Tema del blog
IA, herramientas, agentes y flujos de trabajo para mejorar el desarrollo con criterio técnico.
Ver todos los artículos36 artículos
Cómo conectar skills, contexto de repositorio, issues, delegación y feedback loops para construir un sistema de trabajo agéntico con límites claros.
Cómo descubrir el comportamiento de una aplicación de escritorio, acordar contratos y migrar casos de uso completos entre repositorios con ayuda de agentes.
Cómo repartir tickets entre sesiones y worktrees separados, mantener un contexto limpio y revisar cambios con independencia.
Cómo relacionar specs, tickets implementables y dependencias para que personas y agentes trabajen sobre una frontera lista y compartan una fuente de verdad.
Cómo preparar tareas agent-ready, combinar roles con skills reutilizables y revisar el trabajo asíncrono que vuelve en forma de pull request.
Qué métricas ayudan a evaluar el efecto de los agentes en el flujo de entrega y por qué contar líneas, prompts o skills puede incentivar el comportamiento equivocado.
Un marco para decidir cuánto trabajo puede delegarse según la reversibilidad, el impacto potencial y la evidencia disponible.
Cómo diseñar flujos donde el agente prepara y verifica el trabajo, mientras una persona realiza acciones sensibles, externas o difíciles de revertir.
Un método para convertir una instrucción repetida en una skill pequeña, activable y comprobable con tareas reales del proyecto.
Cuándo adaptar una skill externa, cómo conservar su intención y dónde colocar cada regla para construir un sistema de trabajo propio.
La IA acelera la producción de código, pero no reemplaza el criterio necesario para integrarlo, validarlo y mantenerlo en un producto real.
Un flujo para investigar decisiones técnicas con fuentes primarias, conservar los hallazgos y llevar la evidencia a una decisión o ADR.
Cómo la navegación, el lenguaje compartido, la arquitectura, las pruebas y el tooling determinan cuánto puede hacer un agente con seguridad.
Cómo convertir errores repetidos de agentes en mejoras de instrucciones, tooling, documentación y estándares sin inflar AGENTS.md.
Cómo usar Wayfinder para convertir una iniciativa incierta en un mapa compartido de decisiones y avanzar hasta que el trabajo esté listo para especificarse.
Por qué los agentes heredan los costes de una codebase difícil de navegar y cómo mejorar seams, interfaces y locality antes de aumentar su autonomía.
Un proceso para depurar con agentes a partir de una reproducción determinista, hipótesis comprobables e instrumentación útil.
Cómo convertir la documentación de arquitectura, operaciones y contratos en una herramienta de trabajo para el equipo, usando Astro y Starlight sin escribir por escribir.
Cómo aplicar ciclos red-green a tareas de agentes, elegir seams observables y evitar tests frágiles que ralentizan la validación del software.
Cuándo convertir una conversación en una especificación, cómo dividir el trabajo en tickets verticales y por qué cada tarea debe poder ejecutarse con contexto fresco.
Cómo usar grill-with-docs para explorar requisitos, distinguir decisiones conversables de preguntas que necesitan un prototipo y dejar el contexto importante por escrito.
Qué ofrece el repositorio mattpocock/skills, cómo elegir entre un plugin gestionado y archivos editables, y una forma gradual de incorporarlo a un proyecto real.
Qué debe contener un runbook útil, cómo diseñarlo para actuar con seguridad ante una incidencia y cómo convertir cada problema real en aprendizaje compartido.
Cómo organizar frontend, API, backoffice y documentación en un monorepo con pnpm para compartir cambios con seguridad y dar a la IA el contexto completo de cada funcionalidad.
Cómo construir una forma de trabajo en la que el equipo detecta problemas, participa en las decisiones y convierte las retrospectivas en mejoras concretas.
Así utilizo ChatGPT, Linear, Codex y agentes especializados para convertir ideas de mis side projects en funcionalidades planificadas, implementadas, probadas y revisadas visualmente.
Qué aporta Awesome Copilot MCP, cómo configurarlo en VS Code y cómo usar sus instrucciones, prompts y agentes para mejorar revisiones, tests y documentación.
Cómo separar una aplicación de recomendaciones y una plataforma editorial automatizada, compartir servicios y usar IA con controles técnicos y revisión humana.
Cómo centralizar mocks HTTP con Mock Service Worker en una aplicación Vue 3 para reutilizarlos en desarrollo local, tests con Vitest y Storybook sin duplicar contratos.
Seis decisiones prácticas para acelerar tests de Vue con Vitest y Testing Library, evitando optimizaciones que vuelven la suite menos fiable.
Cómo conectar Sentry MCP en VSCode para resumir errores, detectar APIs con mayor impacto y priorizar correcciones sin salir del editor.
Guía de decisión rápida para elegir el componente correcto de notificación en tu aplicación web, basada en Material Design y experiencia real.
Lecciones aprendidas al deprecar una librería de componentes wrapper sobre Vuetify en favor de usar Vuetify directamente con una configuración centralizada.
Caso real de diagnóstico de una suite de vitest que tardaba 15 minutos, con identificación de 7 causas raíz y un plan de acción en 3 fases para reducirla a menos de 5 minutos.
Cómo exploramos el uso de inteligencia artificial para generar y ejecutar tests end-to-end, comparando enfoques YAML vs Playwright, con análisis de costes reales.
Cómo definir criterios mínimos obligatorios para tablas de datos de alta funcionalidad, agnósticos a la tecnología, cuando tu plataforma tiene múltiples frameworks frontend.