Kieran Klaassen presenta 8 strategie concrete che trasformano una filosofia di planning in sistemi operativi per insegnare all'IA a ragionare come un ingegnere senior. In seguito al suo precedente articolo su planning vs. vibe coding, questa guida tattica descrive in dettaglio come condurre operazioni di ricerca parallele più rapide del planning umano sequenziale.
Framework in 8 strategie
1. Riprodurre e documentare: prima di correggere un bug, riprodurlo e documentarlo. Esempio della email bankruptcy di Cora: 19 utenti bloccati; l'agente ha esaminato i log di AppSignal → errori di rate limit venivano soppressi silenziosamente. Niente più congetture. Compounding: aggiornamento permanente della checklist @kieran-rails-reviewer.
2. Fondarsi sulle best practice: @agent-best-practices-researcher cerca sul web come altri hanno risolto il problema. Casi d'uso: architettura, copywriting, pricing, upgrade. Una gem indietro di 2 versioni: 3 minuti di ricerca hanno trovato la guida ufficiale + 3 post di blog sui casi limite, evitando ore di debugging. Compounding: i risultati vengono salvati in docs/*.md, l'agente controlla prima la documentazione locale.
3. Fondarsi sul codebase: cercare pattern esistenti prima di ricrearli. Funzionalità di event tracking: l'agente ha trovato un sistema esistente dimenticato con i relativi helper method, evitando la costruzione di un secondo sistema incompatibile. Compounding: l'agente @event-tracking-expert distilla tutti i pattern e viene eseguito automaticamente.
4. Fondarsi sulle librerie: per librerie in rapida evoluzione e poco documentate, leggere il codice sorgente. Gem RubyLLM: l'agente ha scoperto il supporto streaming della v1.9, non documentato ma presente nella test suite. Compounding: aggiornamento automatico a ogni bump di versione della dipendenza.
5. Studiare la cronologia git: comprendere il "perché" dietro le decisioni passate. Upgrade di EmailClassifier: l'agente ha trovato una PR vecchia di 3 mesi che mostrava come la v2 fosse già stata tentata, avesse rotto dei casi limite (archivio→posta in arrivo e posta in arrivo→archivio invertiti) e fosse stata deliberatamente ripristinata con un ragionamento dettagliato. 5 minuti di ricerca hanno evitato di reintrodurre un bug già risolto. Compounding: memoria istituzionale preservata e ricercabile.
6. Vibe prototype per chiarire: Fidelity Three, UX incerta. Interfaccia Brief: 5 prototipi da 5 minuti ciascuno, feedback concreto degli utenti ("pulsante archivia in alto a sinistra — riflesso da Gmail"). I prototipi vengono scartati, la conoscenza confluisce nel piano. Compounding: l'incertezza diventa specifiche concrete e documentate.
7. Sintetizzare con opzioni: combinare tutta la ricerca in 2-3 approcci con tradeoff onesti. Sincronizzazione della inbox Gmail: opzione A (innestare sul sistema esistente — veloce ma disordinato), B (tempo reale — pulito ma lento), C (cache mirror — sforzo iniziale ma migliore nel lungo termine). L'agente fa la ricerca, l'essere umano giudica. Compounding: le scelte rivelano preferenze codificate per decisioni future simili ("preferire ciò che è ampiamente supportato rispetto a ciò che è all'avanguardia").
8. Revisione con agenti di stile: 3 revisori specializzati nel passaggio finale. Agente di semplificazione (segnala l'over-engineering), agente di sicurezza (verifica le vulnerabilità), agente style-Kieran (preferenze personali: query semplici vs. join complessi, denormalizzazione). Compounding: gli agenti accumulano gusto nel tempo.
Un caso rivelatore di email bankruptcy: inizialmente giudicato semplice ("archiviare in blocco 53.000 email, quanto può essere difficile?"). 20 minuti di lavoro dell'agente di ricerca hanno riportato alla realtà: i rate limit di Gmail vengono raggiunti a 2.000, timeout di sistema, lunga attesa per l'utente. La funzionalità semplice è diventata una sfida architetturale di 3 giorni. Il planning ha evitato di costruire completamente la cosa sbagliata.
Implementazione pratica: scegliere una funzionalità Fidelity Two → 15-20 minuti di ricerca (best practice web + pattern del codebase + capacità delle librerie) → l'IA sintetizza il piano (problema/approcci/pattern/casi limite) → catturare il PERCHÉ dietro le reazioni di revisione → rilasciare → confrontare l'implementazione con il piano → codificare 1 apprendimento in CLAUDE.md → creare agenti specializzati → ripetere la settimana successiva.
Contributo open-source: Klaassen ha reso open-source il proprio sistema di planning sul marketplace GitHub di Every, con il comando /plan e agenti di ricerca pronti all'uso. Filosofia: non partire da zero, adattare sistemi comprovati già esistenti.
Ogni strategia include una nota "come renderlo compounding", a dimostrazione della tesi centrale: le operazioni di ricerca parallele insegnano all'IA una conoscenza istituzionale che si accumula più rapidamente del planning umano sequenziale.