Agentes de Aprovechamiento: ¿El Fin de la Programación?

Cualquiera que preste atención puede sentirlo: el espectáculo de fuegos artificiales se está desacelerando. GPT-4, Claude 3 Opus y Gemini 1.5 son indudablemente fuertes, pero no representan el mismo salto asombroso que GPT-3 sobre GPT-2. Los estándares siguen subiendo—MMLU, HumanEval, GSM8K—pero el verdadero factor "wow" del poder bruto de LLM ya no se duplica cada seis meses.

Esa desaceleración no es imaginaria; es económica. Entrenar un modelo de frontera ahora cuesta del orden de cientos de millones de dólares en cómputo, curación de datos y ingeniería. Cada punto porcentual adicional en un ranking como MMLU o Codeforces requiere exponencialmente más GPU, más tokens y más retroalimentación humana.

Los rendimientos decrecientes afectan a todos los ámbitos. Existen ventanas de contexto más grandes—200K, 1M tokens—pero el razonamiento efectivo sobre ese contexto aún falla de maneras frágiles. Los modelos de código dominan el código estándar y los patrones comunes, pero alucinan APIs o interpretan mal casos límite que cualquier ingeniero de nivel medio detectaría en una revisión de código.

Así que la frontera ha cambiado. Cole Medin lo expresa perfectamente en su video: "el poder bruto de los LLM ya no está explotando simplemente", pero la capa alrededor de ellos sí lo está. La orquestación de herramientas, los sistemas de memoria y la coordinación entre múltiples agentes están ofreciendo cambios significativos mayores que otro 0.3 en un benchmark.

Piénsalo como pasar de CPUs más rápidas a sistemas operativos mejores. Los agentes de aprovechamiento, los enrutadores de contexto y los modelos del mundo se sitúan sobre GPT-4 o Claude 3 y extraen mayor confiabilidad de prácticamente la misma inteligencia subyacente. El hardware de la mente alcanza un estancamiento; la pila de software a su alrededor comienza a importar más.

Eso vuelve a enmarcar este momento no como un límite, sino como un punto de inflexión. En lugar de rogar porque GPT-5 sea diez veces más inteligente, los equipos están construyendo arneses para agentes que gestionan herramientas, reintentos y flujos de trabajo de larga duración para que los modelos actuales se comporten como compañeros de trabajo confiables. El centro de la innovación se desplaza de los pesos del modelo al diseño del sistema.

Llámalo la era post-benchmark. Las mejoras marginales del modelo aún son relevantes, pero los verdaderos avances vendrán de la construcción de la estructura—memoria, planificación, verificación—alrededor de los LLM. La acción se traslada de las sesiones de entrenamiento del laboratorio al código de arneses del ingeniero.

Las llamadas a modelos en bruto comienzan a parecerse a silicio puro: impresionantes en papel, frágiles en la práctica. La afirmación central de Cole Medin es contundente: la verdadera acción se ha trasladado a la "capa sobre los LLMs" — la lógica de orquestación que convierte un ingenio de autocompletar inteligente en algo en lo que puedes confiar para trabajos reales.

Esa capa ahora tiene un nombre: el arnés de agente. Piensa en ello como un sistema operativo para modelos, que maneja el flujo de control, la memoria y el uso de herramientas para que un LLM pueda sobrevivir fuera de una demostración y dentro de un SLA de producción.

Una llamada LLM en bruto se comporta como un acceso a una API sin estado. Envías un aviso, esperas que el modelo entienda tu intención y recibes un bloque de texto que podría ignorar herramientas, olvidar pasos anteriores o alucinar APIs que nunca existieron.

Coloca el mismo modelo en un arnés y el comportamiento cambia. El arnés rastrea el estado a través de docenas o cientos de pasos, persiste la memoria de trabajo y aplica políticas sobre qué herramientas puede utilizar el modelo, cuándo y con qué argumentos.

