El framework WAT organiza cualquier automatización agéntica en tres capas. El diagrama de abajo muestra cómo el agente lee los workflows, elige las herramientas adecuadas y ejecuta el loop de autom mejora que vuelve el sistema más confiable en cada ejecución.
Diagrama ilustrativo — recreación conceptual del framework WAT, no es una captura de pantalla real.
💻 El asistente bajo demanda (local)
Antes de pensar en poner algo en internet, conviene usar el asistente de código como un asistente personal bajo demanda, ejecutado desde tu propia máquina. Investiga, crea archivos y se vuelve más inteligente con cada uso; todo sucede localmente: nada de hosting ni deploy en esta fase. Ver al agente trabajar cerca de ti primero desarrolla tu intuición antes de añadir la complejidad de producción.
💡 La idea central
El agente es, al mismo tiempo, investigador y constructor: lee fuentes, genera archivos, ejecuta y mejora. En esta ruta, se repiten dos proyectos de ejemplo —un workflow de investigación y un generador de diapositivas— para afianzar los conceptos sin necesitar ningún servidor.
- •Local primero: todo se ejecuta en tu máquina, sin deploy.
- •Bajo demanda: lo activas cuando lo necesitas; él lo hace y vuelve.
- •Mejora: cada uso perfecciona los workflows y las herramientas.
🎯 Consejo práctico
Empieza poco a poco y observa. Antes de automatizar de principio a fin, ejecuta una tarea sencilla y observa cómo razona el agente: esa observación inicial es lo que te da seguridad para confiar en él en tareas más grandes.
Lee y reúne información.
Genera archivos y código.
Aún no hay alojamiento.
Más inteligente con cada uso.
🎯 Qué son los workflows agénticos
En una automatización tradicional, conectas y configuras cada paso; si algo falla, lo arreglas. En un workflow agéntico, le dices al agente qué resultado quieres, no cómo hacerlo; este razona, se adapta, hace preguntas para aclarar y se corrige cuando algo sale mal. La analogía es sencilla: en lugar de cocinar siguiendo la receta, le pides el plato listo a un cocinero con experiencia.
✓ Mentalidad agéntica
- ✓"Convierte estas notas en un documento limpio y estructurado."
- ✓Deja que el agente decida la secuencia de pasos.
- ✓Confiar en que adapta la ruta cuando encuentra un obstáculo.
✗ Mentalidad de receta
- ✗"Abre el archivo, lee la línea 1, luego la 2, dale este formato…"
- ✗Prescribir cada microetapa del proceso.
- ✗Esperar que siga ciegamente sin razonar.
🍽️ La analogía del restaurante
No entras a la cocina para enseñarle al chef a picar la cebolla. Pides «un bistec a término medio» y confías en su experiencia. Con los workflows agénticos, el resultado es el pedido; el agente es el chef que sabe cómo prepararlo.
Describes el resultado final.
El agente decide los pasos.
Cambia la ruta si hace falta.
Arregla lo que se rompe.
🎲 Determinístico vs. no determinístico
La automatización tradicional es determinista: la misma entrada siempre genera la misma salida — "boring is beautiful", la previsibilidad es una virtud. La IA generativa es no determinista por naturaleza: la misma entrada puede generar resultados diferentes, porque el agente razona entre alternativas en medio del proceso. No es un defecto que haya que combatir: así funciona la herramienta.
| Aspecto | Determinístico | No determinista |
|---|---|---|
| Salida | Siempre idéntica | Puede variar |
| Ejemplo | Automatización clásica (n8n) | Agente de IA |
| Virtud | Previsibilidad | Adaptación creativa |
🎯 Consejo práctico
No compares dos ejecuciones pantalla por pantalla. Si la estructura o los nombres cambian entre runs, es lo esperado. Evalúa el resultado — ¿cumple el objetivo? — en lugar de exigir una reproducción exacta.
El método tradicional repite lo mismo.
