Saltar al contenido

Cómo me propongo renovar en una semana un producto que ya quedó obsoleto al lanzarlo

Publicado el  · Actualizado el  · Igor Tkachenko

Ilustración generada con IA de Igor y tres búhos ingenieros en un taller ajetreado; uno de ellos aparece en una esquina, cómicamente cortocircuitado

Después de un año de trabajo, mi plataforma, OwlMeans Platform, está completamente obsoleta. Me di cuenta justo después del lanzamiento y de las pruebas con usuarios reales. Ellos no lo notaron, pero yo sí. En realidad, ya lo sabía a finales de la primavera. Ahora me toca explicar por qué lo dejé así y qué pienso hacer.

Podría haber retrasado el lanzamiento y sustituido primero el motor. Pero ya tenía un producto listo para lanzar, y la implementación anterior podía seguir disponible durante el cambio. Quiero rehacer el núcleo en una semana más o menos. Lo interesante es cuánto de ese núcleo hace falta sustituir de verdad.

OwlMeans sigue diseñando e implementando cada historia de usuario mediante un proceso predefinido. Las funcionalidades relacionadas se procesan en ejecuciones separadas, incluso cuando dependen de las mismas decisiones. La alternativa que propongo conserva las dependencias y los mecanismos de recuperación, pero da a los agentes más libertad para investigar dentro de cada fase.

Si prefieres ver un vídeo en lugar de leer, empieza por aquí. La presentación de Uroboros explica el diseño inicial: los límites entre aplicaciones, los requisitos de compatibilidad y la transición hacia una ejecución híbrida.

My AI platform was outdated at launch. Here is what I am changing | Uroboros.

Historias y ejecución

Una historia de usuario describe algo que una persona necesita. Eso no significa que describa una cantidad de trabajo adecuada para una sola ejecución del agente.

Tomemos el estado de un pedido. El cliente lo ve; el operador lo cambia. Son dos historias corrientes que comparten estados, reglas de acceso y contratos de API. Si las procesas en ejecuciones separadas, el motor tiene que recuperar buena parte del mismo conocimiento dos veces. Las tarjetas pequeñas no reducen el tamaño de la aplicación que hay detrás.

Usé historias pequeñas para que las tareas cupieran en el contexto disponible para trabajar de forma productiva. Eso también permitía ver el avance. Una ejecución fallida podía reanudarse sin empezar todo el proyecto de nuevo. Era un equilibrio razonable, pero vinculaba la descripción de una funcionalidad con la estrategia de ejecución.

Más adelante, empecé a experimentar con tareas relacionadas y agrupadas en torno a un subsistema. Así se podía estudiar el comportamiento compartido antes de crear las distintas funcionalidades que lo usaban. Quiero conservar las historias como descripciones y criterios de aceptación, pero permitir que las historias relacionadas compartan una ejecución.

Las ventanas de contexto más grandes dan más margen a ese experimento. No son precisamente una novedad: Google anunció su vista previa limitada de Gemini 1.5, con un millón de tokens, en febrero de 2024. Pero la capacidad por sí sola no selecciona el código pertinente ni revela una dependencia oculta en otro paquete.

En Lost in the Middle, Liu y sus colegas observaron que la recuperación dependía del lugar que ocupaba la información en el contexto. Su estudio de 2024 abarcó modelos concretos. Para un motor actual, la prueba útil es comprobar si encuentra y usa el código necesario para el cambio.

Qué le corresponde a un pipeline

Hoy, desarrollar una historia empieza por crear un StoryDesign. Ahí se guardan las pantallas, los componentes, las interacciones, los datos y los requisitos de ejecución. La fase de implementación lee ese diseño guardado y escribe la aplicación. Así, el motor tiene un artefacto que puede inspeccionar y modificar, y desde el que puede reanudar el trabajo.

Parte del diseño se hace en paralelo. Otras partes tienen que esperar: primero se define dónde va un componente en la distribución visual; solo entonces pueden usar su ruta las tareas de UX y datos. La implementación tiene veinte pasos con nombre, entre ellos tipos, recursos, lógica de dominio, endpoints, workers, stores, vistas, reglas de acceso y navegación.

Estas dependencias tienen consecuencias concretas. Un manejador necesita la declaración de la operación encolada que pone en marcha. Las reglas de acceso necesitan un endpoint que proteger, y la navegación necesita pantallas a las que apuntar. El código puede imponer ese orden sin pedirle a un modelo que lo redescubra en cada ejecución.

