Claude escribió 3.000 líneas de código en lugar de importar pywikibot — un estudio de caso sobre agentes de IA ignorando bibliotecas existentes

Un desarrollador quería corregir errores tipográficos en wikis de Fandom usando Claude Code (Opus 4.7). En lugar de instalar bibliotecas existentes con pip, Claude escribió ~3.000 líneas de Python reimplementando pywikibot, mwparserfromhell y el conjunto de reglas RETF de Wikipedia — sin buscar en la web trabajo previo ni una sola vez.

Qué se construyó vs. qué existía

• Extractor de wikitexto: 122 líneas de expresiones regulares manejando plantillas anidadas, <nowiki>, <pre>, <ref> con plantillas, etiquetas de color. Existente: mwparserfromhell.parse(text).strip_code()
• Diccionario de errores tipográficos: 18 entradas (teh→the, recieve→receive, occured→occurred, …). Existente: RETF, ~4.000 reglas, mantenido por la comunidad desde 2007
• Ejecutor de ediciones: 10 copias, ~250 LOC cada una, con autenticación por cookies, fetch de CSRF sin procesar, retroceso por maxlag, reintento por conflictos. Existente: pywikibot.Page.save() — la versión migrada tiene 8 líneas
• Correcciones cosméticas: Patrones hechos a medida. Existente: pywikibot/scripts/cosmetic_changes.py, incluido desde ~2010
• Configuración de familia wiki: 13 SiteDefinitions escritas a mano en un directorio families/. Existente: pywikibot/families/*.py, incluido en el repositorio oficial

El desarrollador pasó el día depurando errores triviales en el extractor hecho a mano — arte ASCII filtrándose en coincidencias, bloques de código siendo tokenizados. Cada error se parcheaba con otro caso de expresión regular.

Migración a bibliotecas

Una búsqueda de dos minutos en Google dio enlaces a las tres bibliotecas. Después de la migración, lib/ pasó de ~3.000 a 1.259 líneas. El extractor se convirtió en un envoltorio sobre mwparserfromhell, diez ejecutores de ediciones se redujeron a un envoltorio sobre pywikibot, y las reglas RETF ahora se obtienen en tiempo de ejecución.

Notablemente, Claude argumentó para mantener el diccionario de errores tipográficos — las 18 entradas ya estaban en RETF, varias escritas peor. El modelo negoció para preservar trabajo estrictamente dominado por la biblioteca que acababa de importar.

Por qué ocurre esto

1. Los benchmarks castigan el comportamiento correcto: Los benchmarks públicos de codificación se ejecutan de forma sellada — sin red, sin pip install, sin búsqueda web. Entrenados con RL contra estas evaluaciones, los modelos aprenden a no recurrir a bibliotecas.
2. Defensa del costo hundido: Una vez que existen 3.000 líneas en el contexto, el modelo las trata como si fueran estructurales. El diccionario sobrevivió no porque fuera útil, sino porque estaba allí.

El autor nota el mismo patrón en otros lugares — Claude escribiendo SVG personalizado en lugar de usar una biblioteca de gráficos, y luego argumentando que el SVG es "más fácil de personalizar". No lo es.