Agentes de IA Autónomos en Acción con el Método Ralph Wiggum

♪♪ Hola a todos. Hoy vamos a hablar sobre el método Ralf Wiggum con agentes autónomos de IA. Así que ya me presentaron, pero sí, mi nombre es Eddie Vink. Soy de los Países Bajos y trabajo en una empresa llamada FrontValue.

Así que déjenme tomar rápidamente el pulso de la audiencia. ¿Quién aquí ha probado el bucle Ralf Wiggum? Bien, eso es genial. Así que no muchas personas lo han usado todavía. Eso es bueno. Así que quiero comenzar hablando sobre los conceptos básicos de un bucle Ralf. Entonces, ¿por qué se llama incluso un bucle Ralf? Bueno, es un método que fue acuñado por alguien llamado Jeffrey Huntley, y básicamente es porque el concepto es similar a Ralf Wiggum de Los Simpson, que es muy terco y sigue haciendo cosas hasta que funcionan o no. Y ese concepto se traduce también a los bucles Ralf.

Así que simplemente tienes bucles consistentes una y otra vez hasta que obtienes lo que quieres, básicamente. Esa es la idea principal. Pero en el fondo, eso se reduce al desarrollo impulsado por especificaciones, al menos en el contexto de los agentes de codificación de IA. Es simplemente decirle a tu agente de codificación, oye, tengo esta especificación aquí en el archivo o en algún lugar en línea, y simplemente le dices, oye, ve a leerla. Ve a leer tal vez una de las tareas y ve a implementarla, y eso es el desarrollo impulsado por especificaciones en pocas palabras.

¿Y por qué hacemos eso? Bueno, hay un problema con los chats largos de IA, y básicamente todo se reduce a la gestión del contexto. Y si has oído hablar de esto, probablemente lo sepas, pero los agentes de IA, no se mantienen tan inteligentes como al principio de una ventana de contexto cuanto más crece la ventana de contexto. Así que tienes estos modelos, es como una ventana de contexto de tamaño millón, que al final de unos 700,000 tokens, no va a ser tan bueno como al principio. Básicamente se vuelve un poco más tonto con el tiempo.

Y eso me lleva a la compactación. Así que tienes este concepto de compactación, que básicamente es resumir una ventana de contexto, lo cual no es sin pérdida. Así que eventualmente cuando tu agente se encuentra con una limitación en el tamaño de la ventana de contexto, intentará resumirlo para poder seguir adelante, pero eso puede perder algunos detalles que habías especificado que podrían o no ser importantes. Por eso tenemos bucles ralph, porque los bucles ralph comienzan con una ventana de contexto nueva cada vez basada en una especificación. Y esta es la versión más básica de un bucle ralph. Es solo un script bash que empuja el mismo prompt en Claude u otro agente de codificación.

Y esa es la versión más básica que puedes hacer. Esto simplemente se ejecutaría sin fin. Pero en resumen, esta es una implementación más exhaustiva. Así que tienes un bucle que básicamente verifica algún archivo de especificación y tal vez un plan de implementación.

Y luego le dices a Claude, oye, elige una tarea, impleméntala, haz algunos bucles de retroalimentación como ejecutar algunas pruebas o linting, haz un commit, y luego continúa con la siguiente tarea. Y al final, puedes tener un script que se vea algo así, donde simplemente pasas el prompt y se ejecutará en un bucle con una condición de parada adicional como un conteo de iteraciones para que no consumas completamente tu uso cada vez que inicias ese script. Así que básicamente veamos el prompt, porque esa es como la salsa mágica tal vez. Así que se ve algo así. Así que simplemente le dices que es realmente simple en esencia. Así que simplemente le dices, oye, lee alguna especificación y un plan de implementación. Quiero que decidas en qué trabajar a continuación. Así que le dices a Ralph, elige una tarea que parezca la más importante, porque tal vez actualices tu especificación o plan de implementación a medida que avanzas y algunas tareas se mezclan o se mueven, por lo que puedes tomar decisiones inteligentes allí. Verifica cualquier bucle de retroalimentación, y luego actualiza tu progreso en este plan de implementación, y luego haz un commit de esa característica. Y esto también es importante, trabaja solo en una cosa a la vez, porque, nuevamente, no queremos entrar en los problemas de ventanas de contexto grandes.

