El precipicio era la ventana de contexto
Un modelo pequeño dejó de llamar sus herramientas. Parecía un límite de herramientas; era un recorte silencioso del prompt.
Diez lecciones sobre cobertura, verificación y fallos silenciosos al operar un agente de seguridad ofensiva.
Tener una herramienta disponible no significa que se haya ejecutado. La cobertura necesita evidencia por fase.
El reporte conecta observaciones de un sistema con patrones de ingeniería: un núcleo de pruebas deterministas, verificación separada del razonamiento original, reintentos acotados y validación de alcance en cada acción. Incluye ejemplos mínimos para estudiar cada patrón sin depender del sistema original.
Es un reporte de un solo sistema y varias sesiones, no un benchmark comparativo. Las cifras del documento describen corridas históricas; no representan una garantía de cobertura actual, detección total o ausencia de falsos positivos.