makedream
12:38AI LABS
Log in to leave a comment
No posts yet
En proyectos a gran escala, no es tu culpa si un agente de IA como Claude se desvía del camino. Los modelos sufren del fenómeno de "perdido en el medio" (Lost in the Middle), donde solo se enfocan en el inicio y el final de la conversación. Especialmente cuando el contexto supera el 60% de su capacidad, la calidad de la respuesta cae drásticamente. Si los archivos de instrucciones del sistema son demasiado largos, la IA gasta todos sus tokens leyendo archivos de configuración en lugar de enfocarse en la lógica importante.
Para evitar esto, no debes obligar a la IA a dispersar su atención.
/compact para limpiar el historial.Entregarle todo el código fuente a la IA es ineficiente. En su lugar, estandariza las interfaces primero. Crea archivos de esquema separados: OpenAPI para APIs y Zod o Pydantic para modelos de datos. De esta forma, la IA no necesita preocuparse por toda la lógica, sino que genera código solo dentro de las especificaciones proporcionadas. Según mis pruebas, al entregar los esquemas de esta manera, la cantidad de solicitudes de corrección repetitivas causadas por código incorrecto de la IA disminuyó en casi un 60%.
ai-context.md de menos de 100 líneas con la estructura central en la raíz del proyecto.grep para extraer y leer solo las líneas necesarias.El código generado por la IA suele parecer correcto, pero a menudo está lleno de errores. Utiliza Husky o marcos de trabajo de pre-commit para evitar que el código que no pase las pruebas de calidad sea siquiera fusionado.
eslint y tsc --noEmit en los hooks de pre-commit para bloquear errores de sintaxis y de tipo desde el origen.PreToolUse que realice escaneos de seguridad justo antes de modificar el código para evitar la filtración de claves API.Si la IA toca varios archivos, se producen efectos secundarios. Para evitar esto, utiliza las ramas como contenedores de trabajo, no solo como repositorios. Al dividir las ramas por unidades de funcionalidad, puedes aislar a la IA para que solo comprenda los cambios más recientes.
feature/auth-validation)./compact y anota las tareas pendientes en un archivo current-handover.md./clear para limpiar el historial anterior y carga nuevamente solo los archivos de esquema y el documento de transferencia necesarios.Al hacer esto, evitarás que la IA arruine el código debido a contextos pasados innecesarios.