Agentes de IA Autónomos en Acción Con el Método Ralph Wiggum

Hola a todos, hoy vamos a hablar sobre el método Ralph Wiggum con agentes autónomos de IA. Ya me presentaron, pero mi nombre es Eddie Vink. Soy de los Países Bajos y trabajo en una empresa llamada FrontValue.

Permítanme rápidamente tomar el pulso de la audiencia. ¿Quién aquí ha probado el bucle Ralph Wiggum? Quiero comenzar hablando sobre los conceptos básicos de un bucle Ralph. ¿Por qué se llama incluso un bucle Ralph? Es un método acuñado por alguien llamado Geoffrey Huntley. El concepto es similar a Ralph 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 Ralph. Así que simplemente tienes bucles consistentes una y otra vez hasta que obtienes lo que quieres. Esa es la idea central.

En el núcleo, se reduce al desarrollo impulsado por especificaciones. Y el 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 eso básicamente se reduce a la gestión del contexto. Y si has oído hablar de esto, probablemente sepas, pero los agentes de IA, realmente no se mantienen tan inteligentes como lo hacen al principio de una ventana de contexto, cuanto más crece la ventana de contexto.

Entonces tienes estos modelos, es como una ventana de contexto de tamaño millón, que, al final de como 700,000 tokens, no va a ser tan buena como al principio. Básicamente se vuelve un poco más tonta con el tiempo. Y eso me lleva a la compactación. {{^}}Entonces tienes este concepto de compactación, que es básicamente 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 resumirla para poder seguir adelante. Pero eso puede perder algunos detalles que habías especificado que podrían o no ser importantes.

Por eso tenemos los bucles Ralf, porque los bucles Ralf comienzan con una ventana de contexto fresca cada vez basada en una especificación. Y esta es la versión más básica de un bucle Ralf. Es solo un script bash que envía el mismo prompt a 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 completa. Así que tienes un bucle que básicamente revisa 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 luego, 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 de un conteo de iteraciones, para que no consumas completamente tu uso cada vez que inicies 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, es realmente simple en esencia. Así que simplemente le dices, oye, ve a leer 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. Y así puedes tomar algunas decisiones inteligentes allí. Revisa 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, solo trabaja en una cosa a la vez, porque nuevamente, no queremos entrar en los problemas de las grandes ventanas de contexto.