La IA puede cambiar el resultado.
Elige entre alternativas.
La variación no es un error.
📋 WAT — W = Workflows
La primera capa del framework es W de Workflows: archivos de instrucciones en markdown, escritos en lenguaje natural con encabezados, viñetas y negrita. Funcionan como una descripción del puesto o SOP (procedimiento operativo estándar): le indican al agente qué hacer, cuál es la entrada, cuál es el resultado esperado y qué pasos debe seguir. Como son archivos, persisten y se pueden reutilizar en futuras tareas similares.
# Workflow: resumir notas ## Objetivo Transformar notas brutas em um documento estruturado. ## Entrada Arquivo em temporary/resources/notas.txt ## Saída esperada Documento com: decisões · ações · próximos passos ## Passos 1. Ler o arquivo de notas. 2. Extrair e agrupar por seção. 3. Gerar o documento via a ferramenta de conversão.
📑 Qué declara un buen workflow
- •Objetivo: el resultado final, en una frase.
- •Entrada y salida: dónde entran los datos y cómo debe salir el resultado.
- •Pasos: la secuencia en lenguaje natural, sin código.
Lenguaje natural.
Como una descripción de puesto.
Queda guardado en el proyecto.
Sirve para tareas futuras.
🤖 WAT — A = Agent
La segunda capa es La de Agent — el asistente de código en sí. Es el cerebro y coordinador: lee los workflows, ve las herramientas disponibles y decide cuál usar, cuándo y con qué parámetros. Piensa en un gerente de proyecto que delega: no hace el trabajo manual de cada herramienta, sino que lo orquesta todo para alcanzar el objetivo.
🧭 Qué hace el agente
- •Lee: abre los workflows y el CLAUDE.md para entender qué tiene que hacer.
- •Ve: detecta las herramientas y los MCP disponibles en el proyecto.
- •Decide: elige la secuencia y las herramientas para llegar al resultado.
El agente como gerente de proyecto
Lee la «descripción del puesto»
El agente abre los archivos de workflow para entender la tarea, como un gerente lee el briefing antes de delegar.
Inventaría las herramientas
Verifica qué scripts y MCPs están disponibles: el «equipo» que puede activar.
Delega y orquesta
Elige la herramienta adecuada para cada paso y encadena el trabajo hasta entregar el resultado.
El coordinador del sistema.
Entiende la tarea.
Sabes qué puedes usar.
Elige la ruta.
🛠️ WAT — T = Tools
La tercera capa es T de Tools: scripts de Python que hacen el trabajo real. Idealmente, cada herramienta hace un solo trabajo — extraer datos de un sitio, generar un PDF, analizar datos. La clave: la IA escribe y corrige estas herramientas, así que tú no necesitas saber programar. Basta con saber que existen y qué hace cada una.
✓ Buena herramienta
- ✓Hace un único trabajo bien definido.
- ✓Tiene entradas y salidas claras.
- ✓La reutilizan varios workflows.
✗ Evita
- ✗Una herramienta gigante que lo hace todo.
- ✗Intentar leer o editar el código tú mismo.
- ✗Mezclar varias responsabilidades en un solo script.
🎯 Consejo práctico
No necesitas entender el Python de las herramientas. Comprueba solo si el workflow produce el resultado correcto; si una herramienta falla, pídele a la IA que la corrija: ella la escribió, ella la corrige.
Scripts que se ejecutan.
Enfoque en una tarea.
Sin que tú programes.
Reparación automática.
🔄 El ciclo de mejora automática
Lo que hace poderoso a WAT es el bucle de automejora: el agente ejecuta un workflow, encuentra un error, lo diagnostica, corrige la herramienta y actualiza el archivo de workflow para que ese error no se repita. Con el tiempo, los runs se vuelven más fluidos y rápidos: el sistema aprende de cada falla en vez de tropezar con ella de nuevo.
