Updated translations - (machine translation)

src/i18n/content/es/docs/ai-monitoring/compatibility-requirements-ai-monitoring.mdx

@@ -42,6 +42,16 @@ Monitoreo de IA es compatible con estas versiones de agente y biblioteca de IA:
       </td>
     </tr>
 
+    <tr>
+      <td>
+        [Versión de Java 8.12.0 y superior](/docs/apm/agents/java-agent/getting-started/compatibility-requirements-java-agent/#digital-intelligence-platform)
+      </td>
+
+      <td>
+        * [AWS SDK para Java v2 Bedrock Runtime Client,](https://github.com/aws/aws-sdk-java-v2/) versiones 2.20.157 y superiores
+      </td>
+    </tr>
+
     <tr>
       <td>
         [Node.js versión 11.13.0 y superior](/docs/apm/agents/nodejs-agent/getting-started/compatibility-requirements-nodejs-agent/#digital-intelligence-platform)
@@ -75,6 +85,16 @@ Monitoreo de IA es compatible con estas versiones de agente y biblioteca de IA:
         * [Gema OpenAI](https://github.com/alexrudall/ruby-openai) versión 3.4.0 y por encima
       </td>
     </tr>
+
+    <tr>
+      <td>
+        [.NET versión 10.23.0 y superior](/docs/apm/agents/net-agent/getting-started/net-agent-compatibility-requirements-net-core/#large-language-models)
+      </td>
+
+      <td>
+        * [AWS Bedrock](https://www.nuget.org/packages/AWSSDK.Bedrock/) versión 3.7.200 y por encima
+      </td>
+    </tr>
   </tbody>
 </table>
 

src/i18n/content/es/docs/ai-monitoring/customize-agent-ai-monitoring.mdx

@@ -32,6 +32,16 @@ Actualice el comportamiento predeterminado del agente para el monitoreo de IA en
     * [`spanEvents.maximumSamplesStored`](/docs/apm/agents/net-agent/configuration/net-agent-configuration/#span-max-samples-stored)
   </Collapser>
 
+  <Collapser
+    id="java-config"
+    title="Configuración de Java"
+  >
+    * [`ai_monitoring.enabled`](/docs/apm/agents/java-agent/configuration/java-agent-configuration-config-file/#ai-monitoring-enabled)
+    * [`ai_monitoring.record_content.enabled`](/docs/apm/agents/java-agent/configuration/java-agent-configuration-config-file/#ai-monitoring-record-content)
+    * [`custom_insights_events.max_samples_stored`](/docs/apm/agents/java-agent/configuration/java-agent-configuration-config-file/#cie-max_samples_stored)
+    * [`span_events.max_samples_stored`](/docs/apm/agents/java-agent/configuration/java-agent-configuration-config-file/#cfg-span-events-max-samples-stored)
+  </Collapser>
+
   <Collapser
     id="nodejs-config"
     title="Configuración de Node.js"
@@ -89,6 +99,13 @@ Consulte los documentos a continuación para ver ejemplos de cómo configurar el
     Consulte nuestros documentos API para [`SetLlmTokenCountingCallback`](/docs/apm/agents/net-agent/net-agent-api/setllmtokencountingcallback-net-agent-api)
   </Collapser>
 
+  <Collapser
+    id="java-token-method"
+    title="Método de recuento token de Java"
+  >
+    Consulte nuestros documentos API para [`setLlmTokenCountCallback`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/AiMonitoring.html#setLlmTokenCountCallback)
+  </Collapser>
+
   <Collapser
     id="nodejs-token-method"
     title="Método de recuento token de Node.js"
@@ -131,6 +148,16 @@ Hay dos métodos que debe implementar para reenviar este tipo de información:
     * [`RecordLLMFeedbackEvent`](https://pkg.go.dev/github.com/newrelic/go-agent/v3/newrelic#Application.RecordLLMFeedbackEvent)
   </Collapser>
 