Ahora podrías estar pensando optimistamente, wow, estos bucles Ralph, son increíbles. Pueden hacer lo que quiera. Nunca más tengo que programar. O tal vez eres un poco más pesimista. Pero esto es solo una herramienta. Esto no es como la nueva forma de trabajar. Solo te estoy mostrando una idea, y depende de ti como ingeniero decidir, como, está bien, aquí es donde puedo aplicar esto, y esta es otra área donde podría no ser tan útil. Nuevamente, sobre los bucles de retroalimentación, también se les llama presión de retorno, si has escuchado ese término. Básicamente solo significa decirle al LLM que ejecute algunas verificaciones como pruebas, verificación de tipos o ejecutar una compilación o incluso escribir nuevas pruebas para asegurarse de que funcione, lo que ha hecho realmente funciona, para que pueda autocorregirse si aún no funciona. Porque, por supuesto, el objetivo de esto es tener un agente de codificación autónomo, y no quieres tener que cuidar de esto, como, oh, no, no funcionó. Ve a arreglarlo. Las pruebas no están pasando. ¿Por qué no ejecutaste la prueba? No, tienes que especificarlo, o de lo contrario podría no hacerlo. Y también otra cosa son los permisos, porque si alguna vez has usado un agente de codificación, probablemente habrás notado que te preguntan, como, oh, ¿puedo ejecutar este comando? ¿Puedo instalar esto? Lo que sea. Así que lo que algunas personas hacen es ejecutar su agente con, como, permisos peligrosamente omitidos como una bandera, y, ya sabes, ¿qué puede salir mal?

Probablemente no tenga que explicarlo, pero hay, como, esta publicación en Reddit que vi de alguien diciendo, como, oh, sí, tuve este problema donde, como, mi agente de codificación estaba ejecutándose, y necesitaba más espacio en disco para hacer la tarea, así que el agente de codificación pensó, bueno, aún no he terminado, así que voy a limpiar algunos archivos para tener más espacio para trabajar, lo cual es bastante malo. Así que una solución para eso se llama sandboxing, que básicamente es ejecutar tu script en un contenedor, y hay un comando de Docker que puedes ejecutar en tu RELFLOOP también u otros enfoques para ese problema. Bien, así que no estoy avanzando al ritmo, así que vamos a intentar acelerar las cosas. Así que hablemos de crear tu especificación. Así que básicamente, en esencia, puedes simplemente tener una conversación con Claude u otro agente de codificación para hablar sobre tu idea, y seguirá preguntándote. La parte importante aquí es que le pidas, oye, quiero que tengas una discusión conmigo y me entrevistes hasta que tengamos claridad sobre lo que queremos implementar, y eso simplemente seguirá haciéndote preguntas una y otra vez hasta que tengas, como, un acuerdo compartido, básicamente.

Y al final, le dices, oye, quiero que escribas algunos archivos de especificación, y estos pueden ser simplemente archivos markdown en tu repositorio o un plan de implementación, que es solo una lista de casillas de verificación, nuevamente, en un archivo markdown, o puede ser algo completamente diferente. Entonces, ¿cómo sabemos realmente que esto funciona, y cómo sabes realmente que tu plan es lo suficientemente bueno? Porque, bueno, ya sabes, ¿cómo haces eso en la práctica? Así que lo que te recomendaría es que en realidad no hay un plugin Anthropic para RELF que en realidad no recomiendo que uses, porque va en contra del principio básico de un bucle RELF, que es que no limpia la ventana de contexto, por lo que simplemente se encuentra con el problema de compactación eventualmente, lo cual es algo malo. Así que lo que te recomiendo es que simplemente uses habilidades. Y si no estás familiarizado con las habilidades, las habilidades son solo instrucciones repetibles para tus agentes de codificación, y eso básicamente se reduce a un archivo markdown que le dices que lea, y puede haber algunas instrucciones en ese archivo. Hay algunas herramientas alrededor de este enfoque también llamadas OpenSpec, que es una herramienta agradable y gratuita que aplica algo de estructura a esta forma de trabajar con algunas habilidades comunes para idear sobre tus ideas.

