# Inicio rápido

> Inicia tu primera ejecución de optimización en unos diez minutos.

Esta página muestra cómo iniciar tu primera ejecución en unos diez minutos. Inicias sesión, subes un conjunto de datos pequeño, completas los cuatro pasos del asistente e inicias la ejecución. El ejemplo mejora un prompt que clasifica mensajes de soporte en etiquetas.

## Antes de empezar

Necesitas:

- Una cuenta de Skynet.
- Un archivo CSV, JSON o Excel (`.csv`, `.json`, `.xlsx` o `.xls`). Cada fila es un caso.
- Una o más columnas de entrada, por ejemplo `message`.
- Una columna de salida esperada, por ejemplo `label`.

> [!TIP]
> Usa al menos 5 filas. Con menos de 5 pares, Skynet no reserva un conjunto de prueba, así que la puntuación final sale de casos que el optimizador ya usó.

## 1. Iniciar sesión

Inicia sesión en Skynet. Después abre la página de envío en `/submit`.

> [!NOTE]
> Esta página usa las etiquetas del nivel **Estándar**. El nivel **Guiado** usa etiquetas más sencillas, omite el paso Optimizador y selecciona **Auto** por ti. Cambia el nivel en Ajustes.

## 2. Tarea

El primer paso es **Tarea**. Pregunta «¿Qué quieres optimizar?».

1. En **Objetivo**, escribe qué es un buen resultado. Usa palabras sencillas, por ejemplo «Clasifica cada mensaje de soporte como facturación, error u otro».
2. Opcional: en **Contexto**, añade información que ayude al optimizador.
3. En **Tipo de artefacto**, selecciona **Prompt**.
4. En **Versión inicial**, pega tu prompt actual.

## 3. Entradas

El segundo paso es **Entradas**.

1. Selecciona **Sube un archivo CSV, JSON o Excel**, o **Elegir de la biblioteca** para usar un conjunto de datos guardado.
2. En **Cómo leer los datos**, asigna un rol a cada columna:
   - **Entrada**: el código de ejecución recibe esta columna.
   - **Salida**: el valor esperado. La métrica lo recibe.
   - **Omitir**: Skynet no usa esta columna.
3. Mantén **Usar recomendación** para la división. Para la mayoría de los conjuntos de datos, la división es 70 % entrenamiento, 15 % validación y 15 % prueba.

Lee [Conjuntos de datos y divisiones](/docs/es/concepts/datasets) para conocer todas las reglas.

## 4. Optimizador

El tercer paso es **Optimizador** («Optimizador, modelos y presupuesto»).

- Deja el optimizador en **Auto**.
- Selecciona un **Modelo de reflexión**. El optimizador lo usa para escribir versiones nuevas. Este modelo es obligatorio.
- Opcional: selecciona un **Modelo de tarea**. Tu código de ejecución lo usa.
- En **Presupuesto**, deja **Máximo de ejecuciones del evaluador** en su valor predeterminado de 200.

Lee [Motores](/docs/es/concepts/engines) para elegir un motor concreto.

## 5. Métrica y ejecución

El último paso es **Métrica y ejecución** («Código y métrica»). Escribes dos archivos.

```python tab="run.py"
from skynet import llm


def run(artifact, input):
    return llm(artifact, input=input["message"])
```

```python tab="metric.py"
def score(input, output, expected=None):
    want = expected["label"].strip().lower()
    got = str(output).strip().lower()
    if got == want:
        return 1.0, {"feedback": "Correct label."}
    return 0.0, {"feedback": f"Expected '{want}', got '{got}'."}
```

`artifact` es la versión actual de tu prompt. `input` contiene las columnas de entrada de un caso. `expected` contiene la columna de salida, con su nombre de columna como clave.

Después selecciona **Comprobar** en **Comprobación del contrato**. La comprobación ejecuta tu código y tu métrica en el sandbox sobre 3 casos de muestra. Comprueba:

| Comprobación                     | Qué falla                                                              |
| -------------------------------- | ---------------------------------------------------------------------- |
| Firma del código de ejecución    | `run.py` no define `run(artifact, input)`                              |
| Firma de la métrica              | `metric.py` no define `score(input, output, expected=None)`            |
| Modelo de la métrica             | El modelo de la métrica no se puede usar                               |
| Código de ejecución en muestras  | Tu código de ejecución lanza un error en un caso de muestra            |
| Valor que devuelve la métrica    | `score` no devuelve una puntuación y unos comentarios válidos          |

> [!NOTE]
> Solo puedes iniciar la ejecución cuando la comprobación del contrato pasa.

## 6. Iniciar y seguir

La pantalla de resumen muestra «Listo para ejecutar». Sus pestañas son General, Datos, Modelos, Presupuesto y Recompensa. Revisa la configuración y luego inicia la optimización.

Abre la ejecución desde tu lista de optimizaciones para seguirla. Lee [Resultados](/docs/es/guides/results) para entender las puntuaciones y la versión ganadora.

## Próximos pasos

- Escribe una métrica mejor: [Métricas y evaluadores](/docs/es/concepts/scorers).
- Descubre qué motores encajan con tu artefacto: [Cómo funciona la optimización](/docs/es/concepts/optimization).
- Descubre cuánto cuesta una ejecución: [Facturación](/docs/es/concepts/billing).

---

Source: https://staging.skynetml.com/docs/es/quickstart