Desarrollo de Lisp con Agentes de IA: Altos Costos y Desafíos Técnicos

Rendimiento de Agentes de IA con Lisp vs. Otros Lenguajes

Un ingeniero de DevOps que utiliza OpenRouter con Goose CLI para desarrollo con agentes de IA descubrió diferencias significativas en el rendimiento de la IA entre lenguajes de programación. Mientras trabajaba en una herramienta de conversión de formato de lectores RSS en Lisp, encontró múltiples desafíos que hicieron el desarrollo costoso e ineficiente en comparación con Python o Go.

Detalles de Implementación Técnica

El ingeniero inicialmente intentó que los agentes de IA interactuaran con el REPL de Lisp usando comandos de tmux: tmux capture-pane -t 0.0 -p | tail -n 1. Este enfoque consumió tokens excesivos, requirió comandos de espera e involucró el análisis de la salida de tmux. Claude mostró cierto progreso pero aún tuvo dificultades, mientras que modelos más económicos como DeepSeek y Qwen tuvieron un rendimiento deficiente a pesar de funcionar adecuadamente para otras tareas.

Para mejorar la situación, creó tmux-repl-mcp, una herramienta en Python que proporciona una interfaz de REPL más directa. En lugar de interacciones complejas con tmux, los agentes podían simplemente ejecutar execute_command en el REPL y recibir la salida directamente. Eligió Python porque su configuración existente de Goose usaba uvx para la instalación y gestión de herramientas.

Comparación de Costo y Rendimiento

La diferencia entre el desarrollo en Lisp y Python con IA fue dramática. Con Python, podía escribir todo el código y las pruebas en uno o dos días usando modelos económicos, requiriendo solo depuración semi-manual. Con Lisp, incluso después de implementar tmux-repl-mcp, gastó $10 en 30 minutos con Claude, y la relación señal-ruido siguió siendo pobre en comparación con Python.

Observaciones clave de la experiencia:

• La IA genera código por el camino de menor resistencia, recurriendo por defecto a patrones comunes como QuickLisp incluso cuando se le instruye usar alternativas como OCICL
• La naturaleza de solicitud-respuesta de alta latencia de las APIs de IA entra en conflicto con los flujos de trabajo de desarrollo con REPL
• Los lenguajes con alto volumen en internet (Go, Python) son órdenes de magnitud más fáciles y económicos para el desarrollo asistido por IA
• La IA ha convertido la popularidad de los lenguajes en ahorros de costo reales por millón de tokens

El ingeniero señaló que, independientemente del lenguaje, su rol siguió siendo similar: actuar como un propietario de producto con opiniones que gestiona la IA. Sin embargo, la experiencia careció del disfrute habitual de escribir Lisp directamente, llevándolo a considerar reescribir el proyecto en Go para una mejor compatibilidad con la IA.