Así que hay una llamada Explore, y luego hay algunas otras para llevar esa exploración de una idea, convertirla en una especificación, y luego algunas otras habilidades realmente rodean esa tarea y hacen el trabajo por mí. Luego hay otro conjunto de habilidades con las que realmente disfruto trabajar últimamente. Esas son las habilidades de alguien llamado Matt Pocock. Es un repositorio Git de solo archivos markdown y tiene más de 100,000 estrellas en GitHub. Es algo salvaje. Así que estas son las habilidades principales que él tiene. Así que está Grill with Docs, que básicamente solo te interroga sobre una idea. Luego tienes otra habilidad que convierte eso en una especificación, y otra habilidad que convierte eso en issues de GitHub, y luego está slash TDD, que usas para simplemente tomar uno de esos issues y ejecutar un agente TDD para implementarlo. Y luego al final, obtienes una lista de tareas en GitHub que están listas para que el agente las implemente, lo cual es bastante agradable porque está contenido en lugar de un gran archivo markdown. Pero nuevamente, esto no está grabado en piedra. Puedes hacer lo que quieras.

Así que hablemos de cómo automatizar esto realmente. Un problema con la automatización recientemente es que tres semanas antes de mi masterclass, Anthropic decidió que, oye, el uso programático del código de trama va a cambiar al menos el precio y cómo puedes usarlo, lo cual es una pena porque realmente me encanta trabajar con sus herramientas. Pero hay otras soluciones y otras herramientas por ahí. Una de ellas que mencioné brevemente fueron los sandboxes de Docker, que en realidad te permiten usar otros agentes de codificación y otros arneses también. Así que puedes usar algo como Codex o Pi si lo has usado antes. Y luego hay otra herramienta de Matt Pocock. Se llama Sandcastle. Sandcastle es básicamente una biblioteca de TypeScript que te permite ejecutar estos agentes de codificación de IA en sandboxes que son activados por un script de TypeScript, lo cual es bastante ingenioso. Y la razón por la que me encanta esto es porque te da tanta flexibilidad. La versión básica es tan simple. Solo tienes el script de ejecución. Le pasas un agente de codificación. Le pasas un sandbox específico. Y esto no tiene que ser Docker.

Puede ser algo como Potman o tu propia solución, lo que quieras hacer. Y luego simplemente lo pasas en el prompt. Y de hecho, recientemente publiqué un artículo en mi propio sitio web sobre cómo configurarlo con tu suscripción a Codex, porque los chicos de OpenAI, están bien con que uses tu suscripción normal cuando trabajas de esta manera, lo cual es bastante agradable porque te ahorra algo de dinero.

Así que veamos un ejemplo de flujo de trabajo. Algo que hice recientemente para un proyecto paralelo en mi trabajo mientras estaba trabajando en otras cosas, quería que Ralph hiciera algo en segundo plano y ver qué se le ocurría. Así que tuvimos esta discusión sobre una herramienta que podría ayudarnos a escribir mejores documentos en Confluence. Y ya tenía una solución existente que fue hecha por otro bucle de Ralph, que era realmente horrible. Solo me centré en la funcionalidad porque eso fue lo que le pedí que hiciera.

