En un artículo anterior, expuse las técnicas más importantes que utilizo para codificar de forma eficaz con agentes de IA. En este artículo, continúo con cuatro técnicas adicionales, todas las cuales utilizo a diario.
Creo que para ser un programador eficiente hoy en día, es necesario utilizar en gran medida las herramientas de inteligencia artificial. Si no estás codificando usando agentes de IA, te estás quedando atrás. Además, los agentes también se pueden utilizar para mucho más que codificar:
Los agentes pueden leer y crear problemas lineales. Los agentes pueden realizar una investigación profunda sobre un tema que le interese. Los agentes pueden revisar los mensajes de registro del código de producción.
Todas las cuales son tareas importantes que los programadores deben realizar de forma regular.
Por lo tanto, abogo por un uso intensivo de agentes de IA para que sean lo más eficientes posible. En este artículo, cubriré, en un nivel alto, cuatro técnicas más que utilizo y que creo que me convierten en un programador más eficiente.
Macwhisper para un agente más rápido que solicita la revisión de Claude Code Agentes paralelos Interactuando con GitHub usando agentes
También estoy muy interesado en saber si tiene alguna técnica que sea importante en sus flujos de trabajo de programación. Si tiene técnicas específicas en mente, no dude en comunicarse con nosotros, ya que me encantaría conocerlas.
Por qué deberías codificar con agentes de IA
Anteriormente describí cómo codificar con agentes de IA me hace mucho más efectivo como programador. He multiplicado mi producción de programación muchas veces mediante el uso de IA y simplemente me permite hacer mucho más que antes.
Un contraargumento típico para los agentes de IA es que es necesario comprender el código antes de llevarlo a producción. Estoy de acuerdo con esta evaluación hasta cierto punto si trabaja con sistemas críticos en los que es difícil realizar pruebas de un extremo a otro.
Sin embargo, la mayoría de sitios web y aplicaciones no son así. En primer lugar, no son tan críticos y, en segundo lugar, la mayoría de las tareas en las que trabaja como programador son verificables. Esto significa que a menudo puedes probar el comportamiento simplemente probando literalmente si la característica funciona cuando interactúas con ella.
Por lo tanto, abogo por un mayor uso de agentes de IA y su uso para todas las tareas relacionadas con la programación. Por ejemplo:
Cree problemas lineales. Corrija errores simplemente vinculándolos al problema lineal. Planifique y desarrolle nuevas funciones.
4 técnicas para la eficiencia de la codificación
En esta sección, cubriré cuatro técnicas que utilizo para mis flujos de trabajo de programación nativos de IA. Estas son técnicas específicas que utilizo literalmente todos los días que programo.
Macwhisper
MacWhisper es una excelente herramienta de transcripción disponible en Mac. En pocas palabras, Macwhisper le permite presionar un botón, hablar con su computadora y el texto se transcribe y pega automáticamente dondequiera que esté el cursor del mouse.
Esto es útil porque muchos de mis flujos de trabajo de programación han pasado del código puro al lenguaje natural. Naturalmente, utilizar una herramienta de transcripción para codificar sería difícil porque la codificación requiere muchos caracteres especiales como dos puntos, paréntesis y tabulaciones, que son más rápidos de escribir en un teclado.
Con los agentes de IA, cada vez se trabaja más en lenguaje natural, en lugar de lenguaje de codificación.
Por lo tanto, cada vez que le pregunto a mi agente de Cursor, normalmente simplemente mantengo presionado el botón y digo en voz alta lo que quiero decirle a mi agente. Podría, por ejemplo, preguntar:
Verifique los registros de esta identificación de documento, ¿se procesó correctamente?
En este ejemplo, pego la identificación del documento después de decir la oración en voz alta.
La razón por la que uso Macwhisper es simplemente porque hablo más rápido de lo que puedo escribir. La velocidad promedio al hablar es de alrededor de 150 palabras por minuto, mientras que la mayoría de las personas no pueden escribir 100 palabras por minuto a la velocidad máxima. Además, rara vez puedes escribir a máxima velocidad cuando también tienes que pensar.
Revisión del Código Claude
Este paso se divide en dos partes:
Después de implementar una función, le pregunto al Cursor si el código está listo para producción y solo lo envío cuando el Cursor está satisfecho. Cada vez que hago un PR, también tengo a Claude Code para una revisión de código, sin otro contexto que la descripción del PR y el archivo de diferencias de Git en la rama con la que me estoy fusionando.
Esto funciona muy bien. Preguntarle a Cursor si el código está listo para producción hace que Cursor revise mis cambios y solucione cualquier pequeño problema que pueda no funcionar según lo previsto.
Además, es muy útil que un LLM completamente separado revise el código sin contexto de cómo se realizó la implementación. Esto a menudo descubre otros errores en los que yo (o Cursor) no pensamos al implementar el código en el PR. Esto también reduce significativamente la cantidad de errores experimentados en producción y es una adición relativamente económica que puede realizar a su canal CICD.
