El Workbench

Una tercera interfaz para MatrixAI Studio, montada como un taller y no como una visita guiada: paneles movibles, una pestaña por modelo, una paleta de comandos, y todas las vistas del mismo modelo a un clic. Esta página recorre sus regiones y sus acciones, captura a captura, desde una sesión real.

Estado: viaja en la descarga, y sigue evolucionando

El Workbench viaja en el paquete de MatrixAI Studio. No es la interfaz de salida: el Studio abre en la de fases, y el Workbench está a un clic desde sus Ajustes —o en /workbench—. En la demostración pública no está: ahí se sirve una sola interfaz.

Sigue moviéndose: esta página cuenta lo que hay hoy, medido en una sesión real, y nada de aquí es una promesa sobre lo que viene. La descarga trae además las dos interfaces anteriores: la clásica —la de referencia, contra la que se mide cualquier otra— y la interfaz por fases, que recorre el ciclo de vida entero fase a fase.

Las capturas están en inglés. Se tomaron conduciendo la aplicación con la interfaz en ese idioma, y los rótulos que este manual cita —Build model, Save, los nombres de las fases— son los de esas imágenes. La aplicación habla también español: si la usas así verás esos mismos botones traducidos, y lo que hace cada uno es lo que cuenta este texto.

01
Distribución

Lo que ves al abrirlo

El Workbench abre con el Assistant delante y ningún documento cargado. Seis regiones se reparten la ventana:

  • La barra de actividad, la tira fina de iconos del extremo izquierdo: un icono por vista.
  • La barra lateral principal, que enseña la vista que esté seleccionada — aquí el Assistant y sus tres puertas.
  • El editor, en el centro, con una pestaña por documento abierto. Recién arrancado, la única pestaña es Welcome.
  • La barra lateral secundaria, a la derecha, el Inspector: describe lo que selecciones — un nodo, un campo, un entrenamiento.
  • El panel inferior, con Problems, Jobs, Output y Matrix Console.
  • La barra de estado: el documento abierto a la izquierda, y a la derecha si el backend contesta, qué LLM hay configurado, y si corre sobre CPU o GPU.

La barra de título lleva la caja de búsqueda (Ctrl+K), tres interruptores —barra lateral principal, panel inferior, barra lateral secundaria—, un selector de distribuciones predefinidas (Default Data Training Audit), un cambio al tema claro, y un enlace de paso a la interfaz por fases.

El Workbench recién abierto: barra de actividad, barra lateral del Assistant, editor vacío, Inspector y panel inferior
Recién arrancado. El editor vacío dice por dónde empezar en vez de dejar que lo adivines: empieza por el Assistant, abre un modelo desde My models, o pulsa Ctrl+K. Ver a tamaño completo ↗

La barra de actividad lleva ocho vistas:

Assistantpor donde empieza un modelo: describe lo que quieres, sube un CSV o parte de una plantilla
Explorerel árbol del proyecto abierto — sus modelos, sus datos y sus entrenamientos
My modelslos modelos que has guardado en el registro del core
Datalos datasets del proyecto
Training runsel historial de entrenamientos del proyecto
Auditlos hallazgos de auditoría del proyecto
Deploymentsdice sin rodeos que MatrixAI no despliega modelos ni reparte tráfico entre versiones — y señala Export, que es lo que se hace con un modelo terminado
Settingsapariencia, distribución, en qué fase está el Workbench, y los ajustes del core
Una vista no tiene por qué quedarse en la barra lateral: la paleta lleva comandos para mover una a la barra lateral secundaria o al panel inferior, y Reset layout lo devuelve todo a donde estaba.
02
Moverse

Ctrl+K — una caja para todo

La caja del centro de la barra de título es a la vez búsqueda y línea de comandos. Pulsa Ctrl+K, escribe, y la lista se estrecha según escribes; Esc la cierra. Sin escribir nada ya enumera lo que hay que hacer:

  • Reset layout — vuelta a la disposición de paneles de fábrica.
  • Ir a… una de las ocho vistas, sin buscar su icono.
  • New project y New model.
  • Import dataset y Generate sample dataset.
  • Las tres distribuciones predefinidas: Preset: Data, Preset: Training, Preset: Audit.
  • Mover una vista a otra región — la barra lateral secundaria, o el panel inferior.
La paleta de comandos abierta, enumerando reset layout, los comandos de ir a, nuevo proyecto y modelo, los comandos de datasets y las distribuciones predefinidas
La paleta sin haber escrito nada, en el orden en que se ofrecen los comandos. Ver a tamaño completo ↗
03
Empezar un modelo

Tres puertas

El Assistant ofrece tres puertas, y son las tres únicas formas en que nace un modelo: Describe lo que quieres en una frase, Upload CSV para que el core lea el esquema de tus propios datos, o empieza From a template.

