E1 · La matriz en el ejemplo
10 minClona el proyecto de práctica, guarda decide.py y tarefas.txt y ejecútalo.
Listo cuando: python3 decide.py tarefas.txt | grep -c "^decisão:" → 4, y la investigación de mercado da decisão: híbrido.
Clase 1 · 15 min
Cada agente adicional vuelve a leer el contexto, gasta su propia cuota y necesita ser coordinado. En la mayoría de las tareas de código, un solo agente, o subagentes que devuelven poco, rinde más. En esta clase decides antes de abrir el segundo agente, con una matriz de señales que corre como script.
Empezar la clase
Objetivo: decidir entre un agente, secuencia, paralelo o híbrido según la matriz de señales, antes de abrir el segundo agente.
Haz clic en cada etapa. La matriz es del kit arquiteto-de-execucao (agenteexecuta).
La matriz es un punto de partida, no una medición. Evita el reflejo de abrir agentes solo porque se puede.
Lo que está publicado, con fecha, y qué mide cada número.
En el post sobre el sistema de investigación de Anthropic (13/06/2025): los agentes gastan cerca de 4× los tokens de un chat, y los sistemas multiagente cerca de 15×. Los datos son de ellos, en un producto de investigación.
La doc de agent teams de Claude Code dice lo mismo sin número: un equipo usa significativamente más tokens que una sesión, y el gasto crece con cada compañero activo.
En el mismo post, un líder Opus 4 con subagentes Sonnet 4 superó a Opus 4 solo en un 90,2% en su evaluación interna de investigación, en preguntas de amplitud (muchas direcciones independientes).
El propio post avisa: la mayoría de las tareas de código tienen menos partes paralelizables que la investigación, y los agentes todavía coordinan mal en tiempo real. No hay ninguna medición de este curso que transfiera esa ganancia a tu código.
La matriz del arquiteto-de-execucao muestra la cuenta (ejemplo ilustrativo, no medido): tres agentes que leen 50 mil de contexto y trabajan 20 mil cada uno suman 210 mil; un agente que reaprovecha el contexto hace lo mismo con 110 mil.
El ahorro viene de no repetir la preparación. El paralelo vale la pena cuando cada tarea tiene contexto pequeño.
Ningún subagente sin tarea, entrada y salida explícitas; como máximo un nivel de delegación, salvo necesidad clara; dos intentos por ítem antes de replantear; no reprocesar un ítem aprobado.
El trabajo mecánico (convertir, renderizar, correr tests) va a un script, no a un agente.
Escribe las señales de cada tarea en un archivo; el script suma y decide. Nada de modelo: corre gratis.
git clone https://github.com/inematds/inema-agent-runtime.git ~/treino-multi cd ~/treino-multi && git log -1 --format='%h %cs' # testado em 5cb431b 2026-10-05
# decide.py — matriz de decisión del arquiteto-de-execucao (inematds/agenteexecuta), en código
# Uso: python3 decide.py tarefas.txt
# tarefas.txt: un bloque por tarea; "# nome" abre el bloque; después, un código por línea:
# S1..S6 = señales de secuencia, P1..P7 = señales de paralelo,
# simples = tarea pequeña (no aplica la matriz), erro-caro = costo de error alto
import sys
SEQ = {"S1": "depende da saída anterior", "S2": "contexto compartilhado grande",
"S3": "decisões precisam ficar consistentes", "S4": "erro inicial contamina várias tarefas",
"S5": "juntar versões divergentes sai caro", "S6": "uma etapa ensina a seguinte"}
PAR = {"P1": "tarefas independentes", "P2": "entradas congeladas",
"P3": "cada saída se valida sozinha", "P4": "trabalho mecânico ou determinístico",
"P5": "contexto pequeno por tarefa", "P6": "urgência alta", "P7": "há máquina sobrando"}
def decide(nome, cods):
print(f"# {nome}")
