✈️ El IDE es el caza, el modelo es el piloto
Antes que nada, una analogía que organiza todo: el IDE (AntiGravity, Cursor) es el caza — la máquina donde vuelas. El modelo (Claude Code, Gemini) es el piloto — el cerebro que toma las decisiones. Y el punto central: tú cambias de piloto según el objetivo de la misión.
🧭 La idea central
Separar la herramienta (el cazador) de cerebro (el piloto) es liberador: tu habilidad no queda atada a un producto. Si un modelo es mejor en diseño y otro en razonamiento, eliges al piloto adecuado para el vuelo.
- •O caza no decide nada por sí solo: te da los instrumentos y la cabina de mando.
- •O piloto razona, escribe y corrige, y se puede cambiar en cualquier momento.
- •Ningún piloto despega sin una lista de verificación — es exactamente lo que es el framework CODA.
el IDE
el modelo
por objetivo
= CODA
📝 C — Configura (claude.md)
La primera etapa de CODA es Configura: crear un archivo de contexto — claude.md (o Gemini.md) — en TODO proyecto. Es la columna vertebral que el piloto lee antes de tocar cualquier cosa.
Stack tecnológico y directorios
Qué tecnologías usa el proyecto y dónde están las carpetas clave. Así la IA no tiene que adivinar la estructura.
Comandos
Cómo ejecutar, compilar y probar el proyecto. El piloto necesita conocer los comandos para ejecutarlo y verificarlo.
Criterio de éxito + cómo probar
El corazón del archivo: qué significa "listo" y cómo demostrarlo. Sin eso, todo lo demás pierde el rumbo.
💡 Documento vivo
El claude.md no se escribe una vez y se olvida. Cada vez que el proyecto cambie de rumbo, actualiza el archivo. Es la memoria compartida entre tú y el piloto.
tecnologías
ejecutar y probar
qué significa «listo»
siempre actualizado
🗺️ O — Outline (Plan Mode)
La segunda etapa es Outline: planificar antes de programar. Aquí está el secreto de los profesionales: dedicar ~95% del tiempo definiendo el problema y el éxito ANTES de escribir una línea de código.
✓ Hazlo en Plan Mode
- ✓Definir el problema en detalle
- ✓Conversar de ida y vuelta con el modelo
- ✓Pedir preguntas aclaratorias
- ✓Usar "ultrathink" para un razonamiento profundo
✗ Evita
- ✗Decir «construye X» y empezar a programar
- ✗Omitir la definición del éxito
- ✗Aceptar la primera interpretación de la IA
- ✗Descubrir el requisito solo al final
En el Plan Mode, el modelo no escribe código: conversa, plantea dudas y ayuda a preparar la especificación. Cuando el plan es sólido, la implementación se vuelve casi un detalle, porque el problema ya se resolvió sobre el papel.
en el plan
ida y vuelta
aclaratorias
razonamiento profundo
⚡ D — Deploy (agentes en paralelo)
La tercera etapa es Deploy: hacer que los agentes despeguen. El salto de productividad viene de ejecutar varios agentes al mismo tiempo (5 a 7) — desde la terminal o desde el propio IDE.
🛫 Escuadrón de agentes
En lugar de esperar a que un agente termine para empezar con el siguiente, pones en marcha un escuadrón. Mientras uno trabaja en el front, otro ajusta el back y otro escribe pruebas: todos en paralelo.
Incluso puedes usar agentes en la web conectados a un repositorio, funcionando incluso con el laptop cerrada. El trabajo continúa sin ti.
| Dónde ejecutar | Cómo | Ventaja |
|---|---|---|
| Terminal | varias sesiones | control directo |
| IDE | paneles paralelos | todo en un solo lugar |
| Web + repo | en la nube | funciona con la laptop cerrada |
agentes juntos
o IDE
conectado al repo
multiplica
🧩 A — Automation (subagentes)
La cuarta etapa es Automation: crear subagentes especializados, uno por subtarea. Cada subagente tiene la tu propia ventana de contexto, para evitar que todo se desborde en una sola conversación.
🧠 Por qué dividir
Cada modelo tiene un límite de cuánto puede «recordar» a la vez (la ventana de contexto). Al asignar una subtarea a cada subagente, mantienes cada conversación breve y enfocada, y nada importante queda fuera de la memoria.
