Objetivo de la Ingeniería de Sintaxis

La migración de la lógica de control imperativa, nacida en entornos CLI (`.bat`, `sh`), a la lógica declarativa de los Agentes de Lenguaje (LLM) no es trivial; es una traducción de estado a contexto. Un archivo `batch` era una traza de ejecución determinista y explícita. Nuestro objetivo es encapsular ese control estricto y secuencial en un prompt único, forzando al modelo a externalizar su flujo de decisión. Buscamos la eficiencia minimalista: cero ciclos de CPU desperdiciados en ambigüedades.

Flujo de Control Legacy: El Imperativo Secuencial

En la era del `COMMAND.COM`, el flujo de control se gestionaba mediante sentencias como `IF EXIST` y saltos directos con `GOTO`. Esto definía un estado y una transición de manera absoluta. El Agente LLM, por defecto, opera en un modo conversacional, una peligrosa ambigüedad para un veterano. Debemos usar el `SYSTEM ROLE` como el equivalente moderno a la definición de todas las variables de entorno y los handlers de errores al inicio de un script.

Definición del Agente / SYSTEM ROLE

La primera línea de defensa contra el bloatware es la claridad de rol. El `SYSTEM ROLE` debe ser una definición de estado atómico, sin margen para la creatividad o la desviación de la tarea original. Es la configuración `/W` de un comando `DIR`: solo lo esencial.

# SYSTEM ROLE Actúa como un Validador y Mapeador de Secuencias de Tarea. Tu única función es transformar el flujo de control imperativo (`Input Script`) en una traza JSON de pasos lógicos (**`Execution Trace`**). # CONTEXTO OPERACIONAL El ambiente de ejecución es un *sandbox* con I/O restringida. No puedes ejecutar acciones; solo puedes *modelarlas*. Cada paso es un **`token`** de acción. # FORMATO DE SALIDA REQUERIDO Siempre genera la salida usando la estructura JSON definida, sin preámbulos.

El Mapeo de Control: De `GOTO` a Trazabilidad

El desafío inherente a este mapeo es la pérdida de la `línea` explícita. Donde un `GOTO :ERROR_HANDLER` era un salto físico, el LLM necesita una instrucción que simule esa trazabilidad de estado. Esto se logra mediante la ingeniería de la Chain-of-Thought (CoT) o, más eficientemente, mediante el forzado de un objeto de salida que contenga la variable de `NEXT_STATE`. Esta es una labor que requiere coraje, pues implica confiar el flujo de ejecución a una probabilidad; algo impensable con pantallas de fósforo verde.

Forzado de Estructura / RESPONSE FORMAT

El output de un script `batch` era text. Hoy, la única manera de garantizar la interpretabilidad de la máquina es forzar formatos serializados y fuertemente tipados. El equivalente a un errorlevel de `0` (éxito) es el parseo limpio del JSON. Esta configuración de API es el anclaje determinista que evita la salida desestructurada.

{   "temperature": 0.1,   "top_p": 0.1,   "response_format": "json_object" }

Implementación de Restricciones: El Equivalente al `Errorlevel`

La eficiencia del viejo código residía en su manejo del `Errorlevel`. Si un comando fallaba, el flujo cambiaba inmediatamente. En el agente, esta lógica se implementa como `CONSTRAINTS` estrictos. No son peticiones; son directivas del procesador. El agente debe fallar con gracia e informar del punto de quiebre, no inventar la solución.

# CONSTRAINTS - Prohibido inferir pasos. Si un paso de entrada no tiene salida definida, el **`NEXT_STATE`** debe ser **`FINAL_STATE_ERROR`**. - La salida JSON debe incluir el campo **`EXIT_CODE`** (Numérico: 0 para éxito, 1 para error de lógica). - El campo **`ACTION_TOKENS`** debe ser una matriz (array) de verbos de acción y objetos, nunca narrativos.

La Ejecución Atómica (Run)

Una vez configurado el ambiente (el `SYSTEM ROLE` y los constraints), el prompt de usuario final debe ser el input de datos: mínimo, limpio y eficiente. Este es el `comando` que se lanza al `intérprete`. El LLM no debe ser un filósofo; debe ser un compilador que solo procesa el siguiente bloque de datos.

Input Script: TASK: Procesar archivo de registro. IF ERRORLEVEL 1 GOTO :CRITICO CALL :ANALIZAR_METRICAS :CRITICO ECHO 'Error critico en el log.'

Validación y Eficiencia: Ajustando la Temperatura y la Precisión

La transición de un entorno donde `1 + 1 = 2` (el `batch` determinista) a uno donde `P(1 + 1 = 2) = 0.999` es el mayor desafío psicológico. `Temperature` y `top_p` no son parámetros creativos; son los ajustadores de la probabilidad de desviación del flujo. Valores bajos fuerzan la ruta canónica de la traza, replicando la linealidad forzada del script `batch`. Este ajuste es el paso que separa la automatización real de la mera conversación.

La arquitectura de tokens es, en esencia, una máquina de estados finitos hiperdimensional, no muy diferente de la lógica de un procesador 8086. La disciplina que aprendimos con la escasez de RAM y ciclos de CPU —la búsqueda del comando más corto y la estructura más limpia— es la misma disciplina que optimiza un LLM. El arte de codificar es el arte de la eficiencia; las etiquetas `tokens` y `batch` son solo sinónimos generacionales de ese principio.