for c in cods:
if c not in SEQ and c not in PAR and c not in ("simples", "erro-caro"):
print(f"aviso: código desconhecido '{c}' (ignorado)")
if "simples" in cods:
print("decisão: direto (um agente só, sem matriz)\n")
return
s = sum(c in SEQ for c in cods)
p = sum(c in PAR for c in cods)
if abs(s - p) >= 2:
d = "sequencial" if s > p else "paralelo"
else:
d = "híbrido"
print(f"sequência: {s} · paralelo: {p} · diferença: {abs(s - p)}")
print(f"decisão: {d}")
if "erro-caro" in cods:
print("custo de erro alto: planejamento e revisão centralizados")
print()
nome, cods = None, []
for linha in open(sys.argv[1], encoding="utf-8"):
linha = linha.strip()
if linha.startswith("#"):
if nome:
decide(nome, cods)
nome, cods = linha.lstrip("# ").strip(), []
elif linha:
cods.append(linha.split()[0])
if nome:
decide(nome, cods)# refactorizar el módulo de login S1 cada paso usa el anterior S2 el módulo entero tiene que estar en la cabeza S3 nombres y contratos iguales en todas partes S4 un error en el contrato rompe el resto erro-caro # convertir 500 archivos .md a .html P1 un archivo no depende del otro P2 el conversor y el modelo están cerrados P3 cada .html se verifica solo P4 es mecánico P5 cada archivo es pequeño # investigación de mercado en 4 segmentos S3 las preguntas tienen que ser las mismas S6 el primer segmento ajusta las preguntas P1 segmentos independientes P5 poco contexto por segmento # resumir un texto en 5 líneas simples
cd ~/treino-multi python3 decide.py tarefas.txt; echo "saída: $?"
# refatorar o módulo de login sequência: 4 · paralelo: 0 · diferença: 4 decisão: sequencial custo de erro alto: planejamento e revisão centralizados # converter 500 arquivos .md para .html sequência: 0 · paralelo: 5 · diferença: 5 decisão: paralelo # pesquisa de mercado em 4 segmentos sequência: 2 · paralelo: 2 · diferença: 0 decisão: híbrido # resumir um texto em 5 linhas decisão: direto (um agente só, sem matriz) saída: 0
La conversión de 500 archivos es paralelo mecánico: un script con varios trabajadores y una revisión por muestreo en el centro (es la clase 3). La investigación de mercado quedó empatada: el primer segmento corre solo, los otros tres en paralelo.
Un código en minúscula no cuenta. El script avisa en lugar de sumar en silencio, y la decisión cambia. Capturado el mismo día:
# migrar o banco aviso: código desconhecido 's1' (ignorado) sequência: 1 · paralelo: 1 · diferença: 0 decisão: híbrido
Con S1 correcto, sería secuencia 2 × paralelo 1, todavía híbrido, pero por un motivo que tú elegiste. Verifica con grep -c "^aviso:" decisao.md → 0.
Primero el ejemplo, después tres tareas tuyas.
Clona el proyecto de práctica, guarda decide.py y tarefas.txt y ejecútalo.
Listo cuando: python3 decide.py tarefas.txt | grep -c "^decisão:" → 4, y la investigación de mercado da decisão: híbrido.
Escribe minhas-tarefas.txt con tres tareas reales de tu semana (una que hayas pensado dividir entre agentes). Marca solo las señales que hoy son verdaderas.
Listo cuando: python3 decide.py minhas-tarefas.txt > decisao.md; grep -c "^decisão:" decisao.md → 3 y grep -c "^aviso:" decisao.md → 0.
Pregunta 1 de 4
Según el post de Anthropic (jun/2025), ¿cuánto gasta en tokens un sistema multiagente comparado con un chat?competencia
Pregunta 2 de 4
Secuencia 3, paralelo 2. ¿Qué indica la matriz?competencia
Pregunta 3 de 4
Una migración con costo de error alto puntuó paralelo. ¿Qué cambia?
Pregunta 4 de 4
¿Por qué la ganancia de 90,2% del sistema de investigación no vale directamente para tu código?
Elige una alternativa. La explicación aparece después de tu intento.