Y quería experimentar con algunos prototipos de UX y llevar eso de vuelta a otro bucle de Ralph para iterar y construir. Así que lo que hice fue invocar la habilidad grill with doc, que nuevamente solo me entrevista y sigue haciéndome un montón de preguntas. Y esto es, bueno, dije entrevista, pero es más como una conversación porque no es como, está bien, te preguntó, o él, ¿es Claudia él? No lo sé. De todos modos, o Codex en este caso, pero te hace un montón de preguntas y puedes rechazar, puedes dirigirlo en una dirección diferente porque eso es algo que, ya sabes, depende de ti, tú estás a cargo. Así que si te pregunta algo que se sale completamente de los rieles, puedes simplemente dirigirlo de nuevo en una dirección diferente. Y luego después de un tiempo, después de como 10, 20 preguntas, llegas a un punto donde dices, está bien, he terminado.

Creo que tenemos algún tipo de entendimiento compartido para los requisitos, pero quería experimentar con algunos prototipos de UX antes de realmente devolver eso a un bucle de Ralph. Así que lo que hice fue usar otra habilidad llamada handoff, que es como una versión más inteligente de compact, donde puedes decidir la dirección en la que quieres compactar. Y así le dije, oye, quiero entregar esta conversación a otros agentes de codificación, una nueva ventana de contexto donde pueda usar una habilidad de prototipo para trabajar en algunos prototipos de UX, cuyo objetivo principal es ahorrar o mantener la ventana de contexto en mi sesión de grillado más pequeña. Así que el agente es capaz de hacer un trabajo más inteligente. Y luego tengo el hilo separado donde puedo hacer toda la iteración que quiero y luego hacer otra entrega de vuelta a la sesión de grillado con los resultados útiles del prototipo de UX. Así que eso es lo que hice. Simplemente le dije, oye, acabo de hacer una sesión de prototipado. Aquí están los resultados. Sabes, incluye esto y haz uso de ello cuando vayamos a hacer una especificación y conviértelo también en problemas.

Así que después de eso, usé la habilidad to PRD y la habilidad two issue, y eso terminó con esta lista de problemas en GitHub que pude ejecutar en mi bucle de RALF. Y eso es exactamente lo que hice. Así que al final, solo tienes un script llamado sandcastle. Haces NPM run sandcastle. Y aquí puedes ver, OK, se ejecutó dos veces porque le dije, solo quiero hacer algunas iteraciones solo para poder verificar. Sabes, ¿está yendo en la dirección correcta o se está saliendo de los rieles? Eso es algo que me gusta hacer antes de dejarlo ir completamente y hacer algo. Y luego en la parte inferior, también puedes ver los registros. Así que aún puedes seguir lo que está haciendo. Y por supuesto, esto se está ejecutando en un entorno de sandbox. Así que incluso si no puede pedirme permisos porque no quiero que lo haga, quiero que funcione de manera autónoma. Es capaz de hacer cosas de manera segura y traer los resultados deseados de vuelta a mi base de código al final.

Y luego, cuando termina, simplemente tienes una solicitud de extracción con un montón de commits hechos por RALF que dice, como, OK, implementé este problema específico de este PRD que discutimos. Y este es solo el ejemplo. Así que esto es como el antes. Es una aplicación muy fea. Y luego tuve el prototipo de UX y terminó luciendo aún no increíble, pero es lo suficientemente bueno para algo que estaba haciendo al margen mientras hacía mi trabajo principal en mis clientes. Así que puedo llevar eso de vuelta y mostrarles como, oye, hice esta cosa o RALF hizo esta cosa. ¿Qué piensas? Y, ya sabes, hablemos de ello. ¿Es útil o no?

Entonces, por supuesto, puedes hacer que ejecute un montón de pruebas unitarias, lo cual es bastante rápido. Pero también puedes hacer pruebas de extremo a extremo, lo cual es, por supuesto, probablemente más útil, al menos en mi experiencia, porque si dejas que los agentes escriban sus propias pruebas, tienden a veces a escribir algún tipo de basura. Eso realmente no está probando la característica real, sino más bien los detalles de implementación, que puedes dirigir de alguna manera. Pero en mi experiencia, las pruebas lentas también son bastante valiosas. Por supuesto, hay herramientas de análisis estático, tus reglas de linting. Pero también hay algunas otras que quizás no hayas escuchado, como Knip.dev, que te ayuda a señalar algún código no utilizado en tu proyecto, exportaciones no utilizadas, dependencias no utilizadas que el agente de IA podría haber agregado en el proceso mientras estaba ejecutándose, o alguna otra cosa.

Y luego hay una nueva que aprendí recientemente llamada Fallow, que es algo que incluso puede medir la complejidad del código que producen los agentes. Así que si tiene demasiados ramales if else y simplemente miras el código y es como, oh, ¿qué es esto? Esto parece basura. Entonces tienes una opción de análisis estático, alimentando ese tipo de información de una manera más agradable de vuelta a los agentes. Así que ve a arreglarlo, hazlo más legible. Porque al final, no estamos codificando por vibración aquí. Queremos producir algún código que sea realmente digno de producción, al menos, o algo así, para que puedas leerlo en lugar de un montón de desorden que no vas a leer.

También hay algunas otras herramientas que son bastante geniales. Así que hay un servidor Chrome DevTools MCP que podrías agregar a tu agente que le permite básicamente mirar la salida en la consola de tu navegador o tu pestaña de red para hacer una depuración más avanzada. Así que no tienes que, ya sabes, hacer eso tú mismo. Oh, como, oye, Claude o Ralph, revisé tu trabajo, pero obtengo este error masivo en mi consola. Ahora, en lugar de que ese sea el flujo de trabajo, simplemente se alimenta en el proceso mientras lo tienes ejecutándose en segundo plano mientras haces otras cosas. Y luego está, por supuesto, el Playwright MCP, del cual podrías haber oído hablar. Y otro se llama el Agent Browser CLI de FurCell, que también le da a los agentes de IA la capacidad de usar un navegador y verificar algunas cosas en tu proyecto. Se me acaba el tiempo, así que déjame acelerar esto. Y, por supuesto, también puedes hacer que los agentes verifiquen el trabajo en tu flujo de trabajo. Así que vamos a la conclusión. Entonces, ¿cuáles son algunos de los inconvenientes? Porque, de nuevo, esto no es como la solución definitiva. Así que este enfoque obviamente requiere mucha planificación previa. Y no deberías hacer la tarea demasiado grande. De lo contrario, probablemente aún se encontrará con problemas. Necesitas tener un alcance y especificación bastante buenos de lo que se debe hacer. Y no siempre es el enfoque más rápido. Y también puedes usar fácilmente todos tus tokens en tu suscripción si no tienes cuidado. Pero algunas de las ventajas, es que puede ejecutarse de manera autónoma mientras haces otras cosas.

Pero algunas de las ventajas, es que realmente puede ejecutarse de manera autónoma mientras haces otras cosas. Es genial, realmente, para explorar y prueba de concepto, cosas que haces al margen, tal vez. Es excelente para tareas donde tienes la intuición, como, OK, el LLM probablemente hará esto correctamente. Podrías configurarlo para leer tu backlog para problemas simples como ese. Y sigue tu plan y no se compacta.

Y si no eres alguien que siempre está alcanzando los límites de tu suscripción, una gran cosa es también que realmente usarás tu plan en lugar de solo usar el 10-20% de lo que estás pagando. Así que eso también puede ser un beneficio. Pero, de nuevo, la clave aquí no es que intente venderte este concepto de bucles RELF. Pero lo que realmente quiero que te lleves de esta charla es, oye, comienza a pensar en estos nuevos enfoques, nuevos métodos de usar estos agentes de codificación de IA. No tiene que ser un bucle RELF. Puedes intentar experimentar con un montón de herramientas como Sandcastle o no. Pero solo intenta cosas y ve qué funciona para ti.

