Esquizofrenia de los LLM: el recetario de un codificador de vibraciones

El autor, un programador con más de 20 años de experiencia, describe un método para usar agentes de IA en la escritura de proyectos de producción a gran escala. Sostiene que las tareas grandes fracasan no por el modelo, sino porque una sola sesión intenta serlo todo a la vez. La solución es crear subagentes: archivos Markdown que definen un rol, un modelo y herramientas permitidas, que operan con contextos limpios y mueren tras completar su tarea. El 'grupo' del autor incluye un arquitecto, un desarrollador, un revisor (solo lectura), un probador que verifica que los tests sean 'letales' rompiendo código, un experto en seguridad y un DBA. Una idea clave es usar un modelo más barato para la ejecución y uno más caro para la revisión, porque un error del revisor pasa desapercibido. El proceso se codifica en 'habilidades': archivos con una descripción, cuerpo y detalles, que crecen a partir de incidentes, como la regla de verificar datos, no informes. La planificación es esencial: los humanos revisan el plan para detectar errores costosos temprano, y los planes deben ser actualizados por un arquitecto antes de un trabajo grande. El autor enfatiza que el estado debe registrarse en archivos porque los agentes no tienen memoria entre sesiones. Las reglas del proyecto (CLAUDE.md) y un único script de verificación con un código de salida honesto sirven como pegamento; las reglas son precedentes fechados y los checks no pueden omitirse. Empieza pidiendo al modelo que cree un subagente revisor, luego convierte instrucciones repetidas en una habilidad y deja que el grupo crezca orgánicamente. El costo: significativamente más tokens, el tiempo humano se desplaza a revisar informes y resolver disputas, y las reglas se romperán, pero eso es normal. El enfoque solo vale la pena para tareas que no caben en un solo contexto.