Investigación de rendimiento: investigación dirigida con evidencia
💡 Resumen en una frase: usa Grok Bot para construir tu pipeline de diagnóstico de rendimiento con IA — conecta las herramientas de observabilidad, análisis e incidentes, deja que el Bot mire por sí mismo los dashboards y los traces, localice el punto crítico con mayor confianza y produzca un informe breve con capturas y enlaces directos, separando hechos de hipótesis, sin modificar alertas ni tocar la configuración de producción en ningún momento.
Esta es la segunda lección de la ruta B (programadores); proviene de la misma página de roles oficiales que Reproducción de bugs y usa el mismo método oficial de seis pasos. Esta lección corresponde, de los 8 roles de la página oficial de use-cases, al rol Product performance (especialista en investigación de rendimiento). El posicionamiento oficial es: investigación de rendimiento dirigida con evidencia — no se trata de «ayudarte a adivinar por qué se puso lento», sino de que cada investigación apunte a un punto crítico con evidencia rastreable. Los tres tipos de conexiones mencionados oficialmente son herramientas de observabilidad, análisis e incidentes.
La lección completa dura unos 12 minutos. Oficialmente hay un requisito especial para este rol: la routine se usa para informes de salud periódicos, no para cambios en producción sin supervisión — el paso 6 de esta lección explica específicamente cómo mantener esa línea.
Qué podrás hacer al terminar
- Crear un Bot «especialista en investigación de rendimiento»: conectar herramientas de observabilidad, análisis e incidentes, y convertir «está lento en producción» en una investigación dirigida con evidencia
- Dejar que el Bot mire por sí mismo los dashboards y los traces, localice el punto crítico con mayor confianza y devuelva un informe breve: capturas + enlaces directos, con hechos e hipótesis separados
- Mantener las dos líneas rojas oficiales: no modificar alertas ni tocar la configuración de producción — las sugerencias de cambio van en el informe, la ejecución queda tras la aprobación
- Guardar el flujo de investigación como skill para reejecutarlo por nombre; delegar el informe de salud semanal a una routine (opcional)
Por qué usar Grok Bot y no una IA web
| Capacidad | IA web | Grok Bot |
|---|---|---|
| Ve tus datos de monitoreo | ❌ Depende de tus capturas y descripciones, la IA no ve los dashboards | ✅ Conecta herramientas de observabilidad/análisis/incidentes y mira por sí misma los dashboards y traces |
| Evidencia rastreable | ❌ Las conclusiones no se pueden verificar, solo puedes elegir confiar | ✅ Cada conclusión lleva enlace directo y captura, tú las verificas una por una |
| Hechos e hipótesis separados | ❌ Todo mezclado, «creo que» y «los datos muestran» escritos juntos | ✅ El prompt oficial de arranque ya exige separar hechos de hipótesis |
| Recuerda el criterio de investigación | ❌ En cada incidente hay que volver a explicar qué paneles mirar | ✅ El flujo de investigación se guarda como skill, criterio consistente, reejecutable por nombre |
| Informes de salud periódicos | ❌ Cada semana exportar datos a mano y armar el informe semanal | ✅ La routine programada se ejecuta sola a su hora y publica el informe en la conversación esperando tu revisión |
Tu situación actual
- «Ayer tras el lanzamiento checkout se puso lento» — saltas entre cinco o seis dashboards sin localizar el punto crítico en medio día
- En el grupo del incidente todos adivinan: ¿es la base de datos? ¿la caché? ¿la nueva versión? Sin evidencia, solo volumen de voz
- El informe de investigación se pierde al terminar: capturas sin guardar, enlaces sin dejar, marcas de tiempo ausentes, y en la retrospectiva los números no cuadran
Cuándo usar esta técnica
Cuando necesitas:
- Convertir «XX se puso lento» en un diagnóstico de rendimiento con IA, dirigido y con evidencia: mirar dashboards y traces, localizar el punto crítico con mayor confianza
- Poner en marcha el pipeline «recibir incidente → mirar paneles → delimitar punto crítico → escribir informe», tú solo revisas el informe
- Que cada conclusión del informe sea rastreable: enlaces directos, capturas, marcas de tiempo, hechos e hipótesis separados
Y no quieres:
- Abrir dashboards uno por uno, hacer capturas y armar el informe tú mismo
- Localizar el problema adivinando en el grupo del incidente
