Los agentes ya escriben código más rápido de lo que puedes revisar.
Si tu único control de calidad son ojos humanos leyendo diffs, te estás convirtiendo en un bloqueante.
Por eso, de los 6 principios que compartimos, hay uno que nos parece muy poderoso: verificación determinística.
La idea es simple. Que el agente valide todo lo que se puede validar sin ambigüedad:
- Linters y chequeo de tipos.
- Pruebas y CI.
- Reglas de arquitectura. Por ejemplo, que el dominio no importe de infraestructura, y un linter que lo verifica en cada cambio.
La revisión humana se reserva para lo que no se puede verificar automáticamente: intención, diseño, trade-offs.
Cuando preparas tu proyecto para que el agente verifique su propio trabajo, dejas de ser un bloqueante y pasas a revisar lo que de verdad importa.
¿Tu proyecto está preparado para que el agente verifique lo que genera, o todo pasa por ojos humanos?
Medí mi último mes con Claude Code.
299 mensajes. 39 sesiones. +12.000 líneas.
Los insights más bacanos de cómo lo use para @arkandia_ai:
1. No lo usé para programar. El 90% fue Markdown, no código.
Lo usé para construir el cerebro de Arkandia: una wiki (pronto un producto) donde caen reuniones y decisiones, y salen páginas conectadas.
2. 32 de 39 sesiones fueron completadas exitosamente. No por la herramienta, por cómo la uso:
- Lo repetitivo lo volví skills.
- La adapté a mí, no al revés.
- Leo cada salida con detalle.
3. Mi trabajo real ya no es escribir.
Ahora es planear y revisar. La velocidad y la efectividad vinieron del sistema más que del modelo en sí.
----
Si quieres repetir este ejercicio, corre /insights desde Claude Code.
Lo que el agente no ve en tu repositorio, lo inventa.
Esto es lo que ponemos en el AGENTS.md de los proyectos con los que trabajamos:
1. Descripción y navegación 🧱
- Tecnologías, arquitectura y propósito en 3 líneas. El AGENTS.md es el punto de entrada.
- Mapa de dónde vive cada cosa: @business.md, @architecture.md, @data-model.md, @infrastructure.md.
2. Comandos reproducibles
- Instalación, entorno de desarrollo y verificación: copiables y pegables.
- Un solo comando que corra linters, tipos y pruebas de un golpe.
3. Estilo y convenciones
- Reglas de código que se aparten del estándar del lenguaje: las demás el agente ya las sabe.
4. Reglas no evidentes
- Las restricciones que no se deducen del código: límites de capas, reglas de acceso, excepciones en migraciones.
- Si algo en tu repositorio solo se entiende con historia oral, ponlo por escrito.
5. Decisiones de arquitectura
- No van en el AGENTS.md. El AGENTS.md enlaza a @docs/adrs/ — ahí vive el por qué.
- El agente que no conoce el por qué de algo lo cambia sin darse cuenta.
6. Cómo verificar lo que genera ✅
- Convenciones de pruebas y una matriz de verificación por tipo de cambio.
- Los agentes iteran rápido. Sin ciclo de verificación claro, no hay retroalimentación.
Una advertencia: el largo importa. Si el AGENTS.md es muy extenso, el agente empieza a ignorar las instrucciones. Cada línea debería pasar esta prueba: ¿quitarla causaría un error? Si no, no va.
Hay 6 principios que consideramos fundamentales al hacer desarrollo guiado con IA:
1. Crear contexto 🧠
- Es fundamental que tu repositorio tenga documentación que guíe al agente.
- Debería haber por lo menos un AGENTS.md.
- Aplica progressive disclosure.
2. Planear antes de construir 📋
- El plan va antes de escribir código. Así aprendí yo a programar, y todavía lo aplico con IA.
- 30 minutos planeando te ahorran horas corrigiendo.
3. Todo en el repositorio 📁
- Los agentes son brutalmente buenos con archivos.
- Arquitectura, infraestructura, estándares: versionado junto al código.
4. Acceso directo a herramientas 🛠
- El agente consulta BDs, gestor de proyectos, y sistemas de logs por sí mismo.
- Mínimo copy-paste entre herramientas y el chat. Idealmente cero.
5. Verificación determinística ✅
- Tu repo necesita linters, chequeo de tipos, pruebas, integración continua.
- Revisión humana solo para lo que las máquinas no pueden juzgar.
6. Evolución constante ♻
- Las mejores prácticas de hoy son punto de partida, no destino.
- La configuración inicial que hagas en tus repositorios debe ir mejorando en la medida que los modelos y las herramientas lo siguen haciendo.
🚨 #URGENTE | Desapareció el pequeño Matías, de tan solo 4 años, hace 4 días en la localidad de Engativá, en Bogotá.
Su familia y las autoridades piden ayuda urgente de la ciudadanía para dar con su paradero. Cualquier información puede ser clave para encontrarlo sano y salvo. 🙏🏼
📢 Compartir también puede salvar vidas.
#Desaparecido #Engativá #Bogotá #AyúdanosAEncontrarlo #NiñezProtegida
"No tengo un proceso claro para integrar IA en mi trabajo."
Eso nos dijeron el 28% de los devs y líderes que encuestamos.
Para eso hicimos el workshop: un método que va del requerimiento al PR, paso a paso.
El precio de lanzamiento cierra mañana.
