Mapa de la ruta
🏎️ Motor × chasis
El modelo no lo es todo
⏳ La Bitter Lesson
No esperes al modelo
🧭 Configuración agnóstica al agente
Fundamentos de 30 años
🤝 DX × AX
Diseña para el agente
💸 Ahorro de tokens
Codebase fácil = modelo barato
🪟 Ventana de contexto escasa
Cada skill cobra
Contenido detallado
🏎️ Motor × chasis
La tesis central: enfócate en el harness, no en el modelo.
Todo lo que involucra al modelo: prompts, skills, entorno y codebase.
Es donde está la palanca que realmente controlas.
Motor = modelo; auto = harness; control casi total.
El motor es una parte; el chasis y la aerodinámica hacen que el auto gane.
Reorienta tu enfoque del juguete brillante al sistema.
Sistema > pieza; mentalidad de chasis.
Los prompts, el entorno y el codebase están 100% en tus manos.
Cambia dónde vale la pena invertir tiempo: en lo que cambias hoy.
Tres palancas; mejora independiente del modelo.
La obsesión por el modelo nuevo y el vibe coder que cambia cada semana.
Evita quedar atado a un modelo y no aprender nunca los fundamentos.
Pensar desde el harness, no desde el modelo.
Pocock pondera el modelo y el harness por igual.
La mitad del resultado está bajo tu control directo.
Equilibrio 50/50; el harness abarata el modelo.
Traducir «mejorar la IA» en «mejorar el harness».
Mayor retorno por hora invertida.
Lista de verificación: prompt, skills, entorno, codebase.
⏳ La Bitter Lesson
Por qué «solo esperar a que el modelo mejore» es una trampa y cuál es el equilibrio adecuado.
Idea de ML (Rich Sutton): el cómputo bruto supera las optimizaciones hechas a mano.
Explica por qué apostar contra el avance de los modelos suele ser una apuesta perdida.
El cómputo crece rápido; los métodos generales > los trucos manuales.
La idea de simplemente esperar a que el modelo mejore: “esperar a que el motor mejore”.
Es el error opuesto: delegar todo el progreso al laboratorio.
Esperar sin hacer nada ≠ estrategia.
Incluso con Bitter Lesson, todavía se puede ganar mucho optimizando el harness hoy.
El límite de la lección: no te dice que no hagas nada.
El cómputo aumenta; el harness todavía multiplica el resultado ahora.
“Quedarse esperando a la AGI sin hacer nada fue una idea muy tonta.”
La acción se compone: cada mejora del harness genera intereses mientras el modelo evoluciona.
Actuar ahora > esperar; las mejoras se acumulan.
Un punto medio: mejorar toda la configuración cada día Y usar el mejor modelo.
Evita los dos extremos: optimizar demasiado el harness o solo esperar al motor.
“Hago lo mejor que puedo con lo que tengo ahora.”
Invertir en el harness ahora; usar el mejor modelo; no apostarlo todo a esperar.
Convierte la teoría en una rutina semanal.
Rutina: 1 mejora del harness por semana + mejor modelo.
🧭 Configuración agnóstica al agente
Mantén el harness independiente del modelo y basado en lo que funciona desde hace décadas.
Mantener el workspace/harness lo más independiente posible del modelo.
Lo que es agnóstico sobrevive al próximo cambio de modelo.
Agnosticismo = robustez ante los cambios.
“Si sobreoptimizo en torno a un modelo, pierdo de vista los fundamentos.”
Acoplarse a un modelo genera deuda cuando este cambia.
La sobreoptimización = deuda futura.
Enfocarse en lo que funciona desde hace 30-40 años; tiende a seguir funcionando.
Los fundamentos antiguos son la apuesta más segura a largo plazo.
Buenas prácticas atemporales > novedad brillante.
Saltar de una herramienta a otra sin aprender ningún principio.
Es lo opuesto al agnosticismo: mucha novedad, cero base.
Cambiar todo ≠ evolucionar.
Aplicar buenos fundamentos para sobrevivir a los cambios de modelo.
Un setup blindado cuesta menos con cada cambio de modelo.
Patrones portables; bajo acoplamiento.
Cómo auditar si dependes de un modelo.
Hace que el agnosticismo sea verificable, no vago.
Lista de verificación objetiva.
🤝 DX × AX
Developer Experience se encuentra con Agent Experience, y la superposición es enorme.
La experiencia que tiene el agente al trabajar en tu codebase.
Una buena AX hace que el agente sea más eficaz y más barato.
AX = entorno del agente.
DX y AX se superponen enormemente; un buen DX ya mejora el AX.
No tienes que elegir: mejorar uno mejora el otro.
Un buen sénior que ofrece un buen DX ya ofrece AX.
Lo que ayuda al agente a explorar sin tropezar.
Los guard rails reducen el ensayo y error y el costo.
Límites claros + caminos obvios.
“Documentación suficiente para guiar a la IA hacia los lugares correctos.”
Demasiada documentación se convierte en ruido; la adecuada acelera al agente.
Documentación concisa y orientativa.
Mejorar el codebase es mejorar el entorno en el que funciona el modelo.
Es la palanca de AX más olvidada — y una de las más potentes.
Codebase = entorno; entorno = AX.
Señales de un codebase con buena AX.
Lo que mides, lo mejoras.
Señales observables de AX.
💸 Ahorro de tokens
La verdadera optimización de costos: un codebase fácil de modificar permite que un modelo más barato rinda igual.
“¿Cómo optimizar el gasto de tokens? Ten un codebase más fácil de cambiar.”
La arquitectura es la palanca de costos más subestimada.
Fácil de cambiar = barato de operar.
Mejores guard rails → el modelo gasta menos tokens dando vueltas.
Cada intervención evitada es un token ahorrado.
Guard rails = menos ensayo y error.
Codebase mejor → un modelo más barato/sencillo hace el mismo trabajo.
Es como pagar menos por API sin perder resultados.
Un buen harness reduce el nivel de modelo necesario.
“Encadenar al modelo desde el día 1” obliga a usar un modelo caro.
El costo aparece como dependencia de un modelo caro.
Codebase malo = impuesto permanente.
Refactorizar para que sea fácil de cambiar es optimizar costos.
Cada refactorización reduce los tokens que se gastan en los siguientes cambios.
Refactorizar = reducir el costo marginal.
Cómo pensar el costo por cambio.
Da una cifra para orientar las refactorizaciones.
Tokens/cambio como brújula.
🪟 Ventana de contexto escasa
Cada skill filtra su descripción en el contexto. La higiene del contexto forma parte del harness.
Toda skill expone su descripción en la context window.
El contexto es finito; cada filtración ocupa espacio.
Descripción de la skill = costo de contexto.
100 skills = 100 descripciones filtrándose en el contexto.
La «lista de habilidades» no es gratis.
Más skills = más filtraciones.
`disable model invocation: true` → skill invocada solo por ti, sin filtrar la descripción.
Permite tener la skill sin pagar el costo de contexto que implica.
Procedure solo para el usuario; descripción oculta.
“Todo el mundo llena la ventana de contexto con demasiadas cosas, demasiadas instrucciones.”
El exceso de instrucciones empeora el rendimiento, no lo mejora.
Menos es más en el contexto.
Volver al blank slate y observar al agente puro.
Solo así ves lo que realmente necesitas volver a agregar.
Borrar todo → observar → recamadar.
Eliminar lo que no aporta; mantener el conocimiento en la persona.
Un contexto limpio mejora el rendimiento y reduce los costos.
Higiene continua del contexto.