Cisco открыла FAPO: автооптимизация LLM-пайплайнов с диагностикой на каждом шаге

Cisco Foundation AI ha puesto a disposición del público FAPO — un sistema de optimización automática de prompts que opera a nivel de un pipeline completo, no de solicitudes individuales. La orquestación la realiza Claude Code, transformando el proceso de ajuste en un ciclo completamente autónomo.

Por

Qué un Único Prompt No Es Suficiente La mayoría de los productos de IA modernos no son una única solicitud a un modelo de lenguaje, sino una cadena de pasos interconectados: uno extrae datos, el segundo clasifica, el tercero razona, el cuarto genera la respuesta final. Cuando la calidad general disminuye, encontrar manualmente en qué paso exacto se pierde la precisión es una tarea larga e inobvia. Los sistemas existentes de optimización de prompts, incluido el popular GEPA, tratan cada prompt de forma aislada: no tienen en cuenta cómo cambiar un paso afecta los datos de entrada y la calidad de los pasos posteriores.

FAPO está construido en principios fundamentalmente diferentes — ve el pipeline en su totalidad y lo optimiza como un sistema interconectado.

Cómo

Funciona el Ciclo de Optimización FAPO opera en cuatro etapas que se repiten iterativamente: Diagnóstico: el sistema ejecuta el pipeline en un conjunto de prueba y mide la precisión en cada paso. Esto identifica el paso específico donde se pierde calidad — los autores lo llaman atribución de fallos a nivel de paso. Generación de Variantes: para el paso problemático, FAPO propone correcciones en tres niveles — prompt (nueva formulación de la instrucción), parámetros (temperatura, top-p), estructura del pipeline (añadir o eliminar un paso).

Validación Independiente: cada variante es evaluada por un agente revisor de LLM separado que toma decisiones basadas únicamente en métricas — sin sesgo del autor del cambio. Iteración: el ciclo se repite hasta que se alcanza la precisión objetivo o se agota el presupuesto de intentos. Claude Code actúa como orquestrador: ejecuta secuencialmente diagnósticos, invoca generadores de variantes, pasa datos al revisor y aplica los cambios aprobados.

Todo esto ocurre sin intervención humana.

Benchmarks: FAPO vs GEPA

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

"El enfoque con atribución de errores a nivel de paso es

particularmente efectivo donde el problema no está localizado en un único prompt, sino distribuido entre múltiples transiciones en la cadena," señalan los autores en la documentación técnica. La ventaja clave de FAPO es precisamente en el contexto multietapa: GEPA y sistemas similares observan cada prompt por separado. FAPO entiende que la salida de un paso es la entrada del siguiente, y optimiza la cadena considerando estas dependencias. Esto es crítico para sistemas de agentes, donde cambiar un paso inicial tiene efectos en cascada en todos los posteriores.

Lo

Que Esto Significa Cisco ha publicado FAPO bajo una licencia abierta — el sistema se puede desplegar en sus pipelines ahora mismo. Para equipos que construyen agentes de IA de múltiples pasos, es una manera de automatizar lo que anteriormente llevaba semanas de prueba y error manual. La elección de Claude Code como motor de orquestración es una señal reveladora: el instrumental de IA corporativo se está construyendo cada vez más sobre el ecosistema Claude.