🔗 https://t.co/lCriZ9AlFe
We just released a free, open source course - GitHub Copilot CLI for Beginners! 🚀
8 chapters. One hands-on project throughout. Goes from install to context, custom agents, skills, MCP servers, and more.
Fire up your terminal and start building. ✨
🎓 Course: https://t.co/uQe4b7Q3WF
📝 Blog: https://t.co/9d6dR7UXn4
Hoy a las 7pm hora Colombia, hacemos una sesión en vivo:
Requerimiento → spec → código → verificación automática → pull request. Todo con IA, en 45 min.
Más de 300 devs ya se registraron. Si quieres el link de Zoom:
https://t.co/nmxQEEkrNF
1 de cada 3 developers no confía en el código que genera la IA.
Pero la mayoría lo aprueba igual porque "se ve bien."
Le pregunté a 275 developers. El 20% dice que el código está "casi bien" pero siempre hay que corregirlo. Otro 10% dice que no respeta la arquitectura.
El problema: sin proceso, terminas en uno de dos lugares igual de malos:
→ Revisas cada línea (lento)
→ Apruebas sin revisar (peligroso)
Lo que cambió para nosotros: separar lo que una máquina puede verificar (linters, tests, vulnerabilidades) de lo que un humano debe revisar (intención de negocio, decisiones de diseño, impacto en otros flujos).
Este jueves 12 de marzo a las 7pm hora Colombia muestro el flujo completo en vivo. Desde el requerimiento hasta el PR revisado. 45 min, con código.
https://t.co/cLcRsiF3gO
Mi evolución con IA para programar:
GitHub Copilot → ChatGPT → Cursor → Claude Code
Pero el salto real no fue cambiar de herramienta
Fue pasar de prompts sueltos a un sistema:
→ Planeación desde Claude Code → issues en Linear
→ Repos de solo documentación para contexto
→ MCPs como CircleCI y DBHub para interactuar con el ecosistema
→ CodeRabbit + scripts para ciclos de code review
Nada de esto lo encontré en un tutorial.
Estoy armando algo para compartir el sistema completo. Si te llama la atención:
https://t.co/cLcRsiF3gO
Fui víctima de un intento de scam para quedarse con mi WhatsApp, desde mi perspectiva por demás tonto. Pero puedo entender que otras personas quizás caigan. Explico para awareness:
Recibí una llamada supuestamente de Mercado Libre, alegando que había una entrega…
El martes arranca el Workshop de Fundamentos de Ingeniería de IA.
4 sesiones en vivo para aprender a:
→ Integrar LLMs en arquitecturas reales
→ Construir sistemas RAG
→ Diseñar agentes
→ Testear integraciones de IA
Si sabes programar pero no has llevado esto a producción, te invito a inscribirte 👇
https://t.co/xE0fWzpR8r
Integrar modelos, agentes y RAG con buenas prácticas de arquitectura.
Este es un tema central de nuestro nuevo Workshop de Ingeniería de IA.
Arrancamos el martes. Inscripciones aquí:
https://t.co/DpWQ475pop
Se vienen dos master classes bacanísimas: una de Claude Code y otra de Local AI.
Son tuyas si te inscribes hasta hoy en el Workshop de Fundamentos de Ingeniería de IA.
Te dejo el link al workshop en el primer comentario. 👇
🎥 New machine learning cooking video: Fine-tune a (small) Vision Language Model (VLM) for structured data extraction.
-> Train a custom VLM with @huggingface transformers + upload it to the hub + create a sharable demo
-> Done on NVIDIA DGX Spark with @NVIDIAAIDev
Se viene el workshop más brutal que hayamos hecho hasta la fecha 🔥
Integraciones con modelos, RAG, agentes, evals, y todo lo necesario para añadir features de IA generativa en tus aplicaciones.
Y viene con 2 super bonus si se inscriben antes del 20 de enero:
- Master Class de Local IA
- Master Class de Claude Code
Link en el primer comentario.
En 2026, integrar una LLM en un sistema de producción requiere algo más que saber escribir prompts. Requiere ingeniería de software aplicada a modelos no deterministas.
Hemos abierto inscripciones para nuestro nuevo Workshop de Fundamentos de Ingeniería de IA. El enfoque es 100% técnico y pragmático.
Lo que vamos a cubrir:
• Arquitectura: Patrones de diseño para integrar modelos.
• RAG: Estrategias de chunking y recuperación de datos.
• Agentes: Implementación de flujos autónomos con Google ADK y Function Calling.
Datos clave:
• Fechas: 3, 5, 10 y 12 de febrero (7 pm hora Colombia).
• Formato: Sesiones en vivo con acceso a grabaciones.
• Cupos: Quedan 42 de 50 disponibles.
• Beneficio: Inscribiéndose antes del 20 de enero, incluyo las Master Classes de Local AI y Claude Code.
Si buscas entender la arquitectura detrás de los sistemas de IA, aquí tienes los detalles:
https://t.co/gv2EN2DP0v
¿Alguna vez has deseado un asistente que no solo busque información, sino que también la analice, la sintetice y redacte un reporte completo?
Deep Research el SDK de Gemini
Te explico más aquí
#GeminiAI#DeepResearch#IA#agents#InteractionsAPI
https://t.co/e0aXbvae6g
I'm delighted to launch my new website, Serrano Academy, where I have organized my material into (FREE!) short courses, with videos and code. There are courses in Predictive and Generative ML, LLMs, Agentic AI, and much more!
(link in first comment!)