- Que la IA diga «quizá es la base de datos lenta» sin presentar ninguna evidencia
🎒 Preparativos antes de empezar
- Haber leído 3.2 Skills y enseñanza por demostración — el paso 5 de esta lección guarda el flujo de investigación como skill, y este también es el prerrequisito común de la mayoría de las páginas de escenarios
- Tener un Bot al que puedas asignar tareas: si aún no lo tienes, ve primero a 1.5 Crea tu primer Bot
- Acceso a las herramientas de observabilidad (sistema de dashboards y traces — vale conector o versión web)
- Acceso a las herramientas de análisis e incidentes (las mencionadas en las fuentes de disparo oficiales de incidentes, como Sentry o PagerDuty, o tu propio canal de incidentes)
- Un incidente de rendimiento real como entrada de práctica (por ejemplo, «ayer tras el despliegue subió la latencia de cierto endpoint»)
- Unos 12 minutos, más una ronda de retroalimentación manual después de que salga el primer informe
Hazlo conmigo
Paso 1: escribe en la descripción del Bot las responsabilidades y los límites del especialista en investigación de rendimiento
Por qué: el primer paso del método oficial de seis pasos es escribir en la descripción del Bot las responsabilidades, los sistemas de origen, el formato de salida y los límites permanentes — las dos líneas rojas de este rol (no modificar alertas ni tocar la configuración de producción) también deben fijarse aquí.
Cómo hacerlo: crea o abre un Bot (en la barra lateral + → Create a Bot) y escribe la descripción así:
Eres mi especialista en investigación de rendimiento, encargado de la investigación de rendimiento dirigida con evidencia.
Fuentes de datos: herramientas de observabilidad (dashboards, traces), herramientas de análisis, herramientas de incidentes.
Formato de salida: informe breve — el punto crítico con mayor confianza, evidencia de apoyo (capturas + enlaces directos),
y siguientes pasos sugeridos; hechos e hipótesis escritos por separado, y lo no verificable listado aparte.
Límites permanentes: la investigación es de solo lectura — no modificar alertas ni tocar la configuración de producción;
Cualquier cambio se escribe solo como sugerencia; la ejecución la apruebo yo.Deberías ver: la descripción queda guardada en la página de detalles de este Bot. Escribir los límites aquí significa que cada investigación futura respetará la misma línea roja.
Paso 2: conectar herramientas de observabilidad, analítica e incidentes
Por qué: los hechos de una investigación solo pueden venir de los sistemas que conectes; las tres categorías de conexión que la documentación oficial menciona expresamente para este rol son: observabilidad, analítica y herramientas de incidentes.
Cómo hacerlo: trata las tres categorías de herramientas por separado; los detalles del método de conexión en 5 pasos se ven en 2.5 Conectar aplicaciones:
- Herramientas con conector: primero busca en Connect apps; si quieres que el Bot lo instale por ti, basta con decir algo como «Add the Linear app» (el ejemplo de la documentación oficial es Linear; el Bot busca en el catálogo, instala la aplicación y, si hace falta iniciar sesión, te entrega una tarjeta de Connect)
- Herramientas sin conector: pide al Bot que abra la versión web con el navegador del ordenador en la nube; las credenciales de inicio de sesión se guardan en Vault, el Bot las rellena pero no ve los valores
- Herramientas que ofrecen un MCP server: pide al Bot que lo añada por URL
- Paneles que solo se abren desde la intranet de la empresa: abre Settings → Computer → Route traffic through this computer para que el navegador del Bot use la red y la IP de tu escritorio (detalles en 5.3 Enrutamiento de tráfico y ejecución local)
- Si la autorización se interrumpe, pulsa Reconnect (en la aplicación) o Reopen (en la tarjeta de conexión del chat) para recuperar la página de inicio de sesión
Deberías ver: que el Bot puede abrir las tres categorías de herramientas. Ojo con Added ≠ ha iniciado sesión: si aparece Needs auth o Disconnected, hay que pulsar Authenticate para volver a autorizar; una vez activo el enrutamiento por intranet, los paneles internos cargan correctamente en el navegador del Bot (los sitios que resuelven a direcciones privadas/VPN se bloquean por defecto y requieren autorización de la organización; cuando algo es interceptado, este ajuste muestra el número de bloqueos de esta vez).