Los arneses modernos combinan varias capacidades que solían estar en guiones dispersos y avisos ad hoc: - Almacenes de memoria a largo y corto plazo - Enrutamiento de herramientas y reintentos conscientes de errores - Coordinación y programación de subagentes - Líneas de defensa, validación y observabilidad

Proyectos como el arnés interno de Anthropic, el DeepAgent de LangChain y el Linear Agent Harness de Cole Medin muestran el patrón que se está cristalizando. En lugar de una única finalización de chat, obtienes gráficos de agentes, herramientas y estados que pueden funcionar durante horas sin la supervisión de un humano.

Aquí es donde reside ahora la ventaja de la ingeniería humana. No puedes modificar los pesos de GPT-4.5, pero puedes decidir cuántos subagentes crear, cómo comparten las ventanas de contexto, cómo descomponen las tareas y cómo se recuperan de llamadas a herramientas fallidas.

Esperar el "GPT-6 pero 10 veces más" se pierde el punto. El próximo 10 veces vendrá de un mejor diseño de harness: bucles de planificación más inteligentes, modelos del mundo más ricos, y una retroalimentación más ajustada de los registros de vuelta a las solicitudes y políticas.

Los equipos de software que traten al modelo como una mercancía y al arnés como el producto capturarán el valor. Todos los demás solo estarán llamando a una API y esperando lo mejor.

El agente puede sonar vago, pero Anthropic y LangChain definen algo muy concreto: una capa de control estructurada que llama repetidamente a un LLM, rastrea el estado y orquesta herramientas hasta que una tarea se complete realmente. La especificación del arnés de Anthropic describe un controlador que se encarga del bucle, el manejo de errores, la memoria y el enrutamiento de herramientas, mientras que el modelo solo predice el siguiente token. La documentación de DeepAgent de LangChain va más allá, enmarcando el arnés como una política programable que decide lo que el agente hace en cada paso.

Más que un bucle while glorificado, un arnés moderno se comporta como una máquina de estados. Cada paso transita entre estados como "planificación", "llamada_a_herramienta_ pendiente", "esperando_a_humano" o "hecho", con reglas explícitas sobre lo que está permitido en cada estado. Esa estructura hace que el comportamiento sea reproducible y depurable en lugar de basarse en sensaciones y esperanzas.

Las responsabilidades principales se agrupan en cuatro categorías que se presentan en Anthropic, LangChain y el Linear Agent Harness de Cole Medin. Un arnés debe gestionar la memoria persistente, gobernar herramientas, coordinar múltiples trabajadores y supervisar flujos prolongados. Si se elimina cualquiera de estos elementos, los agentes rápidamente regresan a ser chatbots de un solo uso.

La gestión de la memoria ahora se asemeja a un problema de base de datos en miniatura. Los harnesses mantienen áreas temporales de trabajo a corto plazo, almacenes vectoriales para el recuerdo semántico y registros a largo plazo, decidiendo qué resumir, qué eliminar y qué rehidratar en ventanas de contexto limitadas a 200k–1M tokens. También controlan datos sensibles, estableciendo qué subagentes pueden ver qué, un requisito para cualquier implementación empresarial.

El control de herramientas convierte el arnés en un motor de políticas. Decide: - Qué herramientas puede llamar el LLM - Cómo se validan y sanitizan los argumentos - Cómo reintentar, debouncer o paralelizar las llamadas

Esa capa de política previene desastres provocados por inyecciones de comandos como "descargar la base de datos de producción" y evita que APIs inestables descarrilen flujos de trabajo después de un error 500.

La coordinación de subagentes lleva los arneses al territorio de la orquestación. Un sistema de codificación podría generar agentes separados para la planificación, implementación, pruebas y refactorización, cada uno con herramientas y memoria específicas. El arnes asigna tareas, fusiona resultados y resuelve conflictos cuando los agentes no están de acuerdo, similar a un sistema de compilación que arbitra las salidas del compilador y del linter.

Visto desde 10,000 pies, el LLM parece un núcleo, mientras que el arnés se comporta como un shell de sistema operativo más un entorno de ejecución. Proporciona programación, I/O, permisos y registro en torno a un núcleo muy inteligente pero muy amnésico. El propio artículo de Anthropic, Arneses efectivos para agentes de larga duración - Anthropic, se lee efectivamente como un documento de diseño para ese shell.

