Anthropic lanzó una nueva forma de "programar con vibra"

El video comienza explicando que el principal problema de los agentes de IA, como Claude Code, es su limitada ventana de contexto, lo que restringe su capacidad para recordar acciones anteriores. Esto provoca que, al intentar una tarea grande, el modelo se compacte repetidamente, olvidando la tarea principal y volviéndose ineficaz para proyectos de larga duración. Esta limitación es crucial porque impide que los agentes mantengan una comprensión coherente del progreso del proyecto. La falta de memoria contextual lleva a implementaciones incompletas y a la necesidad de reiniciar el proceso.

Anthropic ha lanzado una solución inspirada en cómo trabajan los equipos de ingeniería reales para abordar las fallas en tareas largas. Se identifican dos razones clave por las que los agentes de IA fallan: primero, intentar construir aplicaciones o características grandes de una sola vez agota el contexto del modelo, llevando a implementaciones incompletas después de una compactación repetida. Segundo, las menores capacidades de prueba de Claude hacen que marque características no probadas como completadas, asumiendo que funcionan correctamente cuando en realidad no es así. Esta falta de validación automática es un obstáculo significativo para la fiabilidad del código generado.

La solución propuesta por Anthropic implica el uso de un agente de inicialización y un agente de codificación que trabajan en armonía, emulando la dinámica de los equipos de software reales. Este flujo de trabajo, aunque inicialmente diseñado para agentes personalizados, se adapta eficazmente a las instancias de Claude Code. La idea central es dividir las responsabilidades para optimizar la gestión del contexto y la ejecución de tareas complejas. Esta separación de roles permite una aproximación más estructurada y eficiente al desarrollo de software.

El primer agente se encarga de inicializar correctamente el entorno para el agente de codificación, un proceso que requiere paciencia. Esto incluye la creación de un archivo `Claude.md` con una descripción general del proyecto y la generación de un JSON de lista de características que detalla las funcionalidades y sus pasos de prueba, marcadas inicialmente como fallidas para forzar la prueba. Se utiliza JSON en lugar de Markdown para facilitar la gestión del contexto. Además, se conecta Puppeteer para pruebas de navegador, y se establecen un script de inicialización y un archivo `progress.md` para el seguimiento del estado de finalización del proyecto.

Se establecen pautas claras para el agente de codificación, como actualizar `progress.md` después de cada ejecución y probar cada característica después de su implementación. La práctica más importante es realizar commits a Git con registros claros, lo que permite rastrear el progreso y revertir cambios si es necesario, mostrando lo que está completado. Claude debe abstenerse de modificar la lista de características más allá de marcarlas como implementadas, asegurando la integridad del plan de trabajo. Este sistema de control de versiones es fundamental para la estabilidad y la trazabilidad del proyecto.

Una vez configurado el entorno, el agente de codificación implementa cada característica del JSON de forma incremental, una por una. Claude crea mensajes de commit descriptivos, lanza el navegador para pruebas cuando es necesario y actualiza el JSON (de falso a verdadero) y `progress.md` tras verificar el funcionamiento de la aplicación. Este enfoque incremental permite reanudar el trabajo exactamente donde se dejó, ya que todo se rastrea en los registros de Git y el archivo de progreso, no en el código en sí. Además, reduce la tendencia de Claude a marcar características como completas sin pruebas adecuadas, asegurando una construcción robusta y la identificación temprana de errores que no son obvios solo con el código.

El video compara este flujo de trabajo con el método BMAD, señalando similitudes pero destacando que el enfoque de Claude es más fácil de usar y tiene una mejor utilización del contexto, usando solo el 84% del contexto después de implementar muchas características. Aunque BMAD es un sistema completo y esto es una idea que necesita ser implementada, se sugiere que BMAD podría beneficiarse de incorporar el sistema Git propuesto. Finalmente, el orador presenta Autometer.dev, su empresa, que aplica estos flujos de trabajo para ayudar a clientes a construir productos más rápido, actuando como un copiloto técnico y ofreciendo servicios de desarrollo para convertir conceptos en soluciones funcionales. Se invita a los interesados a contactar a hello@autometer.dev.