Ahora, podrías estar pensando de manera optimista, wow, estos bucles Ralph, son increíbles. Pueden hacer lo que quiera. No tengo que programar nunca más. 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 back pressure, 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 estar cuidándolo, como, oh, no, no funcionó, ve a arreglarlo, las pruebas no están pasando, ¿por qué no ejecutaste las pruebas? Tienes que especificarlo, 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 pregunta, como, ¿puedo ejecutar este comando, puedo instalar esto, lo que sea. Lo que algunas personas hacen es ejecutar su agente con permisos peligrosamente omitidos como una bandera, y ¿qué puede salir mal? Probablemente no tenga que explicarlo, pero hay una publicación en Reddit que vi de alguien diciendo, como, oh, sí, me encontré con un 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, no he terminado todavía, 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 bucle Relf 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. Básicamente, en esencia, puedes simplemente tener una conversación con Claude u otro agente de codificación para hablar sobre tu idea, y se mantendrá en ti, 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 solo seguirá haciéndote preguntas una y otra vez hasta que tengas, como, ya sabes, 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 hacer es en realidad no hay un plugin antropomórfico para Ralph que en realidad no recomiendo que uses, porque no va en contra del principio básico de un bucle Ralph que es que no limpia la ventana de contexto, así que solo se encuentra con el problema de compactación eventualmente, lo cual es bastante malo, así que lo que te recomiendo hacer es simplemente usar 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 especie de herramienta gratuita agradable que aplica algo de estructura a esta forma de trabajar con algunas habilidades comunes para idear tus ideas, así que hay una llamada Explore, y luego hay algunas otras para tomar 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 de 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 tiene, así que está GrillWithDocs, 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 problemas de GitHub, y luego está SlashTDD, que usas para simplemente tomar uno de esos problemas 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 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 charla, Anthropic decidió que, hey, 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 Docker Sandboxes, que en realidad te permiten usar otros agentes de codificación y otros arneses también, así que puedes usar algo como CodeX o Py si lo has usado antes. Y luego hay otra herramienta de Matt Pocok, se llama Sandcastle, y 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 le pasas 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 simplemente uses tu suscripción normal cuando trabajas de esta manera, lo cual es bastante agradable porque te ahorra algo de dinero. Así que echemos un vistazo a un ejemplo de flujo de trabajo de 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 Ralph, que era realmente horrible. Solo me centré en la funcionalidad porque eso es lo que le pedí que hiciera. Y quería experimentar con algunos prototipos UX y llevar eso de nuevo a otro bucle Ralph para iterar y construir. Así que lo que hice fue invocar la habilidad grill with Doc, que nuevamente, solo me entrevista, 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, él es, ¿es Claude un 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, 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 estás como, está bien, he terminado. Creo que estamos en algún tipo de entendimiento compartido para los requisitos. Pero quería experimentar con algunos prototipos UX antes de realmente devolver eso a un bucle 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. Así que le dije, como, hey, quiero entregar esta conversación a otro agente de codificación, una ventana de contexto fresca, donde puedo usar una habilidad de prototipo para trabajar en algunos prototipos UX, cuyo objetivo es ahorrar o mantener la ventana de contexto en mi sesión de grill 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 grill con los resultados útiles del prototipo UX. Así que eso es lo que hice. Solo le dije, como, hey, 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, utilicé la habilidad de dos PRD y la habilidad de dos problemas y eso terminó con esta lista de problemas en GitHub que pude ejecutar en mi bucle 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, está bien, se ejecutó dos veces porque le dije que solo quiero hacer unas pocas iteraciones solo para poder verificar, ya sabes, ¿está yendo en la dirección correcta o se está saliendo de los rieles? Eso es algo que me gusta hacer antes de dejarlo completamente ir y hacer lo suyo. Y luego en la parte inferior, también puedes ver los registros. Así que puedes seguir un poco lo que está haciendo. Y por supuesto, esto se está ejecutando en un entorno aislado. Así que incluso si no puede pedirme permisos porque no quiero que lo haga, quiero que funcione de manera autónoma, es capaz de hacer las cosas de manera segura y traer los resultados deseados a mi base de código al final.

Y luego, cuando termina, solo tienes un pull request con un montón de commits hechos por RALF que dice, está bien, 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 UX y terminó viéndose aún no increíble, pero es lo suficientemente bueno para algo que estaba haciendo al margen mientras hacía mi trabajo principal en mi cliente. Así que puedo llevar eso de vuelta y mostrarles, oye, hice esta cosa o RALF hizo esta cosa, ¿qué piensas? Y hablemos de ello. ¿Es útil o no?

Así que ya hemos repasado esto. Pero quiero hablar sobre algunos bucles de retroalimentación más avanzados para mantener a RALF produciendo código de calidad. Así que, 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 probablemente va a ser más útil, al menos en mi experiencia, porque si dejas que los agentes escriban sus propias pruebas, tienden a a veces solo escribir algún tipo de pruebas basura, no realmente probando la característica real, sino más bien los detalles de implementación, lo cual puedes dirigir. Pero en mi experiencia, las pruebas lentas también son bastante valiosas. Por supuesto, hay herramientas de análisis estático, así que tus reglas de linting, pero también hay tal vez algunas otras que no has escuchado, como knip.

Y luego hay uno nuevo que aprendí recientemente llamado Fallow, que es algo que incluso es capaz de medir la complejidad del código que produce el agente. Así que si tiene demasiadas ramas if-else, y miras el código y es como, oh, ¿qué es esto? Esto parece basura. Entonces tienes como una opción de análisis estático que alimenta ese tipo de información de una manera más agradable de vuelta al agente. Así que ve a arreglarlo, hazlo más legible. Porque al final, no estamos codificando por vibración aquí. Queremos producir un código que sea realmente digno de producción al menos, o algo así, para que puedas leerlo en lugar de un montón de basura que no vas a leer.

También hay algunas otras herramientas que son bastante geniales. Así que hay un Chrome DevTools MCP server que podrías añadir a tu agente que le permite básicamente mirar la salida en la consola de tu navegador o en tu pestaña de red para hacer una depuración más avanzada. Así que no tienes que hacer eso tú mismo. 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 que quizás hayas oído hablar. Y otro se llama 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 tus proyectos.

