Pruebas unitarias semánticas con LLMs: Presentación de la biblioteca `suite`

2025-05-05

Esta publicación presenta `suite`, una biblioteca de Python que utiliza modelos de lenguaje grandes (LLMs) para pruebas unitarias semánticas. A diferencia de las pruebas unitarias tradicionales, `suite` evalúa la corrección semántica de las funciones comparando su implementación con sus docstrings. El autor detalla el funcionamiento de `suite`, incluida la creación de prompts, el manejo de dependencias de funciones y la integración con pytest. Si bien enfatiza que `suite` no debe reemplazar las pruebas unitarias tradicionales, sirve como un complemento valioso, ayudando a los desarrolladores a detectar errores temprano y mejorar la cobertura de las pruebas. `suite` admite pruebas asíncronas y permite el uso de modelos locales, lo que reduce los costos y las preocupaciones de privacidad.

Leer más
Desarrollo

Notebooks Jupyter y LLMs: Una optimización de costes inesperada

2025-01-21

El autor utilizó LLMs para asistencia en la codificación, inicialmente con una configuración ContinueDev + OpenRouter. Los costes aumentaron inesperadamente. La investigación reveló que los archivos Jupyter Notebook (.ipynb) contienen un contenido oculto significativo (salidas de código, metadatos, imágenes codificadas en base64), lo que lleva a un gran recuento de tokens y al aumento de los costes de llamada del LLM. La solución fue convertir los archivos .ipynb en archivos .py y eliminar las imágenes codificadas en base64. Esto redujo los costes en un 94% y también la latencia. La publicación destaca la importancia de una entrada consciente al usar LLMs y recomienda comprobar los costes regularmente.

Leer más