Kieran Klaassen presenta 8 estrategias concretas que convierten la filosofía de planificación en sistemas operativos para enseñar a la IA a pensar como un ingeniero senior. Tras su artículo anterior sobre planning vs. vibe coding, esta guía táctica detalla cómo ejecutar operaciones de investigación en paralelo más rápido que una planificación humana secuencial.
Marco de 8 estrategias
1. Reproducir y documentar: antes de corregir un bug, reproducirlo y documentarlo. Ejemplo de la bancarrota de correo de Cora: 19 usuarios bloqueados; el agente revisó los logs de AppSignal → los errores de límite de tasa se estaban descartando silenciosamente. Se acabó el adivinar. Compounding: actualización permanente de la checklist de @kieran-rails-reviewer.
2. Anclar en las mejores prácticas: @agent-best-practices-researcher busca en la web cómo otros han resuelto el problema. Casos de uso: arquitectura, redacción, precios, actualizaciones. Una gema 2 versiones atrasada: 3 minutos de investigación encontraron la guía oficial + 3 entradas de blog sobre casos límite, evitando horas de depuración. Compounding: hallazgos guardados en docs/*.md, el agente revisa primero la documentación local.
3. Anclar en el código base: buscar patrones existentes antes de recrearlos. Función de seguimiento de eventos: el agente encontró un sistema existente olvidado con sus métodos auxiliares, evitando la construcción de un segundo sistema incompatible. Compounding: el agente @event-tracking-expert destila todos los patrones y se ejecuta automáticamente.
4. Anclar en las librerías: para librerías de evolución rápida y mal documentadas, leer el código fuente. Gema RubyLLM: el agente descubrió el soporte de streaming de v1.9, no documentado pero presente en la suite de pruebas. Compounding: actualización automática con cada incremento de versión de dependencia.
5. Estudiar el historial de git: entender el "por qué" detrás de decisiones pasadas. Actualización de EmailClassifier: el agente encontró un PR de 3 meses de antigüedad que mostraba que se había intentado la v2, que tenía casos límite rotos (inbox→archive y archive→inbox invertidos), y que había sido revertida deliberadamente con un razonamiento detallado. 5 minutos de investigación evitaron reintroducir un bug ya depurado. Compounding: memoria institucional preservada y consultable.
6. Prototipo vibe para clarificar: Fidelity Three, UX incierta. Interfaz de Brief: 5 prototipos de 5 minutos cada uno, retroalimentación concreta de usuarios ("botón de archivar arriba a la izquierda — reflejo de Gmail"). Los prototipos se descartan, el conocimiento pasa al plan. Compounding: la incertidumbre se convierte en especificaciones concretas y documentadas.
7. Sintetizar con opciones: combinar toda la investigación en 2-3 enfoques con compensaciones honestas. Sincronización de bandeja de entrada de Gmail: opción A (injertar en el sistema existente — rápido pero desordenado), B (tiempo real — limpio pero lento), C (caché espejo — esfuerzo inicial pero mejor a largo plazo). El agente hace la investigación, el humano juzga. Compounding: las elecciones revelan preferencias codificadas para decisiones futuras similares ("preferir lo ampliamente soportado antes que lo de vanguardia").
8. Revisar con agentes de estilo: 3 revisores especializados en el paso final. Agente de simplificación (señala el sobrediseño), agente de seguridad (verifica vulnerabilidades), agente estilo-Kieran (preferencias personales: consultas simples vs. joins complejos, desnormalización). Compounding: los agentes acumulan criterio con el tiempo.
Un caso revelador de bancarrota de correo: juzgado inicialmente como fácil ("archivar en masa 53.000 correos, ¿qué tan difícil puede ser?"). 20 minutos de trabajo del agente de investigación devolvieron la realidad: los límites de tasa de Gmail se alcanzaban a los 2.000, tiempos de espera del sistema, larga espera del usuario. La función simple se convirtió en un desafío arquitectónico de 3 días. La planificación evitó construir por completo lo incorrecto.
Implementación práctica: elegir una función Fidelity Two → 15-20 minutos de investigación (mejores prácticas web + patrones del código base + capacidades de librerías) → la IA sintetiza el plan (problema/enfoques/patrones/casos límite) → capturar el POR QUÉ detrás de las reacciones de revisión → publicar → comparar la implementación con el plan → codificar 1 aprendizaje en CLAUDE.md → crear agentes especializados → repetir la semana siguiente.
Contribución de código abierto: Klaassen publicó como código abierto su sistema de planificación en el marketplace de GitHub de Every con el comando /plan y agentes de investigación listos para usar. Filosofía: no partir de cero, adaptar sistemas probados existentes.
Cada estrategia incluye una nota sobre "cómo hacer que esto se acumule", demostrando la tesis central: las operaciones de investigación en paralelo enseñan a la IA un conocimiento institucional que se acumula más rápido que la planificación humana secuencial.