Mordisco vs. Roce: Enfoques para Agentes de Codificación con IA

Dos Enfoques para la Codificación Asistida por IA

Al trabajar con agentes de codificación con IA como Claude, los desarrolladores suelen utilizar uno de dos modelos mentales según el análisis de un investigador de PNL. El enfoque de 'mordisco' implica cargar archivos de instrucción completos (como claude.md o agents.md) que contienen toda la sabiduría de codificación, advertencias contra errores y requisitos específicos desde el principio. Este método le dice al modelo qué significa 'código limpio', cómo hacer desarrollo guiado por pruebas y otras preferencias de una sola vez.

El enfoque de 'pellizco' espera mejoras incrementales en lugar de intentos perfectos desde el inicio. Los desarrolladores moldean la solución hacia los resultados deseados a lo largo de múltiples pasadas, proporcionando comentarios y ajustes en el camino. Ambas estrategias pueden manejar tareas de 'una sola vez', pero el enfoque de pellizco ofrece más oportunidades para la intervención humana en el ciclo.

Por Qué el Pellizco Suele Funcionar Mejor

El investigador argumenta que el enfoque de pellizco es fundamentalmente más poderoso porque permite al modelo acceder a más recursos computacionales. Durante la generación de código, los modelos de IA tienen un 'poder cerebral' limitado por token: solo pueden considerar tantos factores a la vez. No existe un algoritmo que proporcione lógica ilimitada de forma gratuita.

Cuando los desarrolladores trabajan en tareas complejas, no las ejecutan 'una vez' sino a través de muchos pequeños bucles de hacer, pensar, corregir y revisar. Aunque modelos como Claude planifican y dividen las tareas en pasos, aún tienden a generar docenas de líneas de código a la vez, limitados por restricciones computacionales.

Implicaciones Prácticas

El enfoque de pellizco le da al modelo resultados intermedios con los que trabajar y distribuye el cómputo a lo largo de múltiples pasos. En lugar de poner consejos de seguridad en un archivo CLAUDE.md, los desarrolladores pueden crear contextos frescos donde el modelo examine el código contra una lista de verificación de seguridad en pasadas separadas.

En tareas particularmente difíciles, el enfoque de mordisco puede entrar en bucles de fallo donde rebota entre errores, similar a tener una tasa de aprendizaje configurada demasiado alta al entrenar un clasificador. El enfoque de pellizco utiliza pasos más pequeños y controlados que ayudan a mantener la dirección y evitar quedar atrapado en patrones de error.

Aunque empresas como Anthropic y OpenAI buscan minimizar la diferencia entre estos enfoques (y desarrolladores como Boris Cherny publican archivos CLAUDE.md completos), comprender dónde la abstracción del 'mordisco' tiene fugas puede hacer que los modelos sean más fáciles de usar de manera efectiva.