Creador de peticiones por lotes

Convierte una tabla de filas en un trabajo por lotes, con un id por petición que sobrevive al desorden.

Las plantillas y las filas —normalmente datos reales de clientes— se expanden en el navegador y nunca se suben.

Estima lo que costará el trabajo

Acerca de Constructor de lotes

El procesamiento por lotes es la forma más barata de ejecutar un prompt sobre muchas filas, a alrededor de la mitad del precio interactivo, y el archivo que pide es implacable en un punto concreto: los resultados vuelven en el orden en que terminan. El identificador personalizado es lo único que ata un resultado a la fila de la que salió, así que un id duplicado son dos resultados que no puedes distinguir, en silencio y después de que el trabajo se haya ejecutado. Esto expande tu plantilla sobre las filas, deriva un id de una columna o lo genera, renombra los duplicados en vez de dejarlos chocar y dimensiona el trabajo para que sepas qué envías antes de enviarlo.

Características

• Una petición por fila, desde una plantilla y una tabla
• Identificador desde la columna que elijas, o generado
• Los ids duplicados se renombran en vez de dejarlos chocar
• Los ids se sanean a los caracteres que admite el campo
• Avisa por fila cuando un marcador no tuvo valor
• Tamaño del trabajo: número de peticiones, tokens estimados y peso
• Emite tanto el cuerpo de la petición como las peticiones en JSONL
• Divide un trabajo demasiado grande y muestra cómo enviarlo

Cómo usar Constructor de lotes

1. Pega la plantilla del prompt y las filas
2. Elige el modelo y el límite de tokens por petición
3. Escoge qué columna se convierte en el identificador
4. Descarga el cuerpo de la petición y envíalo

Ejemplo

Entrada

"custom_id": "Acme-Ltd"

Salida

Row 2 repeats the id “Acme-Ltd”; renamed to “Acme-Ltd-2”

Los resultados llegan desordenados, así que el id es la única vía de vuelta a la fila.

Errores comunes y solución de problemas

• No puedo emparejar resultados con filas. — Usa el identificador como clave, nunca la posición: los resultados vuelven en orden de finalización. Los duplicados se renombran aquí justo por eso.
• El envío se rechaza. — El endpoint acepta un cuerpo JSON con un array requests, no el archivo JSONL. Se producen ambos; envía el .json.
• Un prompt contiene un marcador literal. — Esa fila no tenía valor para él. Se listan todas las filas afectadas, con el marcador nombrado.
• El trabajo es demasiado grande. — Divídelo. Se ofrecen automáticamente archivos de como mucho diez mil peticiones cuando el número lo supera.

Preguntas frecuentes

¿Por qué es más barato el procesamiento por lotes?

Porque no es interactivo. El trabajo se encola y se ejecuta cuando hay capacidad, algo mucho más fácil de planificar, y por eso se tarifa alrededor de la mitad. Lo que se cambia es la latencia, no la calidad.

¿Para qué sirve el identificador personalizado?

Para emparejar resultados con entradas. Los resultados llegan en orden de finalización y no de envío, así que el id es el único vínculo fiable con la fila de la que salió un resultado.

¿Qué pasa si dos filas comparten un id?

En un trabajo real, dos resultados que no puedes distinguir. Aquí el duplicado se renombra y se señala, que es un momento mucho mejor para enterarse.

¿Para qué sirve la salida JSONL si el endpoint acepta JSON?

Para herramientas orientadas a líneas: dividir un trabajo grande, comparar dos versiones de uno o alimentar otro ejecutor. El cuerpo JSON es el que se envía.

¿Cómo elijo max_tokens?

Lo bastante alto para que ninguna respuesta se trunque, porque un resultado truncado hay que rehacerlo. El techo que se muestra supone que todas las peticiones agotan su cupo, que es un peor caso y no una estimación.

Herramientas relacionadas

• Relleno de plantillas — Expande un prompt sobre una tabla de filas y mira qué falta.
• Visor y validador JSONL — Lee, filtra y comprueba un archivo JSONL línea por línea.
• Coste de un bucle de agente — Calcula el coste turno a turno, con el historial reenviado y la caché aplicada.
• Validador de datasets — Revisa un dataset JSONL de chat buscando los errores que tumban un entrenamiento.
• Planificador de caché — Ordena los bloques para que el prefijo cacheable sea lo más largo posible.
• Planificador de contexto — Reparte la ventana entre prompt, herramientas, historial y respuesta.

Más herramientas de IA y agentes

• Constructor de skills — Escribe un SKILL.md con el frontmatter revisado mientras escribes.
• Linter de skills — Pega un SKILL.md y descubre qué impide que se asocie a una tarea.
• Constructor de subagentes — Crea el archivo de definición de un subagente con sus herramientas y modelo.
• Constructor de comandos — Crea un comando propio, con argumentos y una lista de herramientas.
• Instrucciones del proyecto — Redacta un CLAUDE.md que se gane su sitio en cada sesión.
• Manifiesto de plugin — Genera un plugin.json y mira la estructura de carpetas que espera.
• Constructor de hooks — Crea hooks de settings.json y detecta los matchers que nunca se activan.
• Probador de reglas de permiso — Prueba reglas de permitir, preguntar y denegar con comandos reales.
• Configuración de servidor MCP — Genera una entrada de servidor MCP para stdio, HTTP o SSE.
• Esquema de herramienta MCP — Define una herramienta y obtén el JSON Schema, con el modo estricto revisado.
• Verificador de esquemas — Pega una definición y averigua por qué se rechaza o se llama mal.
• Relleno de plantillas — Expande un prompt sobre una tabla de filas y mira qué falta.
• Linter de prompts — Encuentra contradicciones, instrucciones muertas y marcadores sin rellenar.
• Comparador de prompts — Compara dos versiones palabra por palabra, con la diferencia en tokens.
• Ejemplos few-shot — Convierte pares de entrada y salida en ejemplos etiquetados, JSON o de chat.
• Secciones XML del prompt — Envuelve secciones en etiquetas de las que el contenido no puede salir.
• Visor y validador JSONL — Lee, filtra y comprueba un archivo JSONL línea por línea.
• Conversor de transcripciones — Convierte un array de mensajes en una transcripción legible, y al revés.
• Validador de datasets — Revisa un dataset JSONL de chat buscando los errores que tumban un entrenamiento.
• Visor de streams SSE — Pega una respuesta en streaming y recupera el texto, las llamadas y el uso.
• Planificador de contexto — Reparte la ventana entre prompt, herramientas, historial y respuesta.
• Planificador de caché — Ordena los bloques para que el prefijo cacheable sea lo más largo posible.
• Divisor de texto — Divide un documento en fragmentos solapados que cortan en límites reales.
• Coste de un bucle de agente — Calcula el coste turno a turno, con el historial reenviado y la caché aplicada.

Ver todas las herramientas de IA y agentes · Todas las herramientas