# ¿Cómo se crea un conjunto saneado de repetición de solicitudes para migrar una API de LLM? > Crea un corpus mínimo y versionado mediante muestreo por cobertura, eliminación de campos innecesarios, sustitución coherente de datos sensibles por valores sintéticos que conservan la estructura, aislamiento de herramientas y un escaneo final antes de aprobarlo. Crea un conjunto saneado seleccionando solicitudes representativas, detectando y sustituyendo secretos y datos personales, conservando las propiedades estructurales que afectan al modelo y comprobando que no queden datos sensibles. Guárdalo como artefacto de prueba versionado con aserciones, no como exportación de registros brutos. El objetivo es cubrir el comportamiento sin copiar el riesgo de producción a un conjunto nuevo. ## Define qué debe demostrar la repetición Enumera los riesgos antes de muestrear. Entre las dimensiones habituales están la longitud, los idiomas, los schemas de herramientas, la salida estructurada, las partes multimodales, el streaming, los rechazos de seguridad, el contexto grande y los parámetros. Crea categorías de cobertura y elige casos deliberadamente. Una muestra aleatoria puede omitir formas raras, mientras que una colección compuesta solo por fallos puede distorsionar el tráfico normal. ## Minimiza al recopilar Exporta solo los campos necesarios. Elimina cabeceras de autorización, cookies, direcciones IP, metadatos de cuenta, facturación y registros no relacionados antes de que entren al espacio de prueba. Utiliza una lista permitida como esta: ```json { "fixture_id": "fx_0042", "request": { "model_alias": "support_default", "messages": [], "tools": [], "temperature": 0.2 }, "assertions": { "valid_json": true, "required_keys": ["category", "confidence"] } } ``` Genera un `fixture_id` nuevo. No uses un ID de usuario o de proveedor como clave pública del caso. ## Detecta datos sensibles por capas Combina detectores deterministas, diccionarios de la organización y revisión contextual. Busca claves API, tokens, claves privadas, cadenas de conexión, correos, teléfonos, cuentas, hosts internos, secretos de código e identificadores regulados. Ningún detector es completo. Ejecuta varias pasadas y envía las coincidencias dudosas a una persona autorizada. Las imágenes y documentos también son fuentes de datos; sus metadatos y píxeles pueden contener información sensible. ## Sustituye conservando el comportamiento Usa marcadores coherentes y tipados como `` o ``. El mismo valor debe recibir el mismo marcador dentro de un caso, pero la asignación no debe ser reversible fuera de un proceso temporal controlado. Conserva las propiedades relevantes: longitud aproximada, clase Unicode, tipo JSON, tamaño de listas, delimitadores y relaciones entre campos. Si un fallo depende de la longitud en tokens, sustituye el texto por contenido sintético seguro de tamaño parecido. No te limites a aplicar hash a teléfonos u otros valores de baja entropía. A menudo pueden adivinarse. Elimina o sintetiza cuando no necesites reversibilidad. ## Elimina contenido activo y peligroso Los casos pueden contener inyección de prompts, comandos, URL o código con efectos. Desactiva las herramientas externas y sustituye las que escriben por dobles deterministas. Permite la red solo hacia endpoints de prueba controlados. Nunca repitas credenciales, URL firmadas, comandos destructivos ni destinos webhook de clientes. ## Añade aserciones, no respuestas exactas La salida de un LLM puede variar. Almacena comprobaciones de schema, campos obligatorios, selección de herramienta, categoría de rechazo, idioma, latencia máxima, límites de tokens y rúbricas semánticas. Usa coincidencia exacta solo en transformaciones deterministas. Registra los modelos de origen y destino, la versión del adaptador, la plantilla y la fecha con cada ejecución. ## Valida el artefacto saneado Antes de aprobarlo, ejecuta escáneres de secretos y PII, inspección de tipos de archivo y revisión manual de una muestra. Confirma que cada categoría siga representada. Si un caso es seguro pero ya no reproduce el comportamiento, sustitúyelo por un equivalente sintético. Protege el conjunto como datos de prueba, no como documentación pública. Aplica acceso, retención, auditoría y eliminación. Separa cualquier mapa temporal de sustituciones y destrúyelo después de validar cuando la política lo permita. ## Úsalo como puerta de migración Ejecuta los mismos casos mediante los adaptadores de origen y destino. Compara salidas normalizadas, errores, latencia, uso y coste. Investiga por categoría y añade regresiones para nuevas incompatibilidades. Versiona juntos el conjunto y las reglas de saneamiento para que los resultados sean explicables. ## En resumen Un conjunto seguro es un corpus de prueba mínimo y diseñado, no registros copiados. Aplica detección y revisión en capas, sustituye valores sensibles por datos sintéticos que conserven la estructura, neutraliza efectos y añade aserciones de comportamiento. Vuelve a escanear el artefacto antes de usarlo como puerta de migración. ## FAQ ### ¿Por qué no repetir una exportación aleatoria de registros de producción? Los registros brutos pueden exponer secretos y datos personales, y una muestra aleatoria puede omitir formas raras. Construye un conjunto mínimo según categorías de riesgo explícitas. ### ¿Cómo deben sustituirse los valores sensibles? Usa marcadores tipados coherentes o datos sintéticos que conserven longitud, tipo, delimitadores, clase Unicode y relaciones relevantes sin ser reversibles. ### ¿Basta con aplicar hash para anonimizar datos de usuario? No en valores de baja entropía como teléfonos, que pueden adivinarse. Prefiere eliminar o sintetizar cuando no haga falta reversibilidad. ### ¿Cómo se repiten de forma segura las llamadas a herramientas? Desactiva herramientas externas por defecto y sustitúyelas por dobles deterministas. Nunca incluyas credenciales de producción, webhooks de clientes ni efectos de escritura. ### ¿Las salidas esperadas deben ser texto exacto? Normalmente no. Usa aserciones de schema, campos, herramienta, rechazo, idioma, latencia, uso y rúbrica; reserva la igualdad exacta para tareas deterministas. ### ¿Cómo se aprueba el conjunto final? Ejecuta escáneres de secretos y PII, inspecciona archivos, revisa una muestra, confirma la cobertura y aplica controles de acceso, retención y eliminación.