El desarrollo de la inteligencia artificial de primera generación parecía engañosamente poderoso: redacta un aviso ingenioso, tal vez añade una pipeline RAG básica, y observa cómo el modelo genera código o documentación. Eso funcionaba para tareas de una sola vez: redactar una función, resumir un PDF, responder a una pregunta de un pequeño almacén de vectores. En el momento en que intentabas ir más allá de eso, todo se desmoronaba.

Los sistemas basados en simples indicaciones se comportan como internos con amnesia. Pídele a un LLM que refactorice un monolito de 200,000 líneas con una sola indicación y obtendrás ediciones parciales, archivos alucinados y importaciones rotas. Incluso con recuperación, el RAG ingenuo simplemente introduce fragmentos "relevantes" en el contexto; no rastrea el estado, verifica resultados ni recuerda lo que ya se ha ejecutado.

El trabajo complejo y multifacético expone rápidamente estas fallas. Las tareas prolongadas—migraciones, refactorizaciones de múltiples servicios, guías de incidentes—necesitan lógica de ramificación, retroceso y conciencia de restricciones externas como fallos en las pruebas o límites de tasa de APIs. Los mensajes estáticos no pueden adaptarse cuando un conjunto de pruebas se agota, hay un conflicto de dependencias o una herramienta devuelve JSON mal formado.

El agente moderno aprovecha directamente esa fragilidad. En lugar de un solo aviso, obtienes un bucle de control que puede planificar, actuar, observar y revisar a lo largo de docenas o cientos de pasos. El arnés es el que controla el gráfico de ejecución, no el modelo: decide cuándo llamar a las herramientas, cuándo replanificar y cuándo abortar.

Las reintentos dejan de ser una consideración secundaria. Herramientas como el arnés de codificación de Anthropic o el DeepAgent de LangChain envuelven cada llamada a la herramienta con un manejo estructurado de errores: reintentos automáticos en fallos de red, validación de esquemas en las salidas de las herramientas y re-preguntas dirigidas cuando el modelo se desvía de las especificaciones. Registran cada paso para que el agente pueda inspeccionar su propio historial y corregir su rumbo.

La planificación dinámica se convierte en una característica de primera clase. En lugar de una secuencia codificada, el arnés actualiza la lista de tareas en función de los comentarios de la herramienta: - Generar un plan - Ejecutar una herramienta - Comparar lo esperado con lo real - Insertar, eliminar o reorganizar pasos

Considera nuevamente la refactorización de un gran código base. Un solo aviso podría intentar reescribir todo a la vez, sobrepasar los límites de contexto y enviar código que no se puede compilar. Un agente impulsado por un marco puede escanear el repositorio, dividir archivos, refactorizar módulo por módulo, ejecutar pruebas después de cada lote, detectar fallas, revertir cambios específicos y reparar de manera iterativa hasta que la suite pase.

Los agentes de grado de producción se asemejan menos a indicaciones ingeniosas y más a sistemas operativos en miniatura. El arnés DeepAgent de LangChain, los marcos internos de Anthropic y el arnés Lineal de Cole Medin convergen en la misma arquitectura: un bucle cerrado que gira en torno a cuatro componentes clave que mantienen a un modelo de lenguaje grande enfocado en un objetivo en lugar de desviarse hacia sensaciones ambiguas.

En la base se encuentra el Gestor de Estado. Este módulo rastrea el objetivo actual del agente, los subobjetivos intermedios, el historial de pasos y los metadatos de ejecución: qué herramientas se utilizaron, qué devolvieron y si fallaron. En DeepAgent, esto a menudo se presenta como un objeto de estado estructurado que fluye a través de cada llamada, brindando al modelo una vista canónica de "dónde estamos" y "qué acaba de suceder".

Una buena gestión del estado va más allá del registro. Impone esquemas para cada turno, persiste puntos de control para que las tareas de larga duración puedan reanudarse después de un fallo, y registra restricciones como límites de tiempo o presupuestos de tokens. En lugar de una conversación libre, el agente opera dentro de un flujo de trabajo tipado que puede ser auditado, reproducido y probado.