Paso 3: ejecutar la primera investigación de rendimiento con IA usando el starter prompt oficial
Por qué: el starter prompt oficial se detiene deliberadamente en el punto de revisión de una investigación de solo lectura; primero valida la calidad del informe y después habla de automatización.
Cómo hacerlo: envía al Bot el contexto del incidente (qué métrica, desde cuándo y qué cambios hubo en ese período) junto con el mensaje, y luego envía esta versión en chino del starter prompt oficial de Product performance:
Investiga el aumento de latencia en checkout tras el despliegue de ayer.
Revisa los paneles y las traces, identifica el punto caliente con mayor confianza,
Devuelve un informe breve de la investigación, con capturas y enlaces directos.
Escribe por separado los hechos y las hipótesis. No modifiques las alertas ni toques la configuración de producción.Deberías ver: el Bot abre uno por uno los paneles y recorre las traces en la vista previa del ordenador del lado derecho; al abrir la vista previa puedes ver sus clics y su navegación. Al final te devuelve un informe corto, con capturas adjuntas como tarjetas en la respuesta, que se pueden previsualizar al pulsarlas. Un informe que cumple incluye:
- El punto caliente con mayor confianza (una frase que aclare «dónde está la lentitud»)
- Evidencia de respaldo: capturas + enlaces directos (que al abrirlos te lleven de vuelta al panel de origen)
- Hechos e hipótesis separados («los datos muestran» y «yo infiero» no se mezclan)
- Siguientes pasos sugeridos (solo sugerencias, sin ejecutar)
- Lo que no se pudo verificar (requisito de la lista de evidencia oficial: enumerarlo con claridad, sin inventar)
💡 Este es el valor único de Grok Bot
Una IA web solo puede basarse en tus capturas y descripciones, y sus conclusiones no se pueden verificar. El Bot de Grok inicia sesión por sí mismo en las herramientas de monitoreo para mirar paneles y traces; la evidencia es lo que vio con sus propios ojos, con enlaces directos trazables; tú puedes verificar punto por punto abriéndolos, y en el grupo de incidentes ya no hará falta localizar el problema a gritos.
Paso 4: pulir el informe hasta que sea auditable; verificar la evidencia punto por punto
Por qué: el método oficial de seis pasos exige refinar el resultado hasta que sea auditable «sin que tú tengas que vigilarlo»; además, la lista de evidencia oficial advierte expresamente: los datos que cambian rápido no pueden sustentarse solo en capturas.
Cómo hacerlo: verifica punto por punto el informe del Bot—
- Abre cada enlace directo: debe llevar de vuelta al panel de origen y coincidir con las cifras del informe
- Las capturas incluyen el estado relevante (rango de tiempo, nombre del servicio, tramos anómalos visibles)
- Las marcas de tiempo y la zona horaria están claras (cuando una revisión posterior no cuadra, lo más probable es que falle aquí)
- Las métricas que cambian rápido (curvas de latencia, QPS y similares) tienen enlace de origen o exportación, no solo una captura; palabras textuales de la documentación oficial: «Do not rely on a screenshot alone for rapidly changing data»
- ¿Se separaron los hechos y las hipótesis? Si no cumple, devuélvelo y pide al Bot que revise el informe existente en lugar de escribir otro
Deberías ver: tras varias rondas de ajustes, el informe se audita de un vistazo; cada conclusión tiene su evidencia y los hechos e hipótesis quedan bien diferenciados.
Paso 5: guardarlo como skill de «investigación de rendimiento» y probarlo con otro incidente
Por qué: cuarto paso del método oficial de seis pasos: guardar el flujo que funcionó como skill y probarlo con una segunda entrada.
Cómo hacerlo: envía lo siguiente:
Guarda el flujo completo de la investigación de rendimiento que acabamos de hacer como skill, con el nombre «investigación de rendimiento».
Incluye: los sistemas de origen (paneles, traces, herramientas de incidentes), los pasos de la investigación,
el formato de salida (punto caliente + evidencia + separación de hechos e hipótesis + siguientes pasos sugeridos),
y las tres reglas de «no modificar alertas, no tocar la configuración de producción, cambios solo como sugerencias».La documentación oficial dice que un skill útil debe aclarar seis cosas: cuándo usarlo, qué entradas y permisos necesita, el orden de trabajo, cómo validar los resultados, qué devuelve y qué requiere aprobación. Una vez guardado, pídelo por su nombre en cualquier conversación; basta con decir «ejecuta el skill de investigación de rendimiento» para invocarlo (@ es para Bots, grupos, routines y aplicaciones, no invoca skills).