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 las tareas demasiado grandes. 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 realmente puede funcionar de manera autónoma mientras haces otras cosas. Es realmente genial para explorar y hacer pruebas de concepto de cosas que haces al margen, tal vez. Es genial 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, entonces una gran cosa es también que realmente usarás tu plan en lugar de usar solo 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 Ralph Loops, sino que lo que realmente quiero que te lleves de esta charla es, oye, empieza a pensar sobre estos nuevos enfoques y nuevos métodos de usar estos agentes de codificación de IA. No tiene que ser un Ralph Loop. 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 Ralph, pero es otra herramienta en tu arsenal. E 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 sí.

Así que de nuevo, pruébalo si quieres. Chatea con tu LLM sobre las especificaciones. Definitivamente asegúrate de usar sandbox si lo estás usando. Y usa un bash loop. No uses la cosa de Anthropic. Y luego, como palabras finales, 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, somos ingenieros. Estamos tratando de hacer un buen trabajo. Así que no confíes solo en el resultado 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 vibración en esencia. Así que sí. Esa es la conclusión de mi charla. Gracias a todos.

Un buen bucle de retroalimentación parece ser la clave para los agentes autónomos. Disculpa, ¿puedo pedirle a las personas que están saliendo 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 defectuoso. ¿Cómo lo evitas o cómo mantienes un alto nivel de calidad? El punto clave se remonta a revisar el trabajo. Así que si tienes algo funcionando en un bucle, eso puede ser complicado, pero eso se remonta a instruir al LLM en tu agents.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 se remonta a cómo estás usando la herramienta. Si no estás usando ninguna especificación para el tipo de pruebas que te gusta escribir, entonces probablemente te encontrarás con algunos problemas. Pero si estás usando algo como Sandcastle, como mencioné, si tienes el type script, podrías tener tu agente de codificación inicial funcionando y luego tener otro agente de codificación que sea muy específico, especializado en revisar como, oye, ¿son las pruebas que esto produjo 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 cuando intentaba un enfoque como este. Así que esa es una muy buena pregunta. Sí. Sí, definitivamente me he encontrado con muchas pruebas falsas que dicen que están probando la cosa. Sí. No lo están. Es un buen consejo. Compartiste muchas herramientas con nosotros y muchas cosas diferentes que recomendarías. Pero alguien ha preguntado cuál ha sido tu skill.md más impactante hasta ahora. Definitivamente el de Matt Pocock. Así que si tuviera que mencionar uno, probablemente sería el de grill with dogs skill, porque es como si hubieras visto el grill me skill antes en línea, que es bastante grande, es algo así.

Puedes usar algunas instrucciones adicionales para guardar un entendimiento compartido o un lenguaje compartido en un context.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 se 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 el, ¿cómo se llama? La habilidad del cavernícola, pero realmente no la he probado aún. No, puede ser un acierto o error con la habilidad del cavernícola. Debería haber hecho eso porque antes de esta charla, tuve que actualizar mi suscripción de codec a otro nivel superior, lo cual 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 tal vez podría haber problemas. Pero el ejemplo que di, por ejemplo, fue hacer algo al margen que discutimos como algo bueno de tener. Podrías tomar alguna 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 buenas herramientas internas que podrían ser valiosas para la empresa. Quiero decir, podrías entonces llevar esos resultados a tu dirección y mostrarles como, oye, así es como lo hice. Esto es lo que es. ¿Y te gusta? Sí o no? Y vas desde ahí, ¿verdad? Pero sí, esa es mi respuesta. Sí. Sí, genial. Alguien ha preguntado, Vincent ha preguntado, ¿cuáles son los mejores casos de uso para el bucle? ¿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 bucle son cosas donde tienes como, si clasificaras el tipo de tareas que haces con un LLM es como, está bien, hay algunas tareas que son como requeridas con humano en el bucle. Así que tienes que supervisarlo, tienes que verificar los resultados. Tal vez sea como muy, ya sabes, dependiente del gusto si es algo relacionado con UX, por ejemplo, por eso hice como la sesión de prototipado en mi sesión de asado de ideas de la que hablé. Eso es algo que no haría en el bucle. Pero una vez que tienes algo que es 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. En ese punto, confié en que hiciera ese trabajo correctamente. Así que entra un poco en, ya sabes, tu intuición de como, qué tipo de tareas puedo hacer bien, cuáles no, y también cuánto esfuerzo pones en la planificación de estos tipos de tareas. Sí.