Arregla primero el harness

El coche que se para

Tu coche se detiene en mitad de la carretera. ¿Sospechas primero del motor? No: miras si tiene gasolina. Con los agentes funciona igual. Si el mismo modelo rinde bien en tareas parecidas y bien montadas, el problema suele estar en el entorno y no en el modelo.

Principio central: cuando algo falla, no cambies primero el modelo; revisa el harness.

Las cinco capas donde buscar

En lugar de decir «el modelo es malo», pregunta a qué capa pertenece el fallo:

El bucle diagnóstico

Es el método central del curso, y es sencillo:

1. Ejecuta la tarea.
2. Observa el fallo.
3. Atribúyelo a una capa concreta.
4. Corrige esa capa.
5. Vuelve a ejecutar.

Como reparar una carretera: cada bache que tapas hace más suave el tramo siguiente. Si además apuntas qué capa causó cada fallo, tras unas cuantas rondas verás cuál es tu cuello de botella y dónde gastar energía.

Escribe cuándo está «hecho»

Una de las correcciones más baratas es una Definition of Done (definición de terminado): condiciones que una máquina pueda comprobar. En lugar de «añade búsqueda», algo así:

Criterios de finalización:
- Nuevo endpoint GET /api/search?q=xxx
- Paginación, 20 resultados por defecto
- Los resultados incluyen fragmentos resaltados
- Todo el código nuevo pasa pytest
- Pasa la comprobación de tipos

Sin una definición explícita, el agente inventará la suya, y casi siempre será más cómoda que la tuya.

El experimento del millón de líneas

En agosto de 2025, tres ingenieros de OpenAI empezaron a construir un producto interno entero con Codex desde un repositorio vacío. La regla clave: los humanos no escribían código directamente. No era un truco; obligaba al equipo a descubrir qué cambia cuando tu trabajo deja de ser teclear y pasa a ser diseñar el entorno, expresar la intención y montar bucles de comprobación.

Cinco meses después el repositorio tenía alrededor de un millón de líneas; el equipo creció a siete personas y se fusionaron unas 1.500 propuestas de cambio (PRs).

Lo revelador está en el principio: el avance inicial fue más lento de lo esperado, no porque Codex no pudiera, sino porque el entorno estaba incompleto. Cuando algo fallaba, la solución casi nunca era «inténtalo con más fuerza». Era preguntar qué capacidad le falta al agente y cómo la hacemos comprensible y ejecutable.

Mide si mejoras

Lleva un registro sencillo: cada tarea, si salió bien o mal, y qué capa causó el fallo. Tres columnas bastan.