Paralelo al estado, el Controlador de Herramientas media cada efecto secundario. Los harnesses nunca permiten que el modelo llame a las APIs en bruto o toque el sistema de archivos directamente; expone un conjunto de herramientas curado con contratos estrictos de entrada y salida. En LangChain, las herramientas declaran esquemas JSON y salvaguardias, para que el controlador pueda validar argumentos, regular solicitudes y bloquear acciones evidentemente peligrosas.

Un controlador robusto también maneja: - Autenticación y aislamiento de secretos - Limitación de tasas y retroceso entre múltiples proveedores - Ejecución en un entorno aislado para herramientas de archivos, shell o código

La memoria se encuentra en su propio módulo, conectando los límites de contexto de 200,000 a 1,000,000 tokens del LLM con cargas de trabajo del mundo real que se extienden por días. La memoria a corto plazo generalmente se asemeja a un bloc de notas: un resumen en ejecución de los últimos N pasos, comprimido por el propio modelo para mantenerse dentro del presupuesto. La memoria a largo plazo reside en bases de datos vectoriales como Pinecone, Weaviate o pgvector, indexadas por embeddings de modelos como text-embedding-3-large.

Los arneses inteligentes distinguen entre la memoria de tareas efímeras, la memoria de proyectos duraderos y el conocimiento organizacional global. Deciden qué resumir, qué integrar y qué descartar, en lugar de recuperar todo de nuevo en el aviso.

Manteniendo todo cohesionado, el Despachador/Coordinador ejecuta el bucle central. Alimenta al LLM con el estado y la memoria actuales, analiza la “intención” del modelo (llamar a una herramienta, crear una subtarea o finalizar la salida) y redirige el control al componente correcto. Cada iteración actualiza el estado, añade memoria y refuerza las restricciones, transformando un modelo estocástico en un sistema predecible.

El vibe coding puede sonar como una broma hasta que te das cuenta de que describe lo que realmente quiere cada desarrollador: establecer un resultado, omitir el código repetitivo y lanzar el producto. En este contexto, vibe coding significa describir la intención a nivel de "crear un bot de Slack que gestione incidentes" y permitir que el sistema descubra APIs, diseñe modelos de datos y escriba pruebas sin que tú tengas que supervisar cada función.

Durante años, eso fue una fantasía porque los LLMs en bruto se comportan como pasantes talentosos pero poco fiables. Hallucinan APIs, ignoran casos límites y pierden el hilo de planes de múltiples pasos después de una docena de turnos. Incluso con GPT-4 o Claude 3.5, pedir un sistema no trivial—digamos, un SaaS completo de CRUD con autenticación, facturación y análisis—todavía genera código que compila pero se rompe silenciosamente bajo tráfico real y datos reales.

Los agentes aprovechan el cambio para dar forma a ese riesgo. Transforman la "sensación" en un objetivo de alto nivel y obligan al modelo a funcionar dentro de un andamiaje de herramientas, memoria y restricciones explícitas. En lugar de "escribir un backend", le pides al arnés que "proporcione un backend listo para producción", y orquesta subtareas: diseño de esquemas, migraciones, pruebas de integración, configuraciones de implementación.

Los modernos arneses como el marco interno de Anthropic o DeepAgent de LangChain no confían en una sola llamada a un LLM. Implican ciclos de plan → actuar → verificar, registran cada paso y redirigen los fallos a través de depuradores o revisión humana. LangChain documenta esto de manera explícita en sus capacidades del arnés de Agentes - Documentos de LangChain, donde los agentes reciben objetivos estructurados, eligen herramientas y mantienen un estado de múltiples pasos.

Así que el coding de vibra se vuelve "algo" viable, exactamente de la manera en que argumenta Cole Medin. Vibras en el límite del sistema—"migrar nuestro monolito a una arquitectura orientada a servicios para el tercer trimestre, mantener la latencia por debajo de 150 ms, reutilizar la autenticación existente"—y el harness descompone eso en cientos de acciones concretas. El LLM ya no asocia libremente; opera dentro de un flujo de trabajo gobernado y comprobable.

Crucialmente, no estás interactuando con un simple cuadro de chat de LLM desnudo. Estás emitiendo directrices de alto nivel a un sistema robusto que diseñaste: esquemas de herramientas, salvaguardias, ganchos de observación, estrategias de retroceso. La creatividad se eleva de nivel: de escribir bucles a diseñar el arnés que hace que la programación basada en la vibra sea algo en lo que realmente puedes apostar un plan de acción.

Los programadores están siendo ascendidos silenciosamente a arquitectos de sistemas de IA. En lugar de trabajar arduamente en controladores, servicios y mapeadores de bases de datos, orquestan redes de modelos, herramientas y flujos de trabajo que se comportan más como equipos que como scripts. El trabajo pasa de “escribir una funcionalidad” a “diseñar cómo un sistema inteligente piensa y actúa.”

Cole Medin capta el cambio de manera contundente: “estamos diseñando el sistema, diseñando el arnés, pero no vamos a estar escribiendo la mayor parte del código en un futuro muy cercano”. Esa frase suena hiperbólica hasta que ves a un agente estilo DeepSeek, Claude o GPT conectar llamadas REST, migraciones y pruebas a partir de un párrafo de intención. El humano aún establece la dirección; el agente se encarga de la estructura.

Los desarrolladores de New-day definen los objetivos del agente con la precisión de las especificaciones del producto. En lugar de decir "crear una página de facturación", formulan los objetivos como "mantener las facturas de Stripe en sincronía con nuestro libro mayor interno, reconciliar fallos cada hora y escalar anomalías por encima de $5,000". El sistema convierte eso en herramientas, subagentes y límites.

Las herramientas se convierten en un oficio de primera clase. Los arquitectos eligen o construyen funciones para: - Conectar con API y servicios internos - Consultar almacenes de vectores y depósitos SQL - Activar cambios en CI/CD e infraestructuras

Cada herramienta necesita esquemas estrictos, límites de autenticación y presupuestos de latencia. La calidad de estas herramientas determina cuán competente se siente el agente.

Harness Logic reemplaza el código de orquestación escrito a mano. Los desarrolladores diseñan ciclos de planificación, políticas de reintento de errores, estrategias de memoria y puertas de aprobación. Un "archivo de flujo de trabajo" podría declarar cómo un agente descompone tareas, cuándo puede generar subagentes y qué se registra para auditoría. Se parece menos a Java y más a Terraform para la cognición.

La depuración se convierte en un análisis forense de los rastros de razonamiento. En lugar de recorrer las pilas de llamadas, inspeccionas las cadenas de pensamiento, las invocaciones de herramientas y las ventanas de contexto. Ajustas indicaciones, modificas contratos de herramientas o reconfiguras el planificador, y luego vuelves a ejecutar el escenario.

Lejos de eliminar a los programadores, este cambio los eleva de albañiles a arquitectos. Los problemas difíciles ascienden a un nivel superior: de escribir bucles a diseñar sistemas que puedan escribir los suyos propios—de manera confiable, segura y a gran escala.

Los agentes dejan de ser abstractos en el momento en que los orientas hacia un problema aburrido y costoso. El propio equipo de ingeniería de Anthropic utilizó un arnés para realizar análisis de datos durante varias horas sobre un enorme conjunto de datos internos, con agentes que orquestan consultas SQL, resumen resultados y iteran en hipótesis sin la supervisión de un humano. Su informe describe flujos de trabajo prolongados que sobreviven a errores de herramientas, contratiempos de API y cambios en las instrucciones mientras siguen convergiendo en un informe útil.

Ese ejemplo de Anthropic se parece menos a "chatear con un bot" y más a un analista de datos autónomo. El sistema rastrea el estado a través de docenas de llamadas a herramientas, registra salidas intermedias y decide cuándo detenerse, no solo qué decir a continuación. Obtienes algo más cercano a un servicio persistente que a una finalización única.

