Explicador en lenguaje claro
Agents de IA para programar, y qué pasa de verdad en el bucle
¿Cómo funcionan los agents de IA para programar?
Un agent de código es un modelo de lenguaje envuelto en un bucle con herramientas: leer un archivo, buscar en el repositorio, editar, correr los tests, leer la salida, volver a decidir. El modelo nunca edita tu proyecto directamente. Propone una llamada a una herramienta, el harness la ejecuta y el resultado vuelve como texto que el modelo lee en el turno siguiente. Casi todo lo que separa a un buen agent de uno malo vive en ese harness: qué herramientas hay, qué contexto se junta y dónde se le pide confirmación a una persona.
Revisado por última vez el
No te quedes en leerlo. Opera tú mismo el mecanismo en una lección interactiva corta.
Míralo funcionar: El harness: el bucle, hecho realidad →Gratis, sin código, sin registro.
Lo que la gente entiende mal
- Entiende todo tu repositorio. Ve lo que el harness trajo al contexto en este turno, que suelen ser unos pocos archivos.
- Si pasan los tests, el cambio está bien. Los tests solo prueban lo que comprueban. Los agents son buenos satisfaciendo una comprobación y perdiendo la intención.
- Un modelo mejor es toda la respuesta. El diseño de las herramientas, el retrieval y un bucle de feedback corto cambian los resultados al menos tanto como el modelo.
Dónde lo ves en productos reales
- Agents de terminal y de editor como Claude Code y Cursor.
- Revisión automática de pull requests y sugerencias de arreglo sobre un repositorio.
- Agents en segundo plano que toman un issue y abren un pull request en borrador.
Preguntas frecuentes
- ¿Por qué un agent funciona mejor en un repositorio chico y bien testeado?
- Porque su bucle de feedback es la suite de tests. Cuando un cambio se puede comprobar en segundos, un paso equivocado se detecta y se corrige en el turno siguiente. Sin esa señal el agent adivina, y las adivinanzas se acumulan paso a paso.
- ¿Cómo consigo mejores resultados de un agent de código?
- Dale una forma de comprobarse a sí mismo y una tarea estrecha. Un test ejecutable, un criterio de aceptación claro y un alcance chico le ganan a un prompt largo. Señalarle los dos o tres archivos relevantes también le gana a esperar que su búsqueda los encuentre.
- ¿Es seguro dejar que un agent ejecute comandos?
- Depende de a qué llegue el comando. Córrelo en un directorio de proyecto con control de versiones, deja las credenciales de producción fuera del entorno y exige confirmación para cualquier cosa que suba, despliegue o borre. Al modelo lo puede convencer el texto que lee, así que el límite tiene que imponerse fuera de él.
Explicadores relacionados
Más en Agents y herramientas
Parte de See How AI Works, un curso interactivo gratuito, donde aprendes cómo funciona la IA moderna operándola, no viendo videos.