Olvida Codex vs Claude Code, Goal Buddy finalmente soluciona ambos
AAI LABS
Computing/SoftwareSmall Business/StartupsInternet Technology
Transcript
00:00:00este es Gary el caracol y ha identificado una brecha en el mercado para crear una plataforma de citas para caracoles
00:00:04pero como es súper lento quiere que Claude Code maneje autónomamente sus tareas de larga duración
00:00:09afortunadamente para él, los agentes se han vuelto muy buenos en tareas de larga duración, Claude Code tiene un
00:00:13comando de objetivo que simplemente mantiene al agente ejecutándose hasta que la tarea se completa, pero durante nuestras
00:00:18pruebas descubrimos muchos problemas con el comando de objetivo, ya que Gary pasó recientemente por un
00:00:22divorcio y queremos que sea feliz, encontramos esta herramienta de código abierto que realmente soluciona el problema
00:00:28y no solo funciona con Claude Code, sino también con Codex, repartiendo amor justo como tu mamá, a quien estoy
00:00:32seguro que te quiere tanto como a tu hermano empleado, Claude Code lanzó previamente un comando llamado
00:00:38objetivo que mantiene al agente trabajando hasta que se cumple una condición, no cubrimos este en nuestro
00:00:42canal, pero probablemente ya lo conozcas, antes de esto había un plugin llamado Ralph Wiggum
00:00:47que ganó mucha tracción, el cual esencialmente hacía lo mismo, usaba hooks para alimentar el prompt
00:00:52de vuelta a Claude Code hasta que la condición se cumplía realmente, pero la cosa es que estas condiciones necesitan ser una
00:00:57coincidencia exacta porque el bucle de Ralph usa un script de shell para comprobar la condición literalmente, como
00:01:02el guardia del aeropuerto que no te deja pasar porque tu spray corporal masculino supera el límite
00:01:06de equipaje, el comando de objetivo funciona diferente, toma la condición y la conversación hasta el momento y se la da
00:01:11a un modelo pequeño que es Haiku, y este modelo evalúa inteligentemente si la tarea está hecha o no
00:01:17devuelve una decisión de sí o no, y un no le dice a Claude que siga iterando en la misma tarea, como cuando tu jefe
00:01:22te dice que mejores la experiencia de usuario porque él simplemente no puede encontrar un botón en la página, así que esto hace
00:01:27que la evaluación sea subjetiva y, para cosas que no podemos cuantificar por sí mismas, esa es una mejora real
00:01:32el objetivo funciona bien para muchas tareas, pero todavía tiene muchos problemas, el primer problema es que
00:01:37no utiliza ninguna base de conocimiento o sistema de archivos que rastree el progreso de la tarea, y como
00:01:42no hace eso, la única fuente de verdad para el agente se convierte en el contexto del chat, esto podría disparar
00:01:47tu memoria ya que fue tu papá quien escribió la fortuna en cripto en una nota adhesiva que se cayó del refrigerador en
00:01:522017, una vez que la sesión termina por cualquier razón y el objetivo no se completó, seguro puedes reanudarlo usando
00:01:58el comando de reanudación de Claude, el objetivo no se perderá, pero la única forma en que sabe dónde se quedó es el
00:02:03contexto del chat, y como este comando está pensado para tareas de larga duración, no simples, las cosas pueden
00:02:08estropearse en medio, y por supuesto con el objetivo ejecutándose durante horas, la hinchazón del contexto y alcanzar la compactación
00:02:13está destinado a convertirse en un problema real en algún momento, después de la compactación la salida del agente empeora
00:02:18empezará a comportarse como mi abuela que, debido a su demencia, está empezando a olvidar el nombre de este
00:02:22canal, necesito que vean el último video por ella, otro problema es que no
00:02:27divide las tareas en otras más pequeñas, en su lugar, simplemente usa el agente principal y hace el desglose de la tarea
00:02:32por sí solo, de la forma en que Claude Code normalmente lo hace, así que no hay un plan estructurado y el agente puede perder la pista
00:02:37de lo que queda por hacer, y aunque esto podría funcionar bien para algunos casos, una definición poco clara
00:02:42de cómo se ve el “hecho” para los agentes nunca es lo correcto, el objetivo depende enteramente de