Deberías ver: el Bot confirma que el skill quedó guardado. La documentación oficial exige probarlo con una segunda entrada: cambia a otro evento de rendimiento (otro aumento de latencia, un pico en la tasa de errores) y vuelve a ejecutarlo, verificando si el informe sigue siendo sólido. La biblioteca privada de skills se comparte entre todos los Bots; los detalles de guardado se ven en 3.2 Skills y enseñanza por demostración.
Paso 6: la routine solo hace informes periódicos de salud, no cambios en producción
Por qué: el requisito especial de la documentación oficial para este rol dice textualmente «Use a routine for a recurring health report, not for unsupervised production changes»; el uso correcto de una routine es generar el informe a la hora programada, no cambiar producción mientras duermes.
Cómo hacerlo: envía lo siguiente:
Cada lunes a las 9 de la mañana, ejecuta el skill de «investigación de rendimiento» y produce un informe de salud:
Tendencia de las métricas clave durante la semana pasada, tramos anómalos y señales tempranas que merecen atención.
Publica el informe en esta conversación y espera mi revisión. Si faltan datos, indica qué falta; no adivines.Después de enviarlo, repasa con el Bot los seis puntos de la lista de confirmación oficial: a qué Bot pertenece, hora y zona horaria, fuentes de entrada, resultados esperados, límites de aprobación y qué hacer si faltan datos; si algo no cuadra, corrígelo.
Deberías ver: la routine aparece entre las routines de este Bot. Una routine nueva no se ejecuta de inmediato, espera al siguiente punto programado; si quieres validarla ahora, usa Test. La routine se ejecuta en la nube y corre aunque cierres el ordenador; cada run consume uso, y un informe de salud semanal mantiene el consumo bajo control.
La línea de aprobación también se defiende en este paso: aunque algún día quieras que la routine responda a incidentes y se ejecute automáticamente, su producto solo puede ser un informe; modificar alertas o tocar la configuración de producción son acciones externas y siempre quedan detrás de la aprobación. La tarjeta de aprobación disparada por una routine expira si nadie la atiende en 30 minutos, así que no configures en la routine acciones que requieran aprobación. Los detalles de las reglas de aprobación se ven en 3.1 Aprobaciones y Auto Review.
📋 Prompt mágico
📝 Investigación de rendimiento dirigida (versión con estructura del starter prompt oficial)
Efecto esperado: el Bot responde con un informe corto — el punto crítico lo localiza consultando paneles y traces, la evidencia lleva enlaces directos, los hechos y las hipótesis van separados, y puedes verificar cada punto uno por uno.
## Rol
Eres mi especialista en investigación de rendimiento, encargado de la investigación de rendimiento dirigida con evidencia.
## Tarea
Investigar este incidente de rendimiento, localizar el punto crítico con mayor confianza y producir un informe corto.
## Información de entrada
### Campos obligatorios
- Descripción del incidente: 【qué métrica, qué fenómeno, desde cuándo】
- Rango de tiempo: 【el período que cubre la investigación】
- Cambios durante el período: 【qué versiones se desplegaron, qué configuraciones se modificaron en este lapso】
### Campos opcionales
- Servicios bajo sospecha prioritaria: 【¿servicios o paneles a revisar primero?】
- Criterio de anomalía: 【el estándar para considerar algo anómalo, por ejemplo, ¿P95 supera cuántos milisegundos?】
## Especificaciones de salida
Informe corto: el punto crítico con mayor confianza (una frase), evidencia de respaldo (capturas + enlaces directos),
hechos e hipótesis en secciones separadas, pasos siguientes sugeridos, y una lista de lo que no se pudo verificar.
## Restricciones
- ✅ Cada conclusión lleva un enlace directo que, al abrirlo, vuelve al panel de origen
- ✅ Hechos e hipótesis se escriben por separado; lo no verificable se lista explícitamente
- ❌ No modificar alertas ni tocar configuraciones de producción
- ❌ Para datos de cambio rápido, no dar solo capturas: dejar enlace a la fuente o exportación📝 Informe de salud semanal (versión routine)
Efecto esperado: un informe de salud que aparece automáticamente en la conversación cada lunes — tendencias, tramos anómalos, señales tempranas; con un vistazo sabes si hay algo que vigilar esta semana.
## Rol
Eres mi especialista en investigación de rendimiento, encargado de producir rutinariamente un informe de salud cada semana.
## Tarea
Resumir las métricas clave de la semana pasada y producir un informe de salud pegado en la conversación.
## Información de entrada
### Campos obligatorios
- Lista de paneles clave: 【los paneles y traces que se revisan obligatoriamente cada semana】
- Rango de tiempo: 【la semana pasada, atención a la zona horaria】
### Campos opcionales
- Pendientes de la semana anterior: 【¿entradas marcadas como «seguir observando» en el informe anterior?】
## Especificaciones de salida
Informe de salud: tendencia semanal de métricas clave, tramos de tiempo anómalos (con enlaces directos),
señales tempranas que merecen atención, y comparación con el informe de la semana anterior.
## Restricciones
- ✅ Si faltan datos, indicar qué falta; no adivinar
- ✅ Solo producir informes; todos los cambios quedan pendientes de mi aprobación
- ❌ No modificar alertas
- ❌ No tocar configuraciones de producción🔧 Retroalimentación sobre la calidad del informe de investigación (escribir los criterios en el skill)
Efecto esperado: tú señalas qué le falta a este informe, el Bot escribe los requisitos en el skill de «investigación de rendimiento», y el siguiente queda visiblemente más sólido.
## Rol
Eres mi especialista en investigación de rendimiento, que acaba de entregar un informe de investigación.
## Tarea
Contrastar con mi retroalimentación y actualizar los criterios de informe del skill «investigación de rendimiento».
## Información de entrada
### Campos obligatorios
- Problemas de este informe: 【enlaces que no abren / capturas sin rango de tiempo / hechos e hipótesis mezclados……】
- Criterios correctos: 【lo que quieres que todo informe futuro cumpla】
### Campos opcionales
- Requisitos adicionales para métricas específicas: 【por ejemplo, ¿las de latencia deben llevar valor P95 y zona horaria?】
## Especificaciones de salida
Primero repite en voz alta los nuevos criterios que hayas resumido; tras mi confirmación, actualiza el skill.
## Restricciones
- ✅ Los criterios se escriben en el skill y surten efecto en la próxima investigación
- ✅ Solo añadir criterios, no cambiar los límites de aprobación
- ❌ No recortar elementos de evidencia para ahorrar esfuerzoPunto de control ✅
- El Bot puede abrir los tres tipos de herramientas: los conectores muestran Installed (no Needs auth / Disconnected), y el enrutamiento de los paneles internos está activo
- El primer informe está completo: punto crítico, capturas, enlaces directos, hechos e hipótesis separados, pasos siguientes sugeridos, lista de lo no verificable
- Los enlaces directos se pueden rastrear uno por uno al abrirlos; las métricas de cambio rápido tienen enlace a la fuente o exportación, no solo capturas
- Todo el proceso fue de solo lectura: no se modificaron alertas ni se tocaron configuraciones de producción; los cambios solo aparecen en «sugerencias»
- El flujo de investigación se guardó como skill; ante un nuevo incidente se puede reejecutar por nombre; la routine solo produce informes de salud
Recordatorios de errores comunes
❌ Pedirle al Bot que «de paso» ajuste el umbral de una alerta
La frase literal del límite en el starter prompt oficial: «Do not change alerts or production settings»; la definición oficial del routine, literal: «not for unsupervised production changes». Lo correcto: escribir las sugerencias de cambio en el informe y dejar la ejecución para la aprobación — tú revisas antes de actuar y, si algo sale mal, hay constancia verificable.
❌ Tomar una sola captura de un panel como toda la evidencia
La lista oficial de evidencia lo dice claramente: «Do not rely on a screenshot alone for rapidly changing data». Los datos de rendimiento cambian rápido y una captura es solo la instantánea de un segundo. Lo correcto: cada conclusión lleva un enlace directo, y para métricas de cambio rápido el Bot adjunta el enlace o la exportación del sistema de origen.
❌ Mezclar hechos e hipótesis en un mismo texto
El starter prompt oficial exige expresamente «Separate facts from hypotheses». «Los datos muestran que P95 subió 300ms» es un hecho; «probablemente son las consultas de la nueva versión a la base de datos» es una hipótesis — si se mezclan, el lector tomará la hipótesis como conclusión. Lo correcto: pedirle al Bot que escriba por secciones según la separación oficial en cinco — hechos, hipótesis, completado, pendiente de aprobación, sin resolver.
❌ Rendirse si la herramienta de monitorización interna no abre
La computadora en la nube del Bot está en la nube; los paneles que solo se abren desde la intranet de la empresa no se ven por defecto. La solución oficial: Settings → Computer → Route traffic through this computer, para que el navegador del Bot use la red y la IP de tu escritorio. Ten en cuenta dos cosas: los sitios que resuelven a direcciones privadas/VPN están bloqueados por defecto y requieren autorización de la organización; y solo una computadora puede enrutar a la vez. Detalles en 5.3 Enrutamiento de tráfico y ejecución local.
Técnicas avanzadas (opcional)
- Borrador de investigación automático ante incidentes: las fuentes de activación por eventos que admite el oficial incluyen Sentry y PagerDuty — configura para el skill «investigación de rendimiento» un routine de eventos, y en cuanto entra un incidente se produce automáticamente un informe de investigación pegado en la conversación. El límite no cambia: el informe puede salir automáticamente, los cambios siempre quedan para aprobación. Ver 3.3 Routines.
- Archivar los informes de salud como Pages: pídele al Bot que organice el informe de salud semanal en una página de Pages (definición oficial: páginas legibles tipo informe) y lo guarde en la Library del Bot — comparar tendencias con la semana anterior es más rápido que revisar el historial de chat. Ver 2.2 Archivos y resultados revisables.
- Relevo a la reproducción de bugs: cuando la investigación localiza una versión o funcionalidad concreta, entrega el informe con su evidencia a B1 Reproducción de bugs — el flujo de allá lo convertirá en un paquete de reproducción que desarrollo puede localizar directamente.
- Convertir la exigencia de evidencia en hábito de conversación: la lista oficial de conversación eficiente ya incluye el punto «pedir evidencia» — si también en tu trato diario con el Bot exiges un enlace en cada conclusión, la calidad de los informes será mucho más estable.
Resumen de esta lección
- ✅ Un Bot «especialista en investigación de rendimiento» + tres tipos de fuentes de datos (observabilidad, analítica, herramientas de incidentes), que convierte los incidentes de rendimiento en una investigación de rendimiento dirigida con evidencia mediante IA
- ✅ Comenzar con el starter prompt oficial: consultar paneles y traces, localizar el punto crítico de mayor confianza, informe corto con capturas y enlaces directos, hechos e hipótesis separados
- ✅ Respetar las dos líneas rojas oficiales: no modificar alertas, no tocar configuraciones de producción; los cambios solo se escriben como sugerencias y la ejecución queda en la aprobación
- ✅ Guardar como skill lo ajustado y auditable, y probarlo con cada nuevo incidente; el routine solo hace informes de salud periódicos
| Elemento clave | Valor de esta lección |
|---|---|
| Rol del Bot | Product performance (especialista en investigación de rendimiento) — investigación de rendimiento dirigida con evidencia |
| Apps conectadas | Observabilidad (paneles/traces), analítica, herramientas de incidentes; herramientas internas vía enrutamiento local |
| Prompt inicial | starter prompt oficial de Product performance (versión en chino adaptada) |
| skill | «Investigación de rendimiento» (seis elementos oficiales, invocable por nombre, compartido por todo el Bot) |
| routine | informe de salud semanal (opcional); los eventos activados solo generan informes, sin cambios en producción |
| línea de aprobación | no modifica alertas ni ajustes de producción; la ejecución de cambios siempre queda sujeta a aprobación |
Vista previa de la próxima lección
Próxima lección B3 La PC en la nube como entorno de desarrollo: después de que la investigación y la reproducción funcionen sin problemas, conoce la máquina en la que trabaja el Bot. Aprenderás:
/workspaceÁrea de trabajo persistente: dónde colocar los archivos y cómo compartirlos entre Bots- Hacer que el Bot ejecute scripts, instale dependencias y verifique el entorno en la PC en la nube
- Directorios como node_modules o venv no están dentro del alcance de la sincronización; tras una actualización hay que reinstalarlos
- Cómo maneja el Bot un disco casi lleno (primero informa sobre los archivos más grandes y solo elimina con tu consentimiento)