Al completar cada paso de diseño, también se guarda una revisión persistente. Si el proceso falla, la siguiente ejecución puede leer el diseño y continuar. Un marcador de «terminado» sin trabajo guardado detrás sería un mecanismo de recuperación bastante optimista.

Pienso conservar estos mecanismos. El pipeline fija el orden de ejecución y las dependencias. Los pasos ya llaman a modelos para generar contenido e intentan corregir fallos. Controla cuándo se hacen esas llamadas y qué debe existir antes de que empiece el siguiente paso.

Las decisiones difíciles aparecen dentro de cada paso. El agente tiene que decidir qué archivos inspeccionar, si ya encontró suficiente contexto y si cambiar un componente exige modificar otro. Las respuestas dependen de lo que descubra cuando empiece a trabajar.

En Building effective agents, publicado en diciembre de 2024, Anthropic distingue los flujos de trabajo predefinidos de los sistemas en los que un modelo elige la siguiente acción. Un enfoque híbrido puede conservar las dependencias conocidas y permitir que se investigue cuando el camino varía. El trabajo de ingeniería consiste en decidir qué elecciones quedan dentro de ese margen.

Agentes dentro y fuera

La consola de vuelo libre ya integra un agente que puede invocar los pipelines guiados. El agente puede inspeccionar archivos y usar herramientas de programación. Cuando el host proporciona la pasarela, también puede diseñar una historia, leer o modificar ese diseño, implementarla y reanudar una ejecución. Sin la pasarela, las herramientas de bajo nivel siguen disponibles.

Llamar a un pipeline no da al agente permiso para cambiar todo lo que hay dentro. Una modificación del diseño puede cambiar lo que hace un componente. Una ruta o un alias asignado por el registro se mantiene, porque otras partes de la aplicación ya usan ese nombre.

Los fallos fatales requieren la misma distinción. Si se agota el saldo, el bucle debe detenerse por completo. Si devuelves ese fallo como un error corriente de herramienta, el modelo puede probar otra operación y volver a gastar. Ahí conviene que deje de intentar ayudar.

También quiero invertir esa relación: un bucle de agente dentro de una fase del pipeline guiado. Las fases propuestas son preparar, trabajar en el servidor, trabajar en el sitio web, conectar y verificar. Dentro de una fase, cada unidad de trabajo incluye el diseño, la app, las entradas del registro y los contratos correspondientes.

El agente lee el código pertinente, hace el cambio, ejecuta una comprobación y repara lo que falló. Si un intento revela que falta una dependencia, puede investigarla antes de volver a intentarlo. El pipeline que engloba el bucle deja de necesitar un paso nuevo para cada hallazgo que se pueda resolver localmente.

Eso exige herramientas cuyo uso pueda repetirse y comprobaciones que puedan ejecutarse para una sola unidad de trabajo. Tras una interrupción, repetir una escritura no debe crear un segundo artefacto ni perder uno existente. Tras una ejecución con límites definidos, el bucle debe devolver un resultado comprobado o los detalles de lo que sigue sin resolverse.

Hoy, un endpoint de una historia que no responde puede hacer fallar la validación. Una prueba de humo puede dejar una advertencia después de un número limitado de intentos de reparación. Esos resultados significan cosas distintas. El bucle local debe mantener esa distinción al devolver el control al pipeline que lo contiene.

Conservaré un flujo de trabajo sencillo como referencia. Agentless, de Xia y sus colegas, compitió en 2024 con los agentes de código abierto evaluados en SWE-bench Lite mediante un proceso estructurado de localización, reparación y validación. Un bucle de agente tiene que ganarse su lugar.

El artículo de SWE-agent, de 2024, mostró cómo las interfaces para navegar por el repositorio, editar y ejecutar pruebas afectaban a los resultados de un agente interactivo. Así que «añadir un bucle» apenas es el principio del trabajo. Todavía hay que evaluar las herramientas que lo rodean y cómo se comporta una vez implementado. Ninguno de los dos artículos demuestra qué resultado tendrá en OwlMeans.

Trabajo compartido entre aplicaciones

En el ejemplo del pedido, una ejecución agrupada planificaría las transiciones de estado teniendo presentes tanto la historia del cliente como la del operador. Las pantallas y los endpoints de ambas historias usarían esa decisión compartida. Seguiría siendo útil dividir la implementación en partes más pequeñas; repetir el diseño del dominio no aportaría nada.