00:02:47el modelo para evaluar la finalización, así que podría no ser tan efectivo en algunos casos, es mejor que
00:02:52Ralph Wiggum siendo completamente estricto al usar scripts, pero al menos debería haber alguna métrica
00:02:56que le diga al agente cómo podría verse el “hecho”, justo como tu fotógrafo de bodas que seguía diciendo
00:03:01una foto más hasta que todo el evento terminó, así que aquí es donde el objetivo se queda corto y estas cosas
00:03:05podrían no parecer mucho, pero cuando se ponen en flujos de trabajo pesados reales pueden traer serios problemas
00:03:10ahora, Goal Buddy es una herramienta que se construyó con un propósito: hacer que el comando objetivo realmente funcione
00:03:16como debería, resuelve todos los problemas de los que acabamos de hablar, pero no está recibiendo tanta
00:03:20atención como debería dada su utilidad, es como la niñera atractiva, excepto que en lugar de coquetear
00:03:25contigo, ella simplemente está cuidando tus tareas de larga duración, el objetivo no conserva el estado del trabajo
00:03:30localmente, así que esta herramienta soluciona eso y realmente obliga al objetivo a leer y actualizar el estado local en lugar de depender del
00:03:36historial del chat, y también termina con pruebas para que el agente realmente sepa cómo se ve el “hecho” antes de que
00:03:42empiece, para rastrear el progreso también incluye todo un tablero donde puedes vigilar
00:03:46a tu agente trabajar mientras lo hace, y para manejar todo esto está construido sobre tres agentes que son el
00:03:51explorador, el trabajador y el juez, básicamente un equipo de inicio de Y Combinator donde uno hace todo el trabajo, uno
00:03:56lo observa hacerlo y uno los juzga a ambos en Twitter, la instalación es bastante sencilla, solo
00:04:01copia el comando de instalación y pégalo en la carpeta de tu proyecto, se instalará como un plugin
00:04:06disponible para Claude Code y Codex, una vez que inicias una nueva sesión puedes ver el comando
00:04:10disponible para usar, así que estos tres agentes tienen un rol y nivel de acceso estrictamente definidos, ya que esta
00:04:16herramienta está construida para Codex también, los agentes están definidos en TOML en lugar del Markdown estándar, el
00:04:21primer agente es el juez, que solo tiene acceso de lectura, analiza escépticamente decisiones difíciles como el alcance arriesgado,
00:04:26fuentes contradictorias y otros patrones para asegurarse de que la tarea se complete de forma segura, sus
00:04:31instrucciones prohíben editar porque existe solo para hacer juicios, nada más, y como su
00:04:36tarea es altamente crítica, el razonamiento de este agente se establece al máximo para que las decisiones se tomen adecuadamente
00:04:42es exactamente como cuando has estado componiendo ese mensaje a tu crush durante cuatro horas seguidas en
00:04:47la mitad de la noche, después de que termina de trabajar devuelve una estructura JSON con las decisiones aprobadas y
00:04:52rechazadas junto con la lógica, el explorador es otro agente de solo lectura que mapea una tarea activa
00:04:57y crea un recibo de evidencia compacto para ella, como su trabajo es solo comprobar el estado de la tarea
00:05:02su esfuerzo de razonamiento se mantiene bajo, justo como el portero de tu club de striptease favorito, realmente no le importa
00:05:07tanto, y luego está el agente trabajador, el único con acceso de edición, hace el trabajo real y
00:05:12solo se le permite ejecutar una tarea a la vez, también existe el rol de PM que es el hilo principal que
00:05:17coordina el flujo de trabajo, se comporta como un gerente de proyecto real haciendo el mínimo trabajo posible
00:05:22es la única autoridad que puede marcar realmente la tarea como hecha, el flujo de trabajo central comienza expresando
00:05:27la intención de la tarea en palabras adecuadas, no vagamente como nosotros los homo sapiens solemos hacer, sino de una forma que el
00:05:33agente pueda entender correctamente, y luego se define el oráculo, el oráculo es básicamente una señal observable
00:05:38que identifica el resultado, es contra lo que el sistema itera para ver si la tarea puede ser
