Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Descripción general de la cognición LLM-augmented
<a name="overview-of-llm-augmented-cognition"></a>

En esencia, el módulo cognitivo de un agente de software puede considerarse un LLM repleto de mejoras. El agente puede utilizar los siguientes componentes básicos para razonar eficazmente en su entorno:
+ **Solicitud: enmarcar** la entrada utilizando el contexto, las instrucciones, los ejemplos y la memoria
+ **Recuperación**: proporcionar conocimientos actualizados o específicos de un dominio a la solicitud del LLM mediante la búsqueda vectorial o la memoria semántica, por ejemplo, mediante la generación de recuperación aumentada (RAG)
+ **Uso de herramientas**: permite al LLM invocar API o llamar a funciones para recuperar información o actuar en función de ella
+ **Memoria**: incorporar un estado persistente o basado en una sesión en el ciclo de razonamiento, ya sea mediante bases de datos estructuradas o resúmenes contextuales

Estos aumentos se componen de flujos de trabajo que definen cómo se utiliza el LLM a lo largo del tiempo y en todas las tareas, lo que lo transforma de un motor sin estado en un agente de razonamiento dinámico.

![Aumento del LLM.](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/agentic-ai-patterns/images/llm-augmentation.png)