El Linear-Copilot-Harness de Cole Medin, de código abierto, muestra cómo se ve esto dentro de un flujo de trabajo SaaS real. Conecta un LLM a la API de Linear para crear, clasificar y actualizar tickets mientras maneja el contexto de la historia de problemas, las convenciones del equipo y los hitos del proyecto. En lugar de un frágil aviso de "escribir un ticket", el harness gestiona herramientas, memoria y límites, de modo que el agente se comporta como un asistente de proyecto junior incrustado en Linear.

El arnés de Medin se basa en patrones como: - Ruteo de herramientas según el tipo de tarea - Memoria persistente vinculada a problemas lineales y usuarios - Planes de múltiples pasos que pueden replanificar cuando las herramientas fallan

Esos mismos patrones se traducen de manera clara en otros agentes generadores de ingresos. Los sistemas de investigación financiera autónoma pueden analizar documentos, llamadas de ganancias y datos del mercado, y luego mantener una tesis continua sobre una empresa o sector. Un arnés coordina la recuperación de documentos, la modelización en hojas de cálculo y los resúmenes de riesgos mientras impone estrictos límites de herramientas para cualquier cosa que toque capital real.

Los agentes de prueba de QA automatizados pueden gestionar suites de regresión de principio a fin. Generan pruebas, llaman a las tuberías de CI, interpretan fallos, crean tickets y vuelven a ejecutar verificaciones específicas una vez que se aplican las correcciones. El sistema mantiene un mapa de larga duración de la cobertura de pruebas, fallos históricos y propiedad de componentes, de modo que el agente mejora a lo largo de las semanas en lugar de reiniciarse en cada ejecución.

Los equipos de marketing ya están experimentando con agentes de campaña autogestionados. Un arnés puede orquestar la generación de contenido, pruebas creativas A/B, redistribución de presupuestos y consultas analíticas a través de Google Ads, Meta y plataformas de correo electrónico. Plataformas de nivel empresarial como OutSystems Agent Workbench están compitiendo para productizar esto, empaquetando patrones de arnés en "recetas de agente" de arrastrar y soltar que se integran directamente en las pilas existentes.

Pavel Panchekha ofrece el modelo mental más claro para todo esto: los LLM son núcleos, los arneses de agentes son caparazones. Piensa en Linux más bash, no en "agente mágico". El núcleo expone el poder bruto; el caparazón decide cómo los humanos y los programas lo utilizan realmente.

Un núcleo de sistema operativo programa procesos, gestiona la memoria y expone llamadas al sistema. Una interfaz como bash o zsh convierte eso en `ls`, tuberías, scripts y automatización. Intercambia Claude o GPT como el núcleo, y tu arnés se convierte en la interfaz: interpreta la intención del usuario, secuencia las llamadas a las herramientas y mantiene vivos los trabajos de larga duración.

Lee Los arneses de agentes son solo cáscaras - Pavel Panchekha y la analogía cobra sentido. El “núcleo” LLM puede: - Generar y transformar texto - Llamar a herramientas a través de llamadas a funciones estructuradas - Mantener el estado conversacional a corto plazo

El "caparazón" del arnés envuelve eso con: - Control de procesos para tareas que se ejecutan durante minutos, horas o días - Orquestación de herramientas a través de APIs, bases de datos y bases de código - Persistencia, registro y recuperación cuando las cosas fallan

Visto de esta manera, el DeepAgent de LangChain, los ejemplos de harness de Anthropic y el harness del agente Lineal de Cole Medin parecen menos inteligencia artificial exótica y más como ingeniería de sistemas operativos familiar. Implementan bucles de programación, reintentos, retrocesos y máquinas de estado, solo que apuntan a llamadas LLM en lugar de llamadas al sistema. La magia se traslada de la "ingeniería de prompts" al diseño de un entorno de ejecución robusto.

