A medida que las bases de código crecen, los asistentes de codificación de AI tienen dificultades. Las ventanas de contexto se desbordan, los agentes pierden el seguimiento de las dependencias y la búsqueda de texto simple no logra capturar las relaciones semánticas que definen el software real. Esta masterclass explora tres patrones arquitectónicos probados que permiten a los agentes de AI trabajar eficazmente con bases de código a escala de producción: inteligencia de código semántico a través de la integración del Language Server Protocol, habilidades especializadas de agentes mediante el agrupamiento de contexto y herramientas, y delegación de subagentes para una gestión eficiente del contexto. A través de demostraciones en vivo en un proyecto popular de código abierto como ShadCN, verás cómo estas técnicas abordan la complejidad del software del mundo real: refactorizaciones de múltiples archivos, cambios entre módulos y seguimiento de dependencias que abrumarían los enfoques tradicionales.
Te irás con estrategias prácticas y agnósticas al producto para construir o mejorar agentes de AI que puedan manejar grandes bases de código con precisión y eficiencia. Examinaremos por qué la comprensión semántica supera la búsqueda de texto, cómo diseñar habilidades de agentes enfocadas que mejoren la finalización de tareas y cómo las arquitecturas de subagentes en paralelo previenen el agotamiento de las ventanas de contexto. Ya sea que estés construyendo herramientas de desarrollo de AI, arquitecturando sistemas de múltiples agentes o contribuyendo a código abierto, estos patrones te ayudarán a cerrar la brecha entre las demostraciones de juguete y la asistencia de AI de grado de producción.
This talk has been presented at AI Coding Summit 2026, check out the latest edition of this Tech Conference.
Comments