//AIDDbot en tu flujo de trabajo

La generación de software profesional usando agentes de codificación inteligentes es una realidad. Pero, ¿cómo se integra en tu flujo de trabajo?

Es fácil preparar un prompt o un conjunto básico de reglas y ponerse a generar un pequeño proyecto o una solución archiconocida.

Pero, ¿qué pasa cuando quieres generar un software empresarial? ¿Qué pasa si necesitas un sistema que sea mantenible, escalable y que se pueda integrar en un otro sistema existente?

Necesitas una metodología de trabajo. Y un poco de ayuda.

AIDDbot es una herramienta que te ayuda a generar software profesional usando agentes de codificación inteligentes.

(TLDR: Saltar directamente al diagrama de flujo de trabajo)

La situación actual

Los modelos de lenguaje han evolucionado una barbaridad. No importa cuando leas esto. Pero, al mismo tiempo, las expectativas de los programadores y el uso que les damos a la IA también ha crecido.

En proyectos grandes, la programación por vibraciones (o vibe_coding) no es suficiente. Ni siquiera con un conjunto de reglas o instrucciones que la guíen.

Conforme crece el proyecto, los agentes se acaban encontrando con retos que les cueste resolver.

Los retos del desarrollo con I.A.

El ámbito limitado por la memoria:

Conocer la especificación de un Tic-Tac-Toe hecho en un framework mainstream para usar como demo es una cosa. Pero desarrollar una sistema de reservas de hoteles con sus pasarelas de pagos, notificaciones y sistema de informes en Angular, integrando un servicio legacy en Java, un par de bases de datos y una cache en Node.js es otra.

No es fácil que todo eso le quepa en la cabeza a ningún modelo de lenguaje, su memoria es limitada.

La alucinación por desconocimiento:

Los modelos de lenguaje se basan en buscar (inferir) la respuesta más probable en un contexto en base a un conocimiento previo (entrenamiento). Esto plantea dos problemas: la validez y vigencia del entrenamiento, y la dosis de aleatoriedad de la respuesta.

El resultado puede ser una respuesta que suena razonable pero no es la correcta. Una alucinación.

La degradación con el tiempo:

Al igual que los humanos, los agentes comienzan sus tareas con entusiasmo y energía. Pero, conforme avanza el tiempo, la concentración y la motivación (la disponibilidad de la energía) disminuyen. Esto hace que un chat con un agente de IA se vuelva cada vez más incoherente y aleatorio.

Necesita empezar de nuevo porque olvida el inicio de la conversación.

La solución con metodología

La solución a todos estos problemas es una metodología de trabajo que incluya, al menos, los siguientes pasos:

Divide and conquer

Divide las tareas complejas en sub-tareas manejables que se pueden abordar individualmente. Esto permite ajustar el contexto y reducir la fatiga de los agentes. Menos alucinaciones y mayor calidad sostenible.

Context Engineering

Porque esta es la clave para que los agentes de IA puedan trabajar de forma sostenible y eficiente. Aportarles la información necesaria en cada momento para que puedan responder de forma coherente y fiable.

Guides and guards

Mantener un sistema actualizado de buenas prácticas y guarda-raíles de los errores comunes, para los lenguajes frameworks y librerías en las versiones que se usen. No depender de un entrenamiento obsoleto, o directamente, de la invención de un LLM que no sabe decir que no sabe.

Long-term memory

Empezar de nuevo cada vez es una solución nada sostenible. Para mitigar este problema, se puede usar el sistema de archivos como memoria para el contexto y la información de largo plazo. Un conjunto de ficheros con una estructura y un formato que permita a los agentes acceder a la información de forma sencilla y eficiente.

AIDDbot: tu ayudante de programación con IA

Y aquí es donde entra AIDDbot. Te proporciona un flujo de trabajo que te ayuda a generar software profesional usando agentes de codificación inteligentes optimizando el contexto para que trabajen de la manera más fiable posible.