00:05:43marcada como hecha o no, podría ser cualquier cosa: una suite de pruebas, un recorrido por navegador, cualquier artefacto, benchmarks o el código
00:05:49que convierte mi microondas en una máquina del tiempo, porque ¿por qué no? los agentes de IA están haciendo cualquier cosa a estas alturas
00:05:54luego el siguiente paso es surface, desglosa la tarea en pasos accionables, crea el tablero y mapea
00:06:00las tareas en un formato visual, la última pieza es el PM, él es el gerente en este caso y mantiene el objetivo funcionando
00:06:06hasta que la auditoría final marca que el objetivo se cumplió, para usar Goal Buddy simplemente ejecutas el comando de preparación de objetivo
00:06:11este es el que inicializa el flujo de trabajo y defines el objetivo que quieres que logre, primero
00:06:16asegura que los agentes estén instalados y listos para ser usados, luego inicia el flujo de trabajo, pero a diferencia
00:06:21del comando objetivo nativo, es extremadamente autoconsciente y primero elimina sus propias ambigüedades haciendo
00:06:27preguntas para que puedas definir claramente la implementación, y justo como tu esposa sospechosa
00:06:32seguirá haciendo preguntas hasta que haya entendido, el primer paso se enfoca en crear los archivos de objetivo, coloca
00:06:38la solicitud original junto con nuestras respuestas y luego lo mapea al objetivo adecuado en un lenguaje que el agente
00:06:43pueda entender, contiene un resumen de toda la información y luego define el oráculo
00:06:48que es la parte más importante, el oráculo para esta tarea es sencillo: todas las pruebas deben pasar con
00:06:53un comportamiento adecuado, este tipo de objetivo es específico porque puede ser evaluado
00:06:57programáticamente, a diferencia de tu historia de encubrimiento de anoche que tu esposa no está comprando, Goal Buddy desglosa todo el flujo de trabajo
00:07:03en tareas pequeñas y realizables, estas se llaman “slices”, pero a diferencia del mundo real, el tamaño no importa aquí
00:07:08porque un “slice” pequeño no significa una tarea pequeña, significa algo que es seguro, que se puede verificar fácilmente
00:07:14y que se puede ejecutar individualmente, también define explícitamente el tamaño de división segura en el documento, crea
00:07:19el archivo state.yaml que rastrea el proyecto y las tareas y define cómo se vería el bucle PM, el state.yaml consiste en
00:07:26todos los objetivos y reglas con todas las tareas desglosadas por sus IDs y el agente asignado, contiene
00:07:31un campo para rastrear la tarea activa también, menciona el tablero vinculado, enumera todos los “por hacer”
00:07:36y las tareas en curso, en nuestro caso, el agente explorador está actualmente en curso y está mapeando todos
00:07:42los archivos y endpoints, así que para iniciar el bucle simplemente copia este comando y ejecútalo, le instruye a Claude a
00:07:47establecer el objetivo de hacer todo en el archivo goal.md, desde ahí elegirá la primera
00:07:52tarea activa como un rey y luego llamará a sus agentes subordinados para realizarla, una vez que el explorador ha completado
00:07:58el trabajo, actualiza el archivo de progreso con todos sus hallazgos y los documenta en un directorio separado
00:08:03también actualiza el tablero de activo a completado, luego el bucle elige la siguiente tarea, la marca como
00:08:08activa e inicia el agente juez, el juez revisa críticamente los hallazgos y secuencia el informe
00:08:13en la menor cantidad posible de divisiones verticales, que es el desglose de tareas para que el trabajador lleve a cabo
00:08:18independientemente, luego actualiza el recuento de divisiones y actualiza el archivo de estado en consecuencia, cada tarea
00:08:22enumera explícitamente los archivos permitidos, cómo verificarlos y cuándo detenerse, así es como define cada división
00:08:28para que los agentes tengan una salida esperada clara, comprobaciones y todos los detalles necesarios, luego uno por uno
00:08:33inicializa el agente trabajador y comienza con la primera división, el progreso de cada agente puede ser rastreado
00:08:39usando el tablero, sabrás qué está haciendo cada tarea, qué agente está activo, qué tareas están en cola y
