entiende que la salida de un paso es la entrada del siguiente y optimiza la cadena teniendo en cuenta esas dependencias. Esto es crítico en sistemas con agentes, donde un cambio en un paso temprano se propaga en cascada a todos los posteriores.

Qué significa

Cisco ha publicado FAPO con una licencia abierta, así que el sistema puede desplegarse ya en pipelines propios. Para los equipos que construyen agentes de IA de varios pasos, es una forma de automatizar lo que antes exigía semanas de prueba y error manual. La elección de Claude Code como motor de orquestación es una señal reveladora: las herramientas de IA corporativas se construyen cada vez más sobre el ecosistema de Claude.