+  <Collapser
+    id="java-feedback-methods"
+    title="Métodos de retroalimentación de Java"
+  >
+    Consulte los documentos de la API de Java para:
+
+    * [`TraceMetadata.getTraceId()`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/TraceMetadata.html#getTraceId)
+    * [`recordLlmFeedbackEvent`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/AiMonitoring.html#recordLlmFeedbackEvent)
+  </Collapser>
+
   <Collapser
     id="nodejs-feedback-methods"
     title="Métodos de retroalimentación de Node.js"

src/i18n/content/es/docs/apm/agents/java-agent/api-guides/ai-monitoring.mdx

@@ -0,0 +1,156 @@
+---
+title: API de monitoreo de IA
+tags:
+  - Agents
+  - Java agent
+  - API guides
+metaDescription: For information about customizing New Relic's Java agent for AI monitoring.
+freshnessValidatedDate: never
+translationType: machine
+---
+
+Cuando instrumentó su aplicación con monitoreo de IA, podrá acceder a alguna API para recopilar el recuento token y los comentarios de los usuarios. Para emplear la API de monitoreo de IA, verifique que su agente de Java esté actualizado a la versión 8.12.0 o superior.
+
+## Registro de recuento token [#token-count]
+
+Si deshabilitó el agente con `ai_monitoring.record_content.enabled=false`, puede usar la [`setLlmTokenCountCallback(LlmTokenCountCallback llmTokenCountCallback)`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/AiMonitoring.html#setLlmTokenCountCallback) API para calcular el `token_count` atributo. Esto calcula el recuento token para los eventos `LlmEmbedding` y `LlmChatCompletionMessage` sin registrar el contenido del mensaje.
+
+1. Implemente `LlmTokenCountCallback` para que anule el método `calculateLlmTokenCount(String model, String content)`. Esto calcula un recuento token en función de un nombre de modelo LLM determinado y el contenido o símbolo del mensaje LLM:
+
+   ```java
+       class MyTokenCountCallback implements LlmTokenCountCallback {
+           @Override
+           public int calculateLlmTokenCount(String model, String content) {
+               // Implement custom token calculating logic here based on the LLM model and content.
+               // Return an integer representing the calculated token count.
+               return 0;
+           }
+       }
+   ```
+
+2. Cree una instancia de la implementación `LlmTokenCountCallback` para registrar la devolución de llamada y luego pásela a la API `setLlmTokenCountCallback`. Por ejemplo:
+
+   ```java
+       LlmTokenCountCallback myTokenCountCallback = new MyTokenCountCallback();
+           // The callback needs to be registered at some point before invoking the LLM model
+       NewRelic.getAgent().getAiMonitoring.setLlmTokenCountCallback(myTokenCountCallback);
+   ```
+
+Para emplear la devolución de llamada, implemente `LlmTokenCountCallback` para que:
+
+* Devuelve un número entero que representa el número de tokens para un símbolo, mensaje de finalización o incrustación en individua.
+* Si los valores son menores o iguales a 0, `LlmTokenCountCallbacks` no se anexará a un evento.
+
+Tenga en cuenta que esta API debe llamar solo una vez. Llamar a esta API varias veces reemplazará cada devolución de llamada anterior.
+
+## Registrar comentarios de los usuarios [#user-feedback]
+
+monitoreo de IA puede correlacionar ID de traza entre un mensaje generado a partir de sus modelos LLM y la retroalimentación de un usuario final. La API [`recordLlmFeedbackEvent`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/AiMonitoring.html#recordLlmFeedbackEvent) construye un argumento con un mapa de la clase `LlmFeedbackEventAttributes.Builder`.
+
+Registrar los comentarios de los usuarios requiere dos pasos:
+