La puerta Describe se abre en el editor como una pestaña más. Con una frase basta — el core deriva el esquema, propone una arquitectura y la deja verificable antes de que se entrene nada. Si prefieres no escribir desde cero, los ejemplos de prompt de debajo de la caja te la rellenan. Después, pulsa Build model.

La pestaña del Assistant: una caja de texto con un prompt escrito, la regla «start with a verb» y el botón Build model
La regla que decide si el core llega a construir una red —la frase necesita un verbo de tarea— y ocho ejemplos, uno por concepto, debajo de la caja. Ver a tamaño completo ↗
04
El modelo

La barra del documento — y por qué una acción está apagada

En cuanto un modelo está construido tiene su propia pestaña, y esa pestaña tiene su propia barra. Cuatro de las nueve entradas cambian la vista del mismo modelo; las otras cinco le hacen algo:

VistasDiagramla red tal y como la dejó el core, más el editor visual
VistasPipelinelas etapas que el core corrió para construirla
VistasSourceel texto .mxai que hay detrás del diagrama
VistasDatalos datos con los que este modelo va a entrenar
AccionesSaveguarda el modelo
AccionesValidatevuelve a correr las comprobaciones — lo que encuentren aparece en Problems
AccionesTrainarranca un entrenamiento; necesita datos
AccionesRun modelejecuta el modelo para sacar una predicción; necesita uno entrenado
AccionesExportempaqueta el modelo — ONNX, WASM o el paquete autocontenido — para descargarlo o publicarlo

Una acción que no puedes ejecutar ahora mismo se enseña apagada y con su motivo escrito en pantalla — en una línea justo debajo de la barra, no escondido en un globo que habría que descubrir pasando el ratón por encima de un botón gris. En la captura de abajo el modelo se acaba de construir y todavía no tiene datos, así que Train está apagado y la línea dice:

No data loaded to train with. Load a CSV in the Data view.

Run model se comporta igual sobre un modelo que nunca se ha entrenado:

This model has not been trained yet: anything it predicts would come from random weights. Train it first.

Cada motivo nombra lo que falta y dónde arreglarlo. Ésa es la regla que sigue la interfaz entera: nada se apaga en silencio.

La vista Diagram de un modelo construido, con la barra del documento arriba, debajo la línea con el motivo de la acción apagada, la tira de capas y el grafo
Vista Diagram. Bajo la barra, el motivo de que Train esté apagado. Sobre el lienzo, la red tal y como la dejó el core —INPUT[3] → Dense(64, relu) → Dense(32, relu) → Dense(1, sigmoid) → Probability, 2.369 parámetros entrenables— y una nota de que los pesos entrenados aparecerán después de entrenar. Ver a tamaño completo ↗
La barra lateral izquierda declara la construcción, no la decora. Fíjate en el veredicto: el modelo está accepted y a la vez marcado con Insufficient confidence, con la explicación escrita — nadie ha medido todavía la confianza, porque el modelo ni se ha entrenado ni se ha simulado. «Insufficient» ahí significa sin medir, no malo. Un valor ausente no es un cero, y el Workbench no lo redondea a uno.
05
El modelo

Pipeline — cómo lo construyó el core, etapa a etapa

La vista Pipeline enumera las etapas que corrió el core, cada una con su resultado. Empieza diciendo cuántas hubo y cuántas tienen algo que señalar — The core ran 9 stages, 3 with something to flag. — y la etapa que ha señalado algo imprime ahí mismo lo que tiene que decir.

En la sesión de abajo: Prompt Router, Parser, Verifier Agent, Safety Agent, Backend Contract y Python Compiler terminaron limpias. Dense Network Generator explica por qué se eligió una arquitectura densa. Type Check declara el nivel de interpretabilidad de la red. Training Verifier avisa de que el contrato de entrenamiento y la plantilla del CSV se generaron a partir del modelo actual —los datos reales todavía tienen que validarse antes de entrenar— y de que no se aportó un manifiesto del dataset con sus hashes y sus particiones.

La vista Pipeline enumerando nueve etapas con Completed o Warning, y el texto de cada aviso
Nueve etapas, tres de ellas con un aviso que dice de qué va. Sin ruedecita pensando, sin pasos escondidos. Ver a tamaño completo ↗
06
El modelo

Source — el .mxai que hay detrás del diagrama

El diagrama es el dibujo de un fichero de texto, y Source es ese fichero. El modelo está escrito entero: el proyecto, el vector de entrada con una línea por campo y su tipo, la red con su entrada, sus capas y su salida, el grafo que cablea los bloques entre sí, y el bloque de auditoría.

