> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing Fastino API routes. Only call operations present in that specification. Do not infer or call undocumented routes. Direct Fastino API integrations use https://api.fastino.ai, /v1 routes, and FASTINO_API_KEY.

# Casos de uso de ejemplo

> Casos de uso de GLiNER en flujos de agentes, recuperación, datos, investigación, seguridad y calidad.

Usa GLiNER cuando tu flujo de trabajo necesite decisiones rápidas y estructuradas a partir de texto.

## Elige un modelo

| Necesidad                                                          | Empieza con |
| ------------------------------------------------------------------ | ----------- |
| Extraer entidades, etiquetas, relaciones o señales de políticas    | GLiNER      |
| Enrutar un agente o decidir si una persona debe revisar el trabajo | GLiNER      |

## GLiNER: decisiones estructuradas para sistemas de IA

### Flujos de agentes y de navegador

* **Uso del navegador y automatización:** identifica la intención de la página, los campos relevantes, las advertencias y las acciones que requieren confirmación.
* **Compactación de contexto:** extrae decisiones, tareas, plazos y preferencias del usuario de conversaciones o trazas de agentes.
* **Enrutamiento de modelos:** clasifica el dominio, la complejidad, los requisitos de latencia y el riesgo antes de seleccionar un modelo o flujo de trabajo.
* **Supervisión de agentes:** detecta desviaciones, fallos repetidos, entregables faltantes, llamadas a herramientas riesgosas, contexto irrelevante, baja calidad de salida o cuándo debe intervenir una persona.

### Recuperación, datos e investigación

* **RAG:** selecciona los pasajes relevantes antes de la generación y verifica la relevancia o los conflictos del contexto recuperado.
* **Grafos de conocimiento y memoria de agentes:** extrae entidades y relaciones de documentos o conversaciones en una capa de hechos consultable.
* **Clasificación de texto:** ordena correos, tickets y documentos en etiquetas operativas como spam, urgente, solicitud de reembolso o consulta de ventas.
* **Detección y redacción de PII:** identifica datos sensibles antes del almacenamiento, la indexación o las llamadas al modelo.
* **Pronósticos e inteligencia de mercado:** convierte comentarios de clientes, informes regulatorios, transcripciones y noticias en señales como demanda, problemas de suministro, menciones de competidores y cambios en la dirección.

### Controles de seguridad y calidad

* **Guardrails y moderación de LLM:** filtra prompts y salidas en busca de contenido dañino, datos sensibles e infracciones de políticas.
* **Detección de inyección de prompts:** marca intentos de anular instrucciones, exfiltrar datos o manipular el uso de herramientas.
* **Linting semántico de código:** revisa el código generado y los pull requests en busca de convenciones que la sintaxis por sí sola no puede detectar.

<Warning>
  Para la monitorización de agentes, evalúa solo los artefactos que tu sistema tiene permitido recopilar, como las llamadas a herramientas y los registros visibles para el usuario. No uses la cadena de pensamiento oculta como superficie de monitorización operativa.
</Warning>

Empieza con una tarea medible y un pequeño conjunto de evaluación construido a partir de ejemplos con permiso. Define las etiquetas o el esquema que representan las decisiones estructuradas que necesita tu flujo de trabajo.