00:08:44cuáles están completadas, así que no tienes que monitorear las cosas tú mismo y puedes darle a tus hijos
00:08:48el tiempo que necesitan, una vez que todas las tareas se han completado, realiza la última auditoría como PM
00:08:53asegurándose de que todas las pruebas se han realizado adecuadamente, una vez que la auditoría está hecha, marca al juez
00:08:58la tarea de auditoría final del agente como hecha y luego marca el objetivo como completado, después de esto tienes que empezar
00:09:03a rezar y esperar que esos agentes no hayan alucinado, en general, esto funcionó considerablemente bien dada la
00:09:09complejidad y la escala de la aplicación que le dimos, pero creemos que se podría añadir una paralelización más efectiva
00:09:13porque hizo todo secuencialmente, manejó una tarea a la vez y no hizo uso de
00:09:18las capacidades de paralelización de Claude Code en absoluto, Dario se habría sentido decepcionado al ver esto
00:09:23pero dado lo bien que planificó el flujo de trabajo, funcionó bastante bien, también si estás disfrutando nuestro contenido
00:09:28considera presionar el botón de “hype” porque nos ayuda a crear más contenido como este y llegar a más
00:09:33personas, también queríamos probar Goal Buddy en algo más genérico como diseñar una interfaz para ver cómo
00:09:38maneja tareas que no se pueden evaluar programáticamente, la prueba anterior fue sobre un flujo de trabajo específico con
00:09:44criterios claros de aprobado y reprobado, pero justo como tú al recibir ese corte fresco de tu barbero, algunas tareas
00:09:49simplemente no tienen eso, así que primero le dimos al comando objetivo habitual un prompt vago, inicializó el objetivo
00:09:54las tareas consultaron al asesor y dieron un sitio web en poco tiempo, siendo perezoso simplemente creó una página HTML simple
00:10:00y no optó por ningún framework, pero la página de aterrizaje no se veía mal, así que le dimos exactamente el mismo prompt a
00:10:05Goal Buddy también, una vez que empezó, siguió el mismo flujo de trabajo y dio una sesión de preguntas similar
00:10:10para aclarar la intención con nosotros, aquí Goal Buddy realmente pidió el stack tecnológico también, normalmente
00:10:14llamaría a esto “hacer la pelota”, pero como me tomo en serio a mi agente de IA, lo llamaré ser meticuloso, de manera similar
00:10:20creó el tablero y el archivo goal.md y tradujo nuestra solicitud original en un objetivo adecuado, también
00:10:26identificó correctamente el oráculo, pero el oráculo en la tarea anterior era simple: solo necesitaba pasar todas las
00:10:31pruebas, este tenía objetivos diferentes, definió la tarea como completa cuando el servidor de desarrollo estuviera arriba y
00:10:36funcionando y los recorridos por el navegador confirmaran que todas las secciones funcionan según lo definido, así es como convirtió una
00:10:41tarea no cuantificable en algo cuantificable, también creó el state.yaml de nuevo con el oráculo,
00:10:47reglas, agentes y todas las tareas enumeradas y luego comenzó a trabajar de la misma manera, tomó un tiempo más
00:10:52largo que el comando objetivo normal, pero terminó implementando la aplicación adecuadamente, este no será un
00:10:57problema para Gary el caracol, pero deberías hacer algunas flexiones mientras tanto, puedo ver que has engordado
00:11:02comparativamente todo el sitio web funcionó significativamente mejor que lo que creó el simple comando objetivo
00:11:07si realmente quieres ser un fundador de B2B SaaS de IA al que le gusta construir en lugar de solo ver tutoriales
00:11:12entonces deberías ser un AI Labs Pro, realmente tendrás nerds de ideas afines como nuestro equipo allí con
00:11:17recursos de los videos y muchos otros regalos también, el enlace estará en la descripción y
00:11:22puedes echarle un vistazo, eso nos lleva al final de este video, si te gustaría apoyar el canal
00:11:27y ayudarnos a seguir haciendo videos como este, puedes hacerlo usando el botón de “super thanks” de abajo, como siempre
00:11:32gracias por ver y te veré en el próximo
Community Posts
No posts yet. Be the first to write about this video!
Write about this video