El artículo describe un método para combinar Claude Code y Codex y optimizar el desarrollo de funciones .NET, superando problemas comunes de contexto y coherencia en herramientas de IA. La estrategia implica a Claude para la planificación y a Codex para la construcción, interconectados por un archivo markdown para una comunicación eficiente.
Este artículo presenta una alternativa de base de datos vectorial incrustada para aplicaciones RAG en .NET, introduciendo VectorRAG.Net para reducir la latencia y eliminar las dependencias de servicios externos. Analiza escenarios donde este enfoque supera a las soluciones en la nube.
Este artículo presenta el Microsoft Agent Framework, situándolo dentro de la pila de IA de .NET actual y explicando cuándo es la abstracción correcta. Detalla su importancia para agentes, sesiones, herramientas y flujos de trabajo, basándose en `Microsoft.Extensions.AI`.
El artículo subraya que el principal desafío al desarrollar características de IA Generativa en aplicaciones .NET con Semantic Kernel es controlar el contexto enviado al LLM, no simplemente llamarlo. Las lecciones clave resaltan la creación de constructores de contexto dedicados para enviar solo datos relevantes y priorizar la optimización de tokens sobre el debate de versiones de modelos para mejorar el costo y la latencia.
La Fase 2 del proyecto .NET AI Architect Laboratory habilitó un agente de IA autónomo, utilizando Microsoft Semantic Kernel, capaz de analizar archivos de proyectos locales para identificar vulnerabilidades de seguridad y cuellos de botella de rendimiento. El sistema también implementó un enrutamiento dinámico de proveedores, permitiendo cambiar entre Gemini 2.5 Flash y Groq (Llama 3.3 / Llama 3.1) en tiempo real.
Este consejo rápido explica cómo implementar la compresión de contexto en .NET para sistemas RAG, abordando la falta de un equivalente directo a herramientas como LLMLingua. Propone usar un modelo de trabajo más pequeño y económico para preprocesar la documentación recuperada, extrayendo solo hechos esenciales para reducir costos y latencia con modelos de IA premium.
A Microsoft anunciou o GitHub Copilot Testing para .NET, uma nova ferramenta de testes de unidade gerados por IA integrada ao Visual Studio 2026. Essa inovação promete um avanço significativo na produtividade de desenvolvedores .NET, automatizando a criação de testes, sugerindo casos de borda e otimizando o processo de testing.
El autor reconstruyó su biblioteca TravelAI.Core para que funcione con múltiples proveedores de IA, como OpenAI, Anthropic, Ollama y Azure, en lugar de depender únicamente de Azure OpenAI. Este cambio simplifica el proceso de configuración para los desarrolladores que desean probar la biblioteca sin un compromiso inicial con un proveedor de la nube.