+1. Emplee la [`TraceMetadata.getTraceId()`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/TraceMetadata.html#getTraceId) API para adquirir el ID de traza para la transacción que se está ejecutando actualmente:
+
+   ```java
+   String traceId = NewRelic.getAgent().getTraceMetadata().getTraceId();
+   ```
+
+2. Agregue el [`recordLlmFeedbackEvent(Map<String, Object> llmFeedbackEventAttributes)`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/AiMonitoring.html#recordLlmFeedbackEvent) para correlacionar el ID de la traza con un evento de retroalimentación. A continuación se muestra un ejemplo de cómo podría registrar un evento de retroalimentación de LLM:
+
+   ```java
+   String traceId = ... // acquired directly from New Relic API or retrieved from some propagation mechanism
+
+   Map<String, String> metadata = new HashMap<>();
+   metadata.put("interestingKey", "interestingVal");
+
+   LlmFeedbackEventAttributes.Builder llmFeedbackEvenAttrBuilder = new LlmFeedbackEventAttributes.Builder(traceId, ratingString);
+
+   Map<String, Object> llmFeedbackEventAttributes = llmFeedbackEvenAttrBuilder
+           .category("General")
+           .message("Ok")
+           .metadata(metadata)
+           .build();
+
+   NewRelic.getAgent().getAiMonitoring().recordLlmFeedbackEvent(llmFeedbackEventAttributes);
+   ```
+
+La clase `LlmFeedbackEventAttributes.Builder` toma el siguiente parámetro:
+
+<table>
+  <thead>
+    <tr>
+      <th style="width:250px">
+        Parámetro
+      </th>
+
+      <th>
+        Definición
+      </th>
+    </tr>
+  </thead>
+
+  <tbody>
+    <tr>
+      <td>
+        `trace_id` (Requerido)
+      </td>
+
+      <td>
+        ID de la traza donde se produjo la finalización del chat relacionada con los comentarios
+      </td>
+    </tr>
+
+    <tr>
+      <td>
+        `rating` (Requerido)
+      </td>
+
+      <td>
+        Una calificación del usuario final. Por ejemplo, los valores podrían ser `good`, `bad` o una calificación entera.
+      </td>
+    </tr>
+
+    <tr>
+      <td>
+        `category` (Opcional)
+      </td>
+
+      <td>
+        Categoría de los comentarios proporcionados por el usuario final. Por ejemplo, los valores podrían leer `informative` o `inaccurate`.
+      </td>
+    </tr>
+
+    <tr>
+      <td>
+        `message` (Opcional)
+      </td>
+
+      <td>
+        Comentarios de texto de formato libre de un usuario final
+      </td>
+    </tr>
+
+    <tr>
+      <td>
+        `metadata` (Opcional)
+      </td>
+
+      <td>
+        Conjunto de pares de valores principales para almacenar cualquier otro dato deseado para enviar con el evento de retroalimentación
+      </td>
+    </tr>
+  </tbody>
+</table>
+
+Si los comentarios del usuario se registran en un hilo diferente o en un servicio diferente desde donde ocurrió el símbolo o la respuesta de LLM, es necesario:
+
+* Adquirir ID de la traza del hilo o servicio de origen
+* Propague esa ID al lugar donde se registrará el evento de comentarios del usuario.
+
+## Agregar atributo LLM personalizado [#custom-attributes]
+
+Puede ajustar su agente para recopilar atributos LLM personalizados:
+
+* Cualquier atributo personalizado agregado con la [`NewRelic.addCustomParameter(...)`](https://newrelic.github.io/java-agent-api/javadoc/com/newrelic/api/agent/NewRelic.html#addCustomParameter(java.lang.String,boolean)) API puede tener `llm.` el prefijo. Esto copia automáticamente esos atributos a `LlmEvent`
+* Si está agregando un atributo personalizado a los `LlmEvent`con la API `addCustomParameters`, cerciorar de que la API de llamada se produzca antes de invocar el SDK de Bedrock.
+* Un atributo personalizado opcional con un significado especial es `llm.conversation_id`. Puede usar esto para agrupar mensajes LLM en conversaciones específicas en APM.