Agentes paralelos (disparar y olvidar)
Otra técnica importante es utilizar agentes paralelos. Cada vez que un agente me bloquea mientras realiza algún trabajo, siempre comienzo con un nuevo agente. Podría ser un agente de codificación que implementa otra característica, o podría ser una investigación profunda de Gemini, investigando un tema que me interesa. El punto es que nunca simplemente espero a mi agente sin hacer nada más.
Al ejecutar agentes paralelos, es posible que empiece a tener dificultades con el cambio de contexto. Cambiar de contexto con frecuencia es muy agotador para tu cerebro y definitivamente es algo que deseas minimizar.
Por lo tanto, siempre me aseguro de trabajar en una tarea hasta que estoy completamente bloqueado. Intento minimizar la cantidad de veces que cambio de contexto y solo inicio una tarea paralela una vez que estoy seguro de que tengo que esperar un tiempo para que mi agente de codificación finalice su implementación.
Otro punto importante aquí es que le dé a sus agentes de codificación suficientes permisos para ejecutarse durante un período de tiempo prolongado. Si te interrumpen todo el tiempo con el cursor pidiendo permisos, el flujo de trabajo paralelo no funciona bien.
Debes otorgar suficientes permisos a tus agentes de codificación. Si siempre te interrumpen con una solicitud de permiso, es difícil trabajar de forma eficaz.
Comprometerse y hacer relaciones públicas con los agentes
Por último, quiero resaltar cómo siempre interactúo con GitHub usando mis agentes de codificación, en lugar de escribir los comandos yo mismo. La razón por la que hago esto es que es simplemente más rápido y puedo hacer algo más mientras mi agente ejecuta enlaces de precompromiso, confirma, empuja y realiza solicitudes de extracción.
Escribir mensajes de confirmación, títulos de solicitudes de extracción y descripciones lleva una cantidad de tiempo sorprendente. Especialmente cuando realizas acciones rápidas, como agregar traducciones o mover un botón en la interfaz de usuario. Por lo tanto, siempre utilizo a Claude para escribir mis mensajes de confirmación, títulos de relaciones públicas y descripciones.
Esto no sólo me ahorra tiempo, sino que también creo que Claude hace un mejor trabajo al escribir estos mensajes para mí. Con las solicitudes de extracción, por ejemplo, a menudo es difícil para un humano recordar todos los cambios realizados y resumirlos de una manera agradable. Es mucho más fácil para Claude mirar la diferencia de Git y proporcionar un resumen de todos los cambios realizados.
Por lo tanto, le he dado permiso a Cursor para interactuar con GitHub por mí. En lugar de realizar todas las acciones de GitHub yo mismo, como por ejemplo:
Tirar Rebasar Comprometerse Modificar Impulsar Crear RP
Simplemente le pido a Cursor que lo haga por mí. Por lo tanto, puedo simplemente disparar y olvidar. Mi flujo de trabajo después de implementar una nueva función es simplemente proporcionar el siguiente mensaje al Cursor:
Ejecute todas las comprobaciones previas a la confirmación (black, mypy, pytest), confirme y envíe. Luego crea un PR en esta rama y dame el enlace al PR
Esto es mucho más rápido que escribir los comandos de GitHub usted mismo. No tener que escribir solicitudes de extracción yo mismo es probablemente la parte más importante, ya que anteriormente esto consumía mucho tiempo cuando hacía mis solicitudes de extracción en la interfaz de usuario de GitHub. Ahora simplemente hago clic en el enlace que me proporciona mi agente y el PR estará listo. Luego reviso la revisión de Claude Code que me proporcionaron y soluciono cualquier problema potencial.
Conclusión
En este artículo, analicé cuatro técnicas específicas que uso todos los días cuando codifico. Hablé de Macwhisper para la transcripción, revisiones de Claude Code, agentes paralelos e interacción con GitHub usando mi agente. En conjunto, calculo que estas técnicas me ahorran al menos 1 hora cada día, lo cual es una cantidad de tiempo significativa. Liberar este tiempo me permite completar muchas más tareas en el transcurso de un proyecto. Creo que ser eficaz con los agentes de IA es una habilidad muy importante y, definitivamente, un tema en el que deberías dedicar tiempo para volverte bueno.
👉 Mis recursos gratuitos
🚀 10 veces su ingeniería con LLM (curso gratuito por correo electrónico de 3 días)
📚 Obtenga mi libro electrónico gratuito sobre Modelos de lenguaje de visión
💻 Mi seminario web sobre modelos de lenguaje de visión
👉 Encuéntrame en las redes sociales:
📩 Suscríbete a mi newsletter
🧑💻 Ponte en contacto
🐦X/Twitter
✍️ Medio