Cómo dirigir a 30 agentes de IA: multiplicando por 10 la productividad en programación con Gastown
TuBrief 편집팀
2026년 2월 25일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
La era de hacerle preguntas a un simple chatbot y esperar respuestas ha terminado. Claude Code o GitHub Copilot son asistentes excelentes, pero resultan demasiado lentos y lineales para modificar sistemas empresariales donde se entrelazan cientos de archivos. Confiarlo todo a una sola IA, que pierde el contexto y se desorienta cuando las sesiones se alargan, es ahora el principal cuello de botella de la productividad.
Estamos en la era de la orquestación de agentes. El proyecto de código abierto Gastown, propuesto por Steve Yegge, aspira a ser un sistema de fábrica de software que activa simultáneamente más de 30 agentes de IA para descomponer funciones y construir en paralelo. Ahora, usted no debe ser solo un programador, sino el orquestador que dirige a este ejército de IA.
Gastown no es un simple envoltorio (wrapper) de IA. Adopta principios de computación distribuida para resolver la inestabilidad de los agentes individuales mediante la estructura del sistema. La clave reside en separar claramente los roles y fragmentar el trabajo en unidades atómicas.
El núcleo de esta estructura es escapar del Vibe Coding (programación basada en la intuición). Gastown impide físicamente que los agentes realicen commits directos en la rama principal a través de un sistema de ganchos (hooks) PreToolUse. Todo el código se escribe en ramas de características separadas y solo se integra tras superar las estrictas pruebas de verificación de la Refinería.
Asignar a decenas de agentes para cada tarea es un desperdicio de costes de API. Es necesario distribuir la potencia de fuego adecuadamente según la complejidad del trabajo.
| Tamaño del proyecto | Configuración de agentes | Estrategia clave de utilización |
|---|---|---|
| Pequeño (Corrección de errores) | 1 Alcalde + 1~2 Polecats | Concentrarse en dar instrucciones y revisar resultados más que en programar |
| Mediano (Nueva API) | 1 Alcalde + 5~10 Polecats | Progreso paralelo en tareas de frontend y backend |
| Grande (Cambio de arquitectura) | 1 Alcalde + 20~30 Polecats | Desplegar agentes testigos para resolver cuellos de botella en tiempo real |
En tareas de migración a gran escala, ejecutar 30 agentes reduce un trabajo que tomaría 6 horas manuales a unos 20 minutos. Sin embargo, esto requiere una optimización previa en la asignación de modelos. Asigne modelos de alto rendimiento como Claude 3.5 Sonnet al Alcalde encargado del diseño, y despliegue modelos con mejor relación coste-beneficio como Gemini para los Polecats que realizan implementaciones simples o pruebas, maximizando así la eficiencia de costes.
Supongamos que queremos añadir autenticación JWT a una aplicación basada en Go. El proceso para movilizar al ejército con una sola línea de comandos es el siguiente:
gt mayor attach.gt convoy list.gt status, proceda a la aprobación.Si el funcionamiento no es fluido, primero debe revisar el entorno. Es esencial confirmar que la versión de Dolt sea 1.82.4 o superior. Las versiones antiguas causan errores de sincronización en la base de datos Git, provocando conflictos entre agentes. Además, si hay problemas ejecutando el demonio, verifique con tmux -V que la versión sea 3.0 o superior y ejecute gt doctor --fix para inicializar el entorno.
Activar 30 agentes de IA simultáneamente significa que usted ya no se dedica a teclear. Ahora, la verdadera habilidad del ingeniero se mide por la precisión con la que registra las decisiones de arquitectura en documentos de directrices como CLAUDE.md.
Los agentes son excelentes colaboradores, pero sin una gestión adecuada, son como chimpancés superinteligentes capaces de paralizar el sistema. Asegúrese de ejecutarlos en un entorno experimental (Rig) separado y establezca límites de gasto en la API. Para reducir la fatiga de revisar docenas de PR individualmente, despliegue un agente adicional con el rol de "Sheriff de PR" para filtrar errores sintácticos y casos que no superen las pruebas en una primera fase. Su fábrica de software ya está lista para operar.