src/i18n/content/es/docs/apm/agents/net-agent/install-guides/install-net-agent-on-aws-elastic-beanstalk.mdx

@@ -17,7 +17,7 @@ Asegúrese de tener una [cuenta de Amazon Web Services](http://aws.amazon.com/el
 
 ## Instalar el agente .NET
 
-Para instalar el agente .NET para la aplicación sitio web ASP.NET Core desplegar en AWS Elastic Beanstalk:
+Para instalar el agente .NET para la aplicación sitio web ASP.NET Core y desplegarlo en AWS Elastic Beanstalk, siga estos pasos. También puede encontrar proyectos de ejemplo funcionales para Windows y Linux en nuestro [repositorio de muestras de agentes .NET](https://github.com/newrelic/newrelic-dotnet-examples/tree/main/elastic-beanstalk).
 
 1. Cree una carpeta `.ebextensions` en la raíz de su aplicación y cree un archivo llamado `newrelic-dotnet-agent-install.config`. (El nombre de archivo exacto no es importante, pero debe tener una extensión `.config` .)
 
@@ -58,23 +58,10 @@ Para instalar el agente .NET para la aplicación sitio web ASP.NET Core desplega
        title="Amazon Linux 2023"
      >
        ```
-       files:
-         # Create the dotnet agent YUM repo definition
-         "/etc/yum.repos.d/newrelic-dotnet-agent.repo":
-           owner: root
-           group: root
-           content: |
-             [newrelic-dotnet-agent-repo]
-             name=New Relic .NET Core packages for Enterprise Linux
-             baseurl=https://yum.newrelic.com/pub/newrelic/el7/$basearch
-             enabled=1
-             gpgcheck=1
-             gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-NewRelic
        commands: 
          install_dotnet_agent:
            command: |
-             sudo curl -o /etc/pki/rpm-gpg/RPM-GPG-KEY-NewRelic https://download.newrelic.com/548C16BF.gpg
-             sudo rpm --import /etc/pki/rpm-gpg/RPM-GPG-KEY-NewRelic
+             sudo curl -o /etc/yum.repos.d/newrelic-dotnet-agent.repo https://download.newrelic.com/dot_net_agent/yum/newrelic-dotnet-agent.repo
              sudo yum -q makecache -y --disablerepo='*' --enablerepo='newrelic-dotnet-agent-repo'
              # this command installs the latest version of the dotnet agent.
              sudo yum install newrelic-dotnet-agent -y
@@ -96,7 +83,7 @@ Para instalar el agente .NET para la aplicación sitio web ASP.NET Core desplega
      </Collapser>
    </CollapserGroup>
 
-   3. Implemente su aplicación empleando la última versión de [AWS Toolkit para Visual Studio](https://aws.amazon.com/visualstudio/). También puede emplear la [CLI AWS ](https://docs.aws.amazon.com/cli/)para desplegar la aplicación.
+3. Implemente su aplicación empleando la última versión de [AWS Toolkit para Visual Studio](https://aws.amazon.com/visualstudio/). También puede emplear la [CLI AWS ](https://docs.aws.amazon.com/cli/)para desplegar la aplicación.
 
 Si su aplicación recibe tráfico, los datos deberían aparecer en unos minutos. Si no es así, consulte [No aparecen datos](/docs/agents/net-agent/troubleshooting/no-data-appears-net).
 

src/i18n/content/es/docs/logs/get-started/live-archives-billing.mdx

@@ -64,7 +64,7 @@ Para los propósitos de este ejemplo, en el mes 9 haríamos:
 
 Sumando todas las mediciones de los días, cada una de 1 GB mes, da un total de 30 GB meses al 1 de octubre. Por lo tanto, este cliente ha utilizado 30 GB Meses de almacenamiento durante el mes de septiembre.
 
-## ¿Cuándo verás tus datos?
+## ¿Cuándo verás tus datos? [#when]
 
 Los datos de Live Archives serán accesibles solo después de que se cumplan las siguientes condiciones: