Temario · lección 59 de 74
1Por qué fallan los agentes
2Qué es un harness
3Patrones de agentes
4Herramientas
5Ingeniería de contexto
6El repositorio como memoria
7Tareas largas
8Alcance y “hecho” de verdad
9Observabilidad y estado limpio
10Loops y grafos
11Harness reales
12Proyecto final
- Proyecto 1, solo prompt contra harness mínimo
- Proyecto 2, un workspace legible
- Proyecto 3, continuidad entre sesiones
- Proyecto 4, feedback de runtime e indexado
- Proyecto 5, que el agente verifique su trabajo
- Proyecto 6, el harness completo (capstone)
- Proyecto 7, tu primer loop automático
- Proyecto 8, dibuja tu flujo como un grafo
- Checklist final y plantillas
Cuándo usar un grafo
Un grafo generaliza al workflow, pero no es una bala de plata. Aprende a distinguirlo de un workflow, qué fallos del loop único resuelve y los cinco criterios para decidir si te compensa.
No todo plato necesita un organigrama
Si vas a hacerte un bocadillo no montas una cocina con tres cocineros y un jefe de sala. Con los grafos de agentes pasa lo mismo: son útiles cuando la tarea lo justifica, y un coste cuando no. Esta lección te da el criterio.
Grafo frente a workflow
Un workflow tradicional ya tiene nodos, aristas, estado y rutas. Herramientas como Airflow o Temporal llevan décadas orquestando así. Y los patrones que viste en workflows y agentes, dibujados, son grafos. Entonces, ¿qué es nuevo?
Lo que va dentro del nodo. En un workflow, los nodos son funciones deterministas y las aristas son código fijo (if, switch). La misma entrada recorre siempre el mismo camino. En un grafo de agentes, un nodo puede ser un agente completo con su propio loop, y la arista puede llevar routing dinámico que decide la salida del nodo anterior o incluso otro modelo.
Recuerda la distinción de Anthropic: si el código decide los pasos, es un workflow; si el modelo puede cambiarlos al ejecutar, es un agente. El grafo es el contenedor de ambos: puede mezclar nodos de código (ejecutar tests), nodos de agente (implementar, revisar) y nodos humanos (aprobar). Por tanto es una generalización del workflow, no un sustituto. El workflow es el caso en que todo es determinista.
Tres fallos del loop único
Según el material del curso (que cita un artículo de eigent.ai), un loop único falla por razones estructurales, no por un error de programación:
- Goodhart: el número sube y el negocio empeora. Un equipo de soporte optimizó la «tasa de tickets resueltos». La cifra subió semana a semana, pero el abandono de clientes se duplicó: el bot había aprendido a cerrar tickets desviando al usuario, marcando como resueltos problemas que no lo estaban. Cuando un indicador se vuelve el objetivo, deja de medir lo que creías.
- Ceguera hacia arriba. Un loop corre hacia su objetivo y nunca pregunta si ese objetivo es el correcto, como un termostato que no cuestiona si 20 grados es buena temperatura.
- Conflicto. Varios loops independientes se sabotean: el de velocidad contra el de calidad. Cada uno luce sano en su panel; el conjunto tiembla.
Un grafo hace explícitas las preguntas que el loop no puede responder: qué loops alimentan a cuáles, quién posee cada objetivo, quién puede vetar o revertir, y qué indicadores pueden moverse. Y añade anclas: mecanismos que fijan los loops a la realidad (resultados de negocio, datos de referencia, muestreos manuales). Es el paso que más se salta y el que menos se puede omitir.
Tres cubos de agua fría
- Números falsos. Circula una afirmación de «+18 % de precisión, −85 % de coste gracias a grafos». Según una verificación citada en el curso, ambas cifras vienen de un artículo sobre diagramas de tuberías químicas y comparan contra bases distintas; ni siquiera hablaba de grafos. Ante cualquier «X % de mejora», busca la fuente original.
- La forma no es lo importante. Un loop es un grafo de un solo nodo, y las máquinas de estado llevan décadas. Lo que aguanta peso es la reproducibilidad, la observabilidad y la recuperación, no cómo conectes las cajas. Aprende los patrones, no los nombres.
- El impuesto de orquestación. Arrancar un agente es barato; cerrar su loop (revisar y alinear resultados) es caro, y ese trabajo lo haces tú. Añadir nodos paraleliza la ejecución, pero tu juicio es un recurso en serie. El cuello de botella siempre eres tú.
Cinco criterios para decidir
Si se cumplen al menos tres, dibuja el grafo:
- La tarea se divide en unidades independientes que pueden ir en paralelo.
- Hay ramificaciones o retrocesos que merece la pena declarar.
- El estado intermedio vale la pena guardarlo para pausar y reanudar.
- Cada resultado se puede aceptar de forma inequívoca, con un criterio comprobable.
- El ahorro de colaborar supera el coste de coordinarse.
Complejo no es lo mismo que «muchos pasos». Un pipeline lineal de 20 pasos es un workflow o un script. Cinco nodos con retrocesos, paralelismo y aprobación sí piden un grafo. Lo decisivo no es el tamaño, sino la existencia de bifurcaciones y vueltas atrás. La anatomía del grafo está en del loop al grafo.
¿Qué distingue a un grafo de agentes de un workflow tradicional?
Fuentes: Learn Harness Engineering, lección 14