El texto es editable, y es donde se trabajan los bloques que el editor visual todavía no representa — Problems te dice exactamente cuáles (más abajo), y se conservan tal cual al guardar el modelo.

La vista Source enseñando el texto .mxai del modelo con números de línea y dos líneas marcadas
El modelo entero en veinticuatro líneas. Las dos líneas marcadas en el margen son de las que habla Problems. Ver a tamaño completo ↗
07
Datos

Data — carga un CSV, o genera uno

La vista Data es donde el modelo consigue algo con lo que entrenar, y es el sitio al que te manda el botón Train apagado. Con un proyecto vacío lo dice sin rodeos — No datasets — y ofrece las dos salidas: Load a CSV… con tu propio fichero, o Generate sample dataset para conseguir uno sintético que encaje con los tipos y los rangos de los campos de este modelo.

La vista Data en la barra lateral principal: sin datasets, con botones para cargar un CSV o generar un dataset de muestra
La vista Data sin nada cargado. Las dos salidas se ofrecen desde el mismo sitio. Ver a tamaño completo ↗
Un dataset generado es sintético: vale para comprobar que el camino entero funciona —construir, entrenar, evaluar, ejecutar— y no es la medida de nada real. Las puntuaciones de un conjunto sintético no dicen nada sobre tu problema. Carga tu propio CSV para tener números que signifiquen algo.
08
El panel inferior

Problems — lo que han encontrado las comprobaciones

Problems agrupa lo que ha encontrado la validación, documento a documento, detrás de tres contadores por los que se puede filtrar: Error, Warning e Information. Cada entrada nombra la línea a la que se refiere, para que puedas ir a mirarla en Source.

El modelo de esta sesión tiene cero errores y cero avisos, y dos entradas informativas — las dos diciendo con honestidad lo mismo: el bloque NETWORK se dibuja en el Diagram con sus capas pero no se edita desde el editor visual, y el bloque AUDIT lo entiende el core pero todavía no está representado en el editor visual. Los dos se conservan tal cual al guardar, y los dos se editan desde Source.

El panel Problems con los filtros Error, Warning e Information y dos entradas informativas que nombran las líneas 9 y 21
Dos entradas informativas, cada una con su línea y con dónde editarla, en vez de dejar el hueco sin explicar. Ver a tamaño completo ↗
09
El panel inferior

Jobs — el trabajo que lleva tiempo

Todo lo que el core hace en segundo plano tiene su fila en Jobs con su estado, así que una construcción larga o un entrenamiento no son una interfaz que se ha quedado callada. Abajo, el trabajo que produjo este modelo, terminado y declarado como Succeeded; la × de la derecha descarta una fila con la que ya has terminado.

El panel Jobs con una sola fila para el trabajo de construcción terminado, marcado como Succeeded
Una fila por trabajo en segundo plano. El estado está en la propia fila — no hay que ir a buscarlo. Ver a tamaño completo ↗
10
El panel inferior

Output — el log, por canal

Output es el log en marcha, filtrable por canal — All o, aquí, el canal del proveedor de LLM, cada uno con su propio recuento. Cada línea lleva su hora, su canal, su nivel y el nombre del evento que declara, así que un mensaje se puede rastrear hasta lo que lo produjo.

El panel Output con los filtros All y del proveedor de LLM y dos líneas de información con su hora
Dos entradas del canal del proveedor de LLM: la generación del modelo a partir de un prompt, y el trabajo que la completó. Ver a tamaño completo ↗
11
El panel inferior

Matrix Console — escribirle al core

La consola acepta comandos directamente. Te dice por dónde empezar —escribe help para que enumere lo que acepta— y la caja de entrada sugiere uno real, como model validate. Su salida se puede convertir en texto plano con View as copyable text, que es lo que quieres cuando vas a pegar un resultado en un informe o en un parte de fallo.

La Matrix Console en el panel inferior, con la pista de help, un botón de texto copiable y una caja de comando
La consola sin haber ejecutado nada. «help» enumera los comandos; el resultado de un comando se puede leer como texto copiable. Ver a tamaño completo ↗

El Workbench se está construyendo como un taller: da por hecho que sabes lo que quieres hacer y pone cada vista del modelo a un clic, en vez de llevarte por un camino numerado. Es una diferencia deliberada con la interfaz por fases, que sí recorre el ciclo de vida paso a paso — y es la razón de que las dos existan a la vez en lugar de que una sustituya a la otra.

No está terminado, y no está en el paquete que puedes descargarte hoy. Todo lo de esta página se capturó de una sesión real, así que lo que ves es lo que existe ahora mismo — ni maquetas, ni pantallas que solo funcionan en una demo.