Porque al final, si tienes un cinturón de herramientas más grande, entonces tal vez puedas aprovechar mejor estas herramientas y simplemente producir mejores resultados para tu empleador o cliente o lo que sea o tus propios proyectos. Así que, sí, esa es como la gran conclusión. No estoy tratando de venderte RELF, pero es otra herramienta en tu arsenal. Incluso si no quieres ejecutarlo de una manera completamente automatizada, aún puedes utilizar los principios y habilidades fundamentales para tareas que serían más del tipo humano-en-el-bucle. Así que, de nuevo, pruébalo si quieres. Habla con tu LLM sobre las especificaciones. Definitivamente asegúrate de usar un sandbox si lo estás usando. Y usa un bucle bash, no uses la cosa de Anthropic.

Y luego, como palabra final de cierre, este es un tweet que vi hace un tiempo. Puedes externalizar tu pensamiento, pero no puedes externalizar tu comprensión. Lo que básicamente se reduce a, ya sabes, somos ingenieros. Estamos tratando de hacer un buen trabajo. Así que no confíes solo en la salida del LLM. Necesitas configurar sistemas inteligentes y pensar críticamente sobre cómo los estás aplicando para producir buenos resultados. De lo contrario, solo terminarás con algo que está completamente codificado por vibraciones, en esencia.

Así que, sí. Esa es la conclusión de mi charla. Gracias a todos. Gracias. Oh, sí. Un buen bucle de retroalimentación parece ser la clave para los agentes autónomos. Lo siento, ¿puedo pedir a las personas que se están filtrando que lo hagan en silencio para que podamos escuchar la respuesta de Eddie? Muchas gracias. Los buenos bucles de retroalimentación parecen ser la clave para los agentes autónomos, pero las pruebas unitarias pueden ser inútiles si son alucinadas o inventadas para pasar código roto. ¿Cómo lo evitas o cómo mantienes un alto nivel de calidad? Bueno, el punto clave vuelve a revisar el trabajo. Entonces, si tienes algo corriendo en un bucle, eso puede ser complicado, pero eso vuelve a instruir al LLM y a tus agentes.md o cloud.

md. Como, esta es la forma en que quiero que escribas pruebas. No pruebes un montón de detalles de implementación. Así que eso vuelve a cómo estás usando la herramienta. Si no estás usando ninguna especificación para el tipo de pruebas que te gusta escribir, entonces, sí, probablemente te encontrarás con algunos problemas. Pero si estás usando algo como Sandcastle, como mencioné, si tienes el script de TypeScript, podrías tener tu agente de codificación inicial funcionando y luego tener otro agente de codificación. Que es muy estrecho, especializado en revisar, como, oye, ¿las pruebas que se producen son realmente pruebas de buena calidad basadas en algunos criterios? Así que, puedes organizarlo como quieras, pero sí, esa es una preocupación muy válida y algo con lo que me encontré al principio al intentar un enfoque como este.

Así que esa es una muy buena pregunta. Sí, definitivamente me he encontrado con muchas pruebas falsas que dicen que están comprobando la cosa, pero no lo están. Así que, sí, fue un gran consejo. Compartiste muchas herramientas con nosotros y muchas cosas diferentes que recomendarías, pero alguien ha preguntado, ¿cuál ha sido tu habilidad más impactante.md hasta ahora? Definitivamente la de Matt Pocock. Así que, si tuviera que mencionar una, probablemente sería la habilidad de grill with dogs, porque es como si hubieras visto la habilidad de grill me antes en línea, que es bastante grande. Es algo así, pero con algunas instrucciones adicionales para guardar un entendimiento compartido o un lenguaje compartido en un contexto.md en tu repositorio, lo cual es realmente genial, porque aumenta la terminología compartida que luego es utilizada por tu slash TDD, por ejemplo, cuando está implementando. Así que tienes como, es básicamente una forma de añadir un tipo de desarrollo o diseño impulsado por el dominio a tus agentes de codificación. Así que tienes como una fraseología compartida para todo. Eso es realmente genial. Estoy realmente deseando probar eso.

