Google ha presentado Conductor, una extensión de vista previa de código abierto para Gemini CLI que convierte la generación de código de IA en un flujo de trabajo estructurado y basado en el contexto. Conductor almacena el conocimiento del producto, las decisiones técnicas y los planes de trabajo como Markdown versionado dentro del repositorio y luego dirige a los agentes de Gemini desde esos archivos en lugar de mensajes de chat ad hoc.
De la codificación basada en chat al desarrollo impulsado por el contexto
La mayor parte de la codificación de IA actual se basa en sesiones. Pegas el código en un chat, describe la tarea y el contexto desaparece cuando finaliza la sesión. Conductor trata esto como un problema central.
En lugar de mensajes efímeros, Conductor mantiene un directorio contextual persistente dentro del repositorio. Capta los objetivos del producto, las limitaciones, la pila tecnológica, las reglas de flujo de trabajo y las guías de estilo como Markdown. Luego, Gemini lee estos archivos en cada ejecución. Esto hace que el comportamiento de la IA sea repetible en todas las máquinas, shells y miembros del equipo.
Conductor también impone un ciclo de vida simple:
Contexto → Especificaciones y plan → Implementar
La extensión no salta directamente de una solicitud en lenguaje natural a ediciones de código. Primero crea una pista, escribe una especificación, genera un plan y solo luego se ejecuta.
Instalación de Conductor en Gemini CLI
Conductor se ejecuta como una extensión CLI de Gemini. La instalación es un comando:
El indicador –auto-update es opcional y mantiene la extensión sincronizada con la última versión. Después de la instalación, los comandos de Conductor están disponibles dentro de Gemini CLI cuando se encuentra en el directorio de un proyecto.
Configuración del proyecto con /conductor:setup
El flujo de trabajo comienza con la configuración a nivel de proyecto:
Este comando ejecuta una sesión interactiva que crea el contexto base. El conductor pregunta sobre el producto, los usuarios, los requisitos, la tecnología y las prácticas de desarrollo. A partir de estas respuestas genera un directorio conductor/ con varios archivos, por ejemplo:
conductor/product.md conductor/product-guidelines.md conductor/tech-stack.md conductor/workflow.md conductor/code_styleguides/ conductor/tracks.md
Estos artefactos definen cómo la IA debe razonar sobre el proyecto. Describen a los usuarios objetivo, características de alto nivel, tecnologías aceptadas, expectativas de prueba y convenciones de codificación. Viven en Git con el resto del código fuente, por lo que los cambios de contexto se pueden revisar y auditar.
Pistas: especificaciones y planos como artefactos de primera clase
Conductor presenta pistas para representar unidades de trabajo, como funciones o correcciones de errores. Creas una pista con:
o con una breve descripción:
Para cada nueva pista, Conductor crea un directorio en conductor/tracks// que contiene:
spec.md plan.md metadatos.json
spec.md contiene los requisitos y restricciones detallados para la pista. plan.md contiene un plan de ejecución paso a paso dividido en fases, tareas y subtareas. metadata.json almacena identificadores e información de estado.
Conductor ayuda a redactar especificaciones y planes utilizando los archivos de contexto existentes. Luego, el desarrollador los edita y aprueba. El punto importante es que toda implementación debe seguir un plan que sea explícito y con control de versión.
Implementación con /conductor:implementar
Una vez que el plan esté listo, le entregas el control al agente:
El conductor lee plan.md, selecciona la siguiente tarea pendiente y ejecuta el flujo de trabajo configurado. Los ciclos típicos incluyen:
Inspeccionar archivos y contexto relevantes. Proponer cambios de código. Ejecute pruebas o comprobaciones de acuerdo con conductor/workflow.md. Actualice el estado de la tarea en plan.md y global tracks.md.
La extensión también inserta puntos de control en los límites de las fases. En estos puntos, el conductor hace una pausa para la verificación humana antes de continuar. Esto evita que el agente aplique refactores grandes y no revisados.
Varios comandos operativos respaldan este flujo:
/conductor:status muestra el seguimiento y el progreso de la tarea. /conductor:review ayuda a validar el trabajo completado según las pautas de estilo y producto. /conductor:revert usa Git para revertir una pista, fase o tarea.
Las reversiones se definen en términos de pistas, no de hashes de confirmación sin procesar, lo cual es más fácil de razonar en un flujo de trabajo de cambios múltiples.
Proyectos brownfield y flujos de trabajo de equipo
Conductor está diseñado para funcionar en bases de código antiguas, no solo en proyectos nuevos. Cuando ejecuta /conductor:setup en un repositorio existente, la sesión de contexto se convierte en una forma de extraer conocimiento implícito del equipo en Markdown explícito. Con el tiempo, a medida que se ejecutan más pistas, el directorio de contexto se convierte en una representación compacta de la arquitectura y las limitaciones del sistema.
El comportamiento a nivel de equipo está codificado en archivos flowwork.md, tech-stack.md y guía de estilo. Cualquier ingeniero o agente de IA que utilice Conductor en ese repositorio hereda las mismas reglas. Esto es útil para hacer cumplir estrategias de prueba, expectativas de linting o marcos aprobados entre los contribuyentes.
Debido a que el contexto y los planes están en Git, se pueden revisar, discutir y cambiar el código con el mismo proceso que los archivos fuente.
Conclusiones clave
Conductor es una extensión de Gemini CLI para el desarrollo basado en el contexto: es una extensión de código abierto con licencia Apache 2.0 que se ejecuta dentro de Gemini CLI y controla los agentes de IA desde el contexto de Markdown local del repositorio en lugar de indicaciones ad hoc. El contexto del proyecto se almacena como Markdown versionado en conductor/: archivos como product.md, tech-stack.md, flujo de trabajo.md y guías de estilo de código definen los objetivos del producto, las opciones tecnológicas y las reglas de flujo de trabajo que el agente lee en cada ejecución. El trabajo se organiza en pistas con spec.md y plan.md: /conductor:newTrack crea un directorio de pistas que contiene spec.md, plan.md y metadata.json, lo que hace que los requisitos y los planes de ejecución sean explícitos, revisables y vinculados a Git. La implementación se controla a través de /conductor:implement y operaciones de seguimiento: el agente ejecuta tareas de acuerdo con plan.md, actualiza el progreso en tracks.md y admite /conductor:status, /conductor:review y /conductor:revert para la inspección del progreso y la reversión respaldada por Git.
Consulte el repositorio y los detalles técnicos. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 100.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias de Datos de la Universidad de Padua. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca en transformar conjuntos de datos complejos en conocimientos prácticos.