El motor ya comparte el estado de las etapas dentro de una historia. Una ejecución coordinada necesita un contexto de trabajo y un registro comunes a varias historias, con un resultado separado para cada una. Si una historia queda a medias o falla, el resultado debe indicar cuál y por qué.

Enviar todo el repositorio en cada llamada sería una mala forma de usar el contexto compartido. Conviene empezar por el diseño y los contratos conocidos, y leer los detalles de implementación cuando el trabajo llegue a ellos. Anthropic describe este uso de referencias y herramientas en su guía de ingeniería de contexto, publicada en septiembre de 2025.

Una ejecución puede seguir incluyendo muchas llamadas, comprobaciones y puntos de control. El objetivo es mantener unidas las decisiones relacionadas a lo largo de esas llamadas. Todavía no medí si los resultados mejoran o si la reducción del contexto repetido aporta algo útil.

La estructura del proyecto generado impone otro límite. Hoy tiene un sitio web y una API que atienden las áreas de invitados, usuarios, administradores y operadores. Un área describe a quién va dirigida una pantalla. No proporciona a una aplicación separada una estructura propia de frontend y API.

OwlMeans ya tiene una organización más compleja. La interfaz para clientes, los servicios de gestión, la ejecución de agentes y la publicación tienen responsabilidades diferentes. Un generador que solo entiende una única combinación de sitio web y API no puede describir algo comparable.

El plan Uroboros añade un mapa de apps para asignar áreas y funcionalidades a cada app. Los datos, la lógica de negocio y los workers se siguen compartiendo en la capa inferior. Cuando una historia afecta a varias apps, el motor tiene que seguir el cambio a través de todas ellas.

Hay que cambiar la resolución de rutas, el diseño, la implementación, las vistas previas, la publicación, el estado de ejecución y las herramientas de los conectores. Añadir «admite varias apps» a un prompt no va a hacer ese trabajo.

Para un proyecto existente sin mapa de apps, la alternativa propuesta es usar una sola app main. Las rutas y el comportamiento se mantienen. Cambiar el vocabulario del motor no debería obligar a los clientes a reconstruir proyectos que ya funcionan.

La migración y Uroboros

Me doy una semana más o menos para cambiar el núcleo. Sigue siendo un objetivo, no un resultado conseguido.

La primera parte cubre las bases y el enrutamiento entre apps. En el plan más amplio, después viene el desarrollo con agentes dentro de las fases y, más adelante, las ejecuciones coordinadas para historias relacionadas. Durante la migración, el pipeline anterior tiene que seguir disponible junto al que lo sustituye. Las ejecuciones existentes deben terminar donde empezaron; la nueva vía se puede habilitar proyecto por proyecto.

La primera comprobación de compatibilidad es deliberadamente poco emocionante: llevar un proyecto existente al entorno de desarrollo y comprobar que sigue arrancando y funcionando. Las siguientes pruebas de extremo a extremo cubren la supervisión, el comportamiento del chatbot y un pequeño proyecto planificado que usa la nueva estructura.

Hay que comparar los mismos productos de referencia con ambos motores y registrar los fallos, las advertencias, los resultados funcionales, el tiempo transcurrido y el uso de modelos. Una compilación correcta no permite saber si el cliente y el operador ven el mismo estado del pedido. Eso exige comprobar el flujo en sí.

En sus experimentos con harnesses para aplicaciones de larga duración, publicados en marzo de 2026, Anthropic combinó planificación, generación y evaluación por separado. El equipo también simplificó partes del harness a medida que cambiaba el comportamiento de los modelos. Un paso de orquestación debe conservarse porque resuelve un problema actual; haberlo resuelto antes no basta para justificar que se mantenga.

Uroboros es el intento de hacer que OwlMeans desarrolle un sistema tan complejo como él mismo. La compatibilidad con varias apps aporta la estructura; las ejecuciones coordinadas y las fases con agentes permiten trabajar entre esas apps. En conjunto, abren una vía para probar el autodesarrollo supervisado.

Ya uso un agente de programación externo para cambiar el motor. Quiero encargar un trabajo comparable al propio flujo de generación de OwlMeans y después comprobar el resultado de forma independiente.

Esa prueba necesita un entorno aislado, un cambio definido y una versión anterior que se pueda recuperar. Editar el código fuente del motor es un resultado. Demostrar que el motor modificado funciona mejor exige pruebas específicas. La responsabilidad de juzgarlo seguirá siendo mía.

OwlMeans