El ciclo, paso a paso
Ejecutar
El agente ejecuta el workflow con las herramientas disponibles.
Diagnosticar el error
Cuando algo se rompe, lee el mensaje de error e identifica la causa.
Arreglar la herramienta
Ajusta el script Python responsable del fallo.
Actualizar el workflow
Registra la lección en el archivo de workflow para que el error no vuelva a ocurrir.
📈 Por qué esto importa
La diferencia entre corregir solo el resultado de hoy y actualizar el workflow es enorme: la primera opción resuelve el problema una vez; la segunda hace que el sistema mejore para siempre. Pide siempre que la corrección en el workflow y en la herramienta, no solo en el resultado.
Ejecuta el workflow.
Entiende el error.
Ajusta la herramienta.
Registra la lección.
📐 CLAUDE.md profesional
Para workflows totalmente automatizados, el CLAUDE.md deja de ser un simple system prompt y se convierte en un documento de onboarding: declara el framework WAT y cómo funciona cada capa, las reglas de operación, la estructura de carpetas y las preferencias de estilo. La estructura recomendada separa workflows, herramientas, archivos temporales y secretos.
meu-projeto/ ├── CLAUDE.md # onboarding WAT + regras ├── workflows/ # instruções em markdown ├── tools/ # scripts Python (um trabalho cada) ├── temporary/ # arquivos intermediários e saídas └── .env # chaves e segredos (nunca versionado)
⚠️ Atención: mantenlo conciso
- ✗No superes ~500 líneas; en los archivos largos es fácil perder de vista las reglas.
- ✗Si la IA repite un error aunque la regla esté escrita, es posible que el archivo sea demasiado grande.
- ✗No pongas aquí instrucciones detalladas para cada tarea; eso va en las skills.
🎯 Consejo práctico
Reserva CLAUDE.md solo para lo que aplica en cada sesión (propósito, framework, reglas de operación). Los detalles específicos de cada tarea están en skills, que se cargan bajo demanda.
Explica el WAT a la IA.
workflows/tools/temp/.env.
Breve y directo.
Solo lo que siempre es válido.
🚀 Primer flujo de trabajo agéntico
Es hora de poner WAT en acción: construir un workflow que transforma un archivo de notas sin procesar en un documento limpio y estructurado — con decisiones, acciones y próximos pasos. El secreto es separar concerns: primero el agente genera los workflows y las herramientas; solo después los ejecutas para producir el documento final y, entonces, iteras.
El flujo del build
Crear el CLAUDE.md (Plan Mode)
En Plan Mode, pide un CLAUDE.md en la raíz que use el framework WAT con la estructura de carpetas; revisa y aprueba el plan.
Agregar el insumo y limpiar el contexto
Guarda las notas en temporary/resources y limpia la conversación para empezar con contexto renovado.
Generar workflows + herramientas (todavía no el documento)
Describe el documento que quieres y pide que primero cree los workflows y las tools, no el resultado final.
Ejecutar e iterar
Activa el workflow para generar el documento; después, da feedback específico y pide que actualice el workflow + la tool + la salida.
🎯 Consejo práctico
Las ediciones pueden ser parciales (p. ej., el texto cambió de color, pero las líneas de la tabla no). Al pedir un cambio, pide que se aplique al workflow y a la herramienta, no solo al documento: así la mejora persiste para las próximas ejecuciones.
🧷 Recordatorios de build
- •Describe el resultado, no los pasos.
- •Limpia la conversación antes de una nueva tarea.
- •Nunca incluyas en el control de versiones el archivo .env de secretos.
Planifica antes de actuar.
Build antes de ejecutar.
Comentarios que perduran.
El workflow vuelve a servir.
🧠 Verificación rápida
En el framework WAT, ¿qué capa es el coordinador que lee los workflows, revisa las herramientas y decide cuál usar?
📌 Resumen del módulo
Próximo Módulo:
2.2 — Cómo extender el agente: MCP e investigación