Para ello, se establecen una serie de pasos con un ámbito y momento de aplicación determinados. Y mediante un sistema de peticiones predefinidas se orquesta un flujo de trabajo que incluye los siguientes elementos:

Architect: Definición del proyecto

Afecta a todo el proyecto y tiene lugar al inicio del mismo. Esta abierto a modificaciones y revisiones, pero debe sentar una base inicial sólida sobre la que se pueda trabajar.

PRD (Product Requirements Document)

Describe los requisitos del producto. Tiene que ser corto y entendible por humanos no técnicos. Pero especificar al menos el alcance del problema y la solución esperada.

Modelo de dominio

Define el modelo de dominio del proyecto. Es decir, las entidades y relaciones que lo componen. Sirve para mantener un lenguaje común y un conjunto mínimo de reglas de negocio que deban cumplir los datos.

Arquitectura del sistema

Detalla los componentes desplegables de la solución. Incluye el stack tecnológico y la arquitectura de la solución.

Backlog de funcionalidades

Es la lista de funcionalidades que se deben implementar para completar el proyecto. Pueden agruparse en épicas o conjuntos de historias de usuario ordenadas por prioridad y con algún control de estado evolutivo.

Builder: Implementación de características

Afecta a cada una de las funcionalidades del backlog y se hará tras la definición del proyecto. Esta etapa se divide a su vez en procesos que van refinando la funcionalidad hasta su implementación en código fuente.

Especificación

Especifica la funcionalidad como historias de usuario desde el punto de vista de los stakeholders. Incluye el comportamiento esperado en formato E.A.R.S. (Easy Approach to Requirements Syntax) para su posterior verificación.

Diseño técnico

Define la arquitectura técnica de la funcionalidad. Incluye el diseño de la base de datos, la interfaz de usuario, la integración con otros sistemas, y reutilización de componentes.

Planificación

Este es un paso opcional para funcionalidades complejas. La idea es generar un conjunto de tareas ordenadas para que un agente pueda ejecutarlas una a una. En ciertos casos, (funcionalidades sencillas o agentes muy avanzados) puede ser suficiente con un el diseño y un prompt de ejecución que le indique al agente la necesidad de planificar antes de generar.

Generación de código

Genera el código fuente de la funcionalidad, de forma que cumpla la especificación y respete el diseño técnico. Puede seguir un plan o crearlo dinámicamente. Deliberadamente no incluye la generación de tests y documentación, que se generan en pasos posteriores.

Craftsman: Mantenimiento de características

Formalmente es un proceso que forma parte de la implementación de una funcionalidad. Pero lo separamos para mitigar el riesgo de cansancio de los agentes y la posibilidad de que durante le mismo chat puedan tender a probar lo que funciona, retocar código que no deben, o documentar en lugar de escribir buen código.

Sacando esta tarea a otro chat (petición, agente, modelo) se evita que se acumulen errores y se mantenga la concentración en la tarea principal.

Testing

Genera los tests de la funcionalidad, para que se pueda verificar que el código funciona como se espera. Si el proceso es complejo, o requiere de test a distintos niveles (unitarios, integración, e2e), se puede generar un plan de test previo a su generación, de forma parecida a la planificación del código.

Refactoring

Esta es una oportunidad para revisar el código generado en busca de code-smells, redundancias o mejoras en el diseño. De nuevo, permite descargar la responsabilidad de la revisión a otro agente. Con la mente más limpia, se limpia mejor.

Documentación

Genera la documentación de la funcionalidad, de forma que se pueda entender el código generado. Incluye la documentación de la API, la estructura de carpetas, y la integración con otros sistemas.

Conclusión

Estos pasos se repetirán para cada una de las funcionalidades del proyecto hasta que se complete el mismo. Permitiendo que el proyecto siga vivo y evolucione, modificando el backlog con nuevas funcionalidades y corrigiendo errores.

AIDDbot workflow

Espero que este diagrama te ayude a entender cómo funciona AIDDbot.

AIDDbot facilita la generación de documentación, código y tests, permitiendo usar la IA de forma sostenible y eficiente en proyectos grandes de calidad.

Para ello divide el trabajo en etapas temporales y funcionalidades individuales. Entre medias, genera documentación que permite a los agentes seguir el proceso y a los humanos entenderlo.