Qué ver: seis piezas que encajan en una sola máquina. Cada sección de abajo es una pieza: júntalas todas y tendrás un loop.
🧠 El modelo (quien toma las decisiones)
En el centro hay un único LLM que decide qué hacer en cada vuelta. En Claude Code, es el propio Claude quien lee tus instrucciones y elige la siguiente acción. Tú no el modelo elige cómo organizar los pasos.
🧩 Por qué es universal
Toda fuente que realmente describe un loop de agente pone un modelo en el centro, dirigiendo cada iteración. La definición de una línea de Anthropic es literalmente: "LLMs que usan herramientas de forma autónoma, en un loop". Quita el modelo y no hay loop: solo un script con pasos fijos.
🔧 Las herramientas (cómo actúa en el mundo)
Las herramientas son las acciones que el modelo puede realizar: leer y escribir archivos, ejecutar comandos en la terminal, ejecutar pruebas, buscar, llamar a una API. En Claude Code ya vienen integradas. Sin herramientas, el modelo solo habla; no hace.
💡 La artesanía está en las herramientas
Anthropic dice que es «crucial diseñar conjuntos de herramientas y su documentación con claridad». Es decir: el loop en sí es trivial; el verdadero trabajo está en cuáles herramientas tiene el agente y qué tan bien descritas están.
leer/editar archivos
ejecutar comandos
ejecutar pruebas
buscar / llamar a la API
🧵 Estado / feedback que se arrastra
El resultado de cada acción vuelve al contexto, así que la siguiente vuelta es más inteligente que la anterior. Puede ser el resultado de una herramienta, una prueba que falló o un archivo de notas que el agente vuelve a leer.
📊 Para tareas largas: estado en disco
La investigación de Anthropic sobre agentes de larga duración es explícita: un modelo sin más dentro de un loop no basta. El agente necesita externalizar el estado para Git + archivos de progreso y "deja el entorno limpio" para que la próxima vuelta pueda retomar.
🎯 El objetivo (qué significa «listo»)
Un objetivo claro, escrito de modo que el modelo sepa cuándo terminó. «Haz que pasen todas las pruebas de la carpeta» es un objetivo. «Mejorar el código» no lo es.
✓ Objetivo verificable
- ✓"Todas las pruebas en /tests pasan al ejecutar npm test."
- ✓«Menos de 50 palabras Y menciona el precio».
- ✓«El build compila sin errores».
✗ Objetivo vago
- ✗«Mejora el código».
- ✗«Déjalo bien».
- ✗«Limpia esto».
🧩 Uno de los pocos invariantes de verdad
Casi todas las fuentes — formales o de quienes lo practican — nombran un objetivo como la meta del loop: tarea completa, criterio de éxito, evaluador que da PASS. Hasta la versión más radical mantiene: "da un objetivo y luego haz el loop del objetivo".
✅ La verificación (el paso que se saltan)
Antes de continuar, el agente compara su propio trabajo con el objetivo: ejecuta las pruebas, vuelve a leer el requisito y confirma que el archivo cambió. En Claude Code, el patrón natural es reunir contexto → actuar → verificar → repetir.
Lee el diagrama: la verificación es la puerta. Si pasa, está «listo». Si no, el loop vuelve a actuar, y eso es lo que hace que converja en vez de desviarse.
💡 «El paso más subestimado»
El SDK de Agentes de Anthropic nombra «verifica tu trabajo» como una etapa distinta y la llama «la más subestimada». Es lo que separa un loop que converge en un resultado real de uno que produce basura con confianza.
🛑 La condición de parada (tú controlas el freno)
Algo que termine el loop. Lo más claro es cumplir el objetivo (las pruebas pasan). Pero añade también un límite estricto: un número máximo de vueltas o que tú supervises y pulses CTRL+C. No supongas que el modelo siempre se detiene por sí solo.
🚨 Aquí las fuentes discrepan; por eso defines el freno
Las herramientas formales ofrecen un límite estricto de iteraciones (max_turns). Los loops "grassroots" como Ralph no tienen se detienen del lado del modelo y siguen ejecutándose hasta que un operador los detiene. Un objetivo es invariante; un "detente" emitido por el modelo no lo es. Así que tú pones el freno.
# Checklist dos 6 elementos — cole no Claude Code e ele monta seu loop
Quero rodar uma tarefa em loop. Antes de começar, confirme comigo os 6 elementos:
1. Modelo: você (o agente) decide cada passo.
2. Ferramentas: pode usar <ex.: editar arquivos em /src, rodar `npm test`> — e NADA fora disso.
3. Estado: anote o progresso em PROGRESS.md a cada passo que melhorar.
4. Objetivo: <ex.: todos os testes em /tests passam>.
5. Verificação: como você vai checar <ex.: rodar `npm test` e ler a saída>.
6. Parada: pare quando o objetivo for cumprido OU após <ex.: 10> tentativas.
Repita os 6 de volta pra mim, então comece.Cómo verificar: el agente debe repetir los 6 elementos completados antes de actuar. Si omite la verificación o la parada, el loop sigue incompleto: refuérzalo en el prompt.
🧾 Resumen del módulo
Siguiente:
1.3 — El mapa del campo: 11 escuelas