¿Usas alguna herramienta de compresión CLI para reducir tu consumo de tokens con el fin de minimizar costos? Actualmente no, no. He visto la, ¿cómo se llama?, como la habilidad de caveman, pero realmente no la he probado aún, no. Puede ser un acierto o error con la habilidad de caveman. Sí, debería haber hecho eso porque antes de esta charla, tuve que actualizar mi suscripción de codec a otro nivel más alto, lo cual es, tal vez me habría ahorrado algo de dinero si hubiera usado eso. ¿Cómo convences a la dirección de que el método Ralph es viable para usar? Mostrando que puede producir algunos resultados. Por supuesto, si vas a usar eso en lugar de hacer tu trabajo normal, entonces, ya sabes, tal vez podría haber problemas. Pero el ejemplo que di, por ejemplo, fue hacer algo al margen que discutimos como algo agradable de tener. Podrías tomar algún tipo de iniciativa que históricamente habría sido despriorizada sobre el trabajo principal en tu trabajo, pero ahora con estos agentes de IA, puedes simplemente tenerlos funcionando en segundo plano. Y tal vez puedas lograr algunos buenos resultados y algunas herramientas internas agradables que podrían ser valiosas para la empresa. Quiero decir, podrías entonces llevar esos resultados a tu liderazgo y mostrarles como, oye, así es como lo hice. Esto es lo que es. ¿Y te gusta? Sí o no? Y vas desde allí. Correcto. Pero, sí, esa es mi respuesta. Sí. Genial. Alguien ha preguntado, Vincent ha preguntado, ¿cuáles son los mejores casos de uso para el loop? ¿Dónde lo usarías? Así que después de un tiempo de usar estos agentes de codificación, obtienes una especie de intuición de como esto es algo que espero que haga bien. Y los mejores casos de uso para el loop son cosas donde tienes como si clasificaras el tipo de tareas que haces con un LLM, es como, OK, hay algunas tareas que son como humano en el loop requerido. Así que tienes que supervisarlo.

Tal vez sea muy, ya sabes, dependiente del gusto si es algo relacionado con UX, por ejemplo. Por eso me gustó la sesión de prototipado en mi sesión de grill que mencioné. Eso es algo que no haría en el loop. Pero una vez que tienes algo que está bastante claro. Así que el prototipo de UX, por ejemplo, incluí el código para eso en el proyecto como referencia para que Ralph lo use en la implementación adecuada. Así que en ese punto, confié en que hiciera ese trabajo correctamente. Así que entra en, ya sabes, tu intuición de qué tipo de tarea puedo hacer bien, cuál no, y también cuánto esfuerzo pones en la planificación de estos tipos de tareas. Sí, eso es genial.

Creo que tenemos tiempo para una última pregunta. Incluso con herramientas externas que usan código de cláusula, ¿no encontrarías que también alcanzan los límites? Quiero decir, te encuentras con límites, pero quiero decir, puedes ir tan duro y tan rápido como quieras con este tipo de herramientas. Así que cuando comencé a investigar esto, mi razón fue que en realidad no estaba usando toda mi suscripción, como un 50 por ciento restante al final de la semana. Así que pensé, bueno, OK, déjame intentar ver qué más puedo hacer en segundo plano. Y antes de que Anthropic hiciera cosas como la habilidad slash goal o slash loop ellos mismos, esta era como la versión más temprana de eso. Y sí, lo encontré bastante útil para cosas que quiero hacer como, ya sabes, mientras estoy trabajando en mis otras tareas principales en segundo plano. Genial.

Y me encanta la idea también que mencionaste sobre tener cosas funcionando fuera de las horas en las que lo harías tú mismo. Así que siempre tienes algo a lo que volver cuando regreses a ello. Genial. Muchas gracias, Eddie. Podrás hacerle más preguntas a Eddie en la sección de deep dive detrás de esta sala.