Este modelo también aclara por qué las ganancias de LLM en bruto se sienten incrementales, mientras que las ganancias aprovechadas se sienten multiplicativas. Un mejor núcleo importa, pero una mejor interfaz cambia cómo cada usuario y cada proceso interactúa con ese núcleo. Bash hizo más por la usabilidad de Unix que cualquier mejora de CPU en solitario.

Así que el próximo paso lógico para los desarrolladores es evidente: dejar de tratar a los agentes como aplicaciones monolíticas y empezar a tratar a los arneses como entornos de operación. Ya no solo estamos llamando a núcleos; estamos construyendo estructuras para una clase completamente nueva de software.

Los arnés de agente están pasando de blogs de investigación a currículos. Para 2026, ser “bueno con la IA” significará que puedes diseñar, depurar y enviar arneses que mantengan los LLMs enfocados durante horas, no que puedas escribir un aviso ingenioso. Trata la construcción de arneses como aprender React en 2015 o Kubernetes en 2018: opcional al principio, luego obligatorio para trabajos serios.

Comienza con un sistema concreto: un asistente de codificación que pueda gestionar un repositorio durante 30 a 60 minutos. Conecta llamadas de herramientas para git, entrada/salida de archivos y pruebas, luego añade medidas de seguridad: seguimiento del estado, políticas de reintento y criterios de éxito explícitos. Mide el éxito con cifras concretas: tasa de corrección de errores, tiempo hasta la solicitud de extracción (PR) y con qué frecuencia los humanos necesitan rescatar al agente.

Tu libro de texto principal son los documentos de LangChain DeepAgent. Trabaja en cómo modela el estado del agente, el enrutamiento de herramientas y los planes de múltiples pasos, luego extrae ese patrón para tu propia pila, incluso si nunca importas LangChain. Trata su diseño como lo harías al leer el código fuente de un buen programador de sistemas operativos: una implementación de referencia de cómo se ve lo "robusto".

El blog de ingeniería de Anthropic es otro que debes leer. Su herramienta para análisis de datos prolongados muestra cómo gestionar la memoria, el registro y los modos de falla cuando los trabajos se ejecutan durante horas. Presta atención a cómo dividen el trabajo, registran el progreso y limitan el alcance de un llamado erróneo a un modelo.

GitHub ya está lleno de plantillas. Estudia arneses abiertos como el arnés del agente lineal de Cole Medin y los ejemplos de Anthropic, luego: - Haz un fork y reemplaza con tus propias herramientas - Añade telemetría y seguimiento de costos - Refuerza para una carga de trabajo real en tu trabajo o proyecto paralelo

El trabajo futuro de alto impacto en IA pertenecerá a las personas que puedan envolver modelos en sistemas fiables. Si Cole Medin tiene razón y delegamos el 99% de la codificación a agentes, la ventaja estará con quien diseñe las estructuras dentro de las cuales esos agentes funcionan. Tú puedes ser la persona que construya las conchas alrededor de los núcleos del mañana.

¿Qué es un arnés de agente de IA?

Un arnés de agente es un marco estructurado que gestiona la memoria, las herramientas y el estado de un agente de IA para asegurar que pueda realizar de manera confiable tareas complejas y de larga duración, al igual que un shell gestiona un núcleo en un sistema operativo.

¿Cómo se diferencia un arnés de la ingeniería de indicaciones?

Mientras la ingeniería de solicitudes se centra en elaborar la entrada inicial perfecta, un arnés construye todo un sistema operativo alrededor del LLM para controlar su flujo de ejecución, gestionar herramientas y manejar errores a lo largo del tiempo.

¿Reemplazarán los agentes de inteligencia artificial a los desarrolladores de software?

Están a punto de transformar el papel de los desarrolladores de escribir código línea por línea a diseñar e ingenierar los sistemas (arneses) que guían a los agentes de IA para que escriban el código, elevándolos a arquitectos de sistemas.

¿Están relacionados el 'vibe coding' y los arneses de agentes?

Sí. La "codificación de vibra"—describir un resultado deseado en lenguaje natural—se vuelve más viable con los arneses, ya que proporcionan la confiabilidad necesaria para traducir "vibras" de alto nivel en una ejecución de código funcional y multi-paso.