Hito

Section titled “Hito”

Se definio un baseline de alertas para detectar drift arquitectonico, inflacion de contexto y degradacion de latencia sin inspeccion manual.

Alertas minimas

Section titled “Alertas minimas”
AlertaExpresionDetecta
Minimal Route Regressionincrease(ailab_route_family_prompt_tokens_total{family="minimal"}[10m]) > 500minimal contaminada con contexto pesado
Tool Fastpath Latency Spikesum(rate(ailab_route_family_latency_ms_sum{family="tool_fastpath"}[5m])) / sum(rate(ailab_route_family_latency_ms_count{family="tool_fastpath"}[5m])) > 8000tool_fastpath roto o LM Studio degradado
Cognitive Route Explosionincrease(ailab_route_family_prompt_tokens_total{family="cognitive"}[10m]) > 12000recall runaway o context inflation
Error Rateincrease(ailab_route_family_errors_total[5m]) > 0errores recientes por family
Governance Blocks Spikeincrease(ailab_route_family_blocked_total[10m]) > 10prompt abuse, loop tool-use o agente roto

Por que estas reglas

Section titled “Por que estas reglas”
  • prompt_tokens y latency ya miden coste real por family.
  • errors y blocked permiten detectar fallos operativos sin revisar dashboards.
  • minimal y observe son la señal mas sensible para ver regresiones de contexto.

Recomendaciones operativas

Section titled “Recomendaciones operativas”
  • Alertar primero por minimal y tool_fastpath.
  • Tratar cognitive como ruta pesada esperada, pero vigilada.
  • Mantener learning separado para no ensuciar la señal operativa.

Validacion

Section titled “Validacion”
  • Las reglas deben aparecer en Prometheus como up.
  • Error Rate y Governance Blocks Spike deben mostrar serie 0 hasta que haya eventos.
  • Tool Fastpath Latency Spike debe depender de _sum y _count del histogram.

Siguiente fase

Section titled “Siguiente fase”

FASE 20 — Runtime Drift Prevention

Objetivo: detectar automaticamente inflacion de prompts, recall inutil, crecimiento de contexto y rutas mal clasificadas antes de que el usuario lo note.