Test intermitente: tu agente arregla un fallo que no existe
Cómo detectar que tu agente persigue un test intermitente, confirmarlo con pytest, Jest o Vitest y no aceptar sleeps, retries ni skips como arreglo.
Ruta 01 / 03 70 posts
Empiezo con agentes
Guías y fundamentos para empezar con coding agents desde cero.
El más reciente
Publicados antes
Mutation testing: ¿los tests de tu agente detectan algo?
Cómo usar mutation testing con mutmut y Stryker sobre el diff de tu agente para saber si sus tests detectan bugs o solo pasan en verde.
API obsoleta en el código de tu agente: fija la versión
Por qué tu agente de IA escribe APIs que tu versión instalada ya no tiene, cómo confirmarlo en minutos y qué cambiar en AGENTS.md, tests y lint.
Con git diff staged ves el commit, no tu directorio
git diff staged muestra el contenido real del próximo commit. Las tres comparaciones de Git, el caso del pathspec y un checklist para revisar antes del commit.
Reanuda tu agente sin repetir efectos ya aplicados
Reanudar agentes tras una interrupción sin duplicar efectos: clave de idempotencia estable, estado persistido en disco y reemplazo atómico con rename.
Tu CLI de coding se elige con tu repo, no con Terminal-Bench
Elegir CLI de coding por el benchmark falla: mide tareas ajenas. Monta un mini-eval de tu repo con criterio paso/no-paso. Plantilla y regla del 90%.
Frena el prompt injection antes de dar herramientas a tu agente
Prompt injection: por qué un system prompt endurecido no basta para tu agente de IA y cómo la trifecta letal y la defensa en capas sí lo protegen.
“El paper que declara muerto el code review humano es un ensayo sin datos. Aquí tienes la regla para decidir cuándo un agente revisa solo y cuándo no en tu CI.”
Code review con IA: el paper que lo da por muerto falla
· 8 min de lectura
Dale memoria a tu agente de IA sin inflar el contexto
Memoria de agentes de IA: qué guardar, cómo recuperarlo por relevancia y el patrón mínimo con Mem0 y LangGraph sin inflar contexto ni coste.
Claude Skills ya son estándar: úsalas en Codex y Cursor
Claude Skills se han vuelto un estándar abierto: escribe un SKILL.md una vez y reúsalo en Codex, Cursor, Gemini CLI y más. Guía práctica con ejemplos.
Benchmarks de coding agéntico: por qué eliges mal tu modelo
Benchmarks de coding agéntico: aprende a leer Terminal-Bench y SWE-bench para elegir modelo en tu CLI sin pagar de más. Guía práctica con datos 2026.
Knowledge graph de tu código: el antídoto al vibe coding
Knowledge graph del código: convierte tu codebase en un grafo navegable con Claude Code y entiende el código que genera la IA antes de desplegarlo.
Todo el archivo de la ruta
- Claude Skill que genera Word (.docx) desde tu plantilla
- Agent harness: por qué tu Claude Code necesita uno
- Cursor vs Claude Code: subagents y skills en 2026
- Opus 4.8 rompe tu CLAUDE.md: audítalo antes de seguir
- Opus 4.8 llega a GitHub Copilot: ¿sigue valiendo Claude Code?
- Google mata Gemini CLI el 18 de junio: ¿migras a Claude Code?
- Cache miss en Claude Code: 5 cosas que disparan tu factura
- ¿Claude se ha vuelto más tonto? Mídelo, no lo intuyas
- Vibe Coding desde el móvil con Claude Code: 7 reglas
- Coding agents 2026: la config pesa más que el modelo elegido
- Research-first en Claude Code: explora repos grandes sin romper nada
- Skills y subagentes: el ladrillo base de los agentes IA
- Hooks en Claude Code: checks automáticos sin tocar el flujo
- System prompts en coding agents: depura mejor en 2026
- Cambio de modelo en Claude Code: qué pasa con el contexto, escenario por escenario
- Tu librería de Claude Skills: de prompts sueltos a sistema
- WebSockets en Responses API: agentes OpenAI más rápidos
- Claude Skills 2026: cuándo crear una propia y cuándo no
- Workspace Agents de OpenAI: cuándo usarlos en tu equipo
- Claude Code: Memoria, MCPs y Mapa de Repo para Menos Tokens
- Harness Unificado: 4 Patrones Multi-Agente que Funcionan
- Claude Opus 4.7: qué cambia de verdad en tu flujo diario
- Memoria en Claude Code: tres capas, qué muere y qué persiste
- gh skill: GitHub CLI ya gestiona skills de Claude Code
- Everything Claude Code: El Harness con 140K Stars Explicado
- Subagentes en Cursor: De un Agente a un Equipo de IAs
- VS Code Agents vs Cursor 3: El Fin del IDE Clásico
- Vibe Coding con Rust: Cómo Enviar WASM sin ser Experto
- Vibe Coding: El Muro Real del Mes 3 y Cómo Superarlo
- GPT-5.4 vs Claude Opus 4.6: Qué Modelo Elegir para Coding
- Alternativas a Cursor en 2026: Cline, Aider y Windsurf
- Cursor Rules y AGENTS.md en el mismo repo: quién manda a quién
- Copilot Agent Mode: qué hace, qué no y con qué compite en GitHub
- OmniCoder-9B: El LLM para Programar en tu GPU de 12GB
- SkillsGate: Marketplace de 45.000 Skills para Agentes IA
- Claude Code, Cursor, Copilot o Codex: cuál elegir según tu flujo de trabajo
- Qué es un agente de IA y en qué se diferencia de un prompt o un chatbot
- Claude Code con Modelos Locales: Reduce el Coste de API
- Multi-CLI MCP: Claude, Codex y Gemini en un agente
- RTK: reduce tokens de terminal en Claude Code hasta un 89%
- OpenClaw Setup: los errores de las primeras 72 horas
- 13 agentes Claude: boss agent, ciclo de crítica y costes
- VS Code 1.109: Agent Skills GA, MCP Apps y Multi-Agente
- Claude Code Skills: De YouTube a Contexto con Skill Seekers
- Claude, Codex y Gemini en VS Code junto a Copilot: qué funciona en octubre de 2026
- LSP en Claude Code: navegación semántica de 45s a 50ms
- Controlar tokens y coste en Claude Code: statusline, /usage y dashboards
- OpenClaw: crea un skill de auditoría con memoria persistente
- Multi-Agente con Claude: Revisión Cruzada en Producción
- Browser-Use: automatiza la web con agentes IA en Python
- Auto memory en Claude Code: qué carga cada sesión y qué se pierde
- Claude Code: Hooks, Skills y MCPs para Entornos Reales
- Gemini CLI: MCP nativo, modo headless y su ruta hacia Antigravity CLI
- Grafo de Dependencias + MCP: Reduce Tokens en Claude Code
- Programmatic Tool Calling en Claude: Menos Tokens, Más Agentes
- OpenClaw y OpenAI: el balance seis meses después
- CLAUDE.md en Claude Code: qué es, dónde se carga y qué poner
- Prompt engineering avanzado: qué sobrevive frente a los modelos razonadores