¡NO DESPERDICIES TANTOS TOKENS! Agente de código PI vs OPENCODE con el mismo LLM local.

El objetivo principal es corregir un error donde las celdas ganadoras no se resaltan y mejorar la estética visual del tablero. Se utiliza un modelo pequeño de 3 billones de parámetros para demostrar que la eficiencia depende más del modelo que del entorno pesado. La configuración busca replicar un flujo de trabajo de desarrollo real en una computadora personal.

PI analiza el directorio y realiza lecturas parciales del archivo game.js de manera iterativa. El resultado final muestra un código funcional donde las marcas del ganador se iluminan correctamente y el espaciado entre celdas mejora la visibilidad. El reporte técnico generado incluye un diff detallado de las ediciones realizadas en el código fuente.

Para esta prueba se configura 'Basico', un agente minimalista dentro de OpenCode, con el fin de reducir la complejidad innecesaria. A pesar de lograr el mismo resultado visual y funcional en el juego, la arquitectura de OpenCode introduce retrasos significativos. El modelo Qwen 2.5 3B confirma su superioridad frente a modelos más grandes como Gemma 2 27B, que no logra gestionar las llamadas a herramientas necesarias para editar archivos.

Los entornos con demasiados ajustes de seguridad o prompts extensos pueden ralentizar el trabajo y agotar el contexto del modelo prematuramente. En este caso específico, un entorno más ligero como PI permite que el modelo trabaje con mayor libertad y rapidez. La experiencia concluye que optimizar los datos que entran en el contexto es más vital que las funciones adicionales del software de la interfaz.