1 subagente
propio de cada uno
sin ruido
memoria bajo control
🔎 R — Revisar y verificar
La última etapa es Review & verify: el aterrizaje. Le das criterios de éxito explícitos (escritos en claude.md) para que "listo" deje de ser una opinión y se convierta en una prueba objetiva.
✅ Lista de verificación de éxito
- ✓Se ejecuta sin errores
- ✓Los las pruebas pasan
- ✓Sin advertencias de lint
- ✓Hace lo que se pidió
- ✓Los cambios son explicables
🕵️ Revisión escéptica
Pídele a la IA que revise su propio trabajo como un "desarrollador sénior muy escéptico". Este enfoque obliga al modelo a buscar problemas en vez de elogiar, y revela qué fallaría antes de que el usuario lo descubra.
se ejecuta sin problemas
pasan
tú entiendes
busca fallas
🪶 Menos es más
Un contrapunto importante a todo CODA: a veces un prompt corto da mejor resultado que uno súper detallado. Los modelos modernos son buenos para inferir, y un exceso de instrucciones puede confundirlos.
✓ Prueba primero
- ✓El prompt corto y directo
- ✓Dejar que la IA infiera los detalles
- ✓Solo detallar si se equivoca
✗ Cuidado con
- ✗Llenar el prompt «por si acaso»
- ✗Instrucciones que se contradicen
- ✗Microgestionar cada paso
⚖️ El equilibrio
CODA aporta estructura donde importa (contexto, plan, verificación). «Menos es más» recuerda que, en los prompts del día a día, la simplicidad es una fortaleza. Empieza de forma sencilla; agrega detalles solo cuando la IA los pida o se equivoque.
primero
deja que la IA
solo si te equivocas
ahorra
🔬 Ejemplo práctico
Vamos a crear un claude.md para un proyecto simple —un sitio que muestra el clima de 3 ciudades—, ya con criterios de éxito y pruebas. Esa es la "C" de CODA en la práctica.
# Clima de 3 cidades ## Stack - HTML + CSS + JS puro (sem build) - API: open-meteo (sem chave) ## Diretórios - index.html → página única - /assets → css e js ## Comandos - abrir: é só abrir index.html no navegador - testar: rodar manualmente as 3 cidades ## Critério de sucesso - Mostra temperatura atual de São Paulo, Rio e Salvador - Carrega em < 2s, sem erros no console - Funciona offline depois do 1º carregamento (cache) ## Como testar 1. Abrir index.html 2. Conferir as 3 temperaturas aparecendo 3. Abrir o console: não pode ter erro vermelho
Fíjate: el piloto (modelo) ahora sabe qué construir, cómo ejecutarlo y, sobre todo, cómo saber que terminó.
🏋️ Ejercicio
Es hora de pilotear. Da los dos pasos siguientes en uno de tus proyectos (puede ser pequeño):
- Escribe un claude.md con criterios de éxito claros y la sección "cómo probar".
- Ejecuta 3 agentes en paralelo en distintas subtareas (ej.: uno en la interfaz, uno en la lógica, uno en las pruebas).
Al final, pídele a uno de ellos que revise como «desarrollador sénior escéptico» y anota lo que encontró.
⚡ Prompts listos
Copia, pega en tu asistente de IA y adapta a tu caso.
Atualize o claude.md com o escopo abaixo do projeto e me faça perguntas para preencher os detalhes que faltam (stack, diretórios, comandos, critério de sucesso e como testar). Escopo: [descreva o projeto em 2-3 frases]
(Plan Mode) Quero construir [X]. Me ajude a definir o problema em detalhe e criar as especificações. Faça perguntas clarificadoras antes de escrever qualquer código. Não comece a implementar até o plano estar fechado.
Revisa este código como un desarrollador sénior muy escéptico: - ¿Se ejecuta sin errores? - ¿Pasan las pruebas? ¿Hay casos sin cubrir? - ¿Qué fallaría en producción? Enumera los problemas por gravedad y propón una solución para cada uno.
✅ Resumen del módulo
Siguiente módulo:
5.2 — Biblioteca de Skills & Prompts