Sistemas que he construido

Soy ingeniero backend con la IA entretejida en el flujo diario — debugging, revisión de código, decisiones de modelo y diseño, orquestación agentiva — y construyo los sistemas que hacen eso repetible en un equipo: marketplaces de plugins, workspaces multi-repo, pipelines de review. Todo empezó dentro de una organización de ingeniería real con un problema real, no como exploración de una feature.

Abajo está el set de trabajo — las prácticas en las que me apoyo y los sistemas que he puesto en producción — agrupado por lo que es. Cada enlace lleva a un post que nombra el problema resuelto, las decisiones tomadas y las limitaciones reales.

Sistemas de coding con IA en práctica

• Marketplace de plugins por equipos — un repo Git, una carpeta de plugin por equipo, más un plugin common compartido y promovido de abajo arriba. Sustituye tres formas incompatibles de distribuir skills de Claude entre equipos. → Cómo un marketplace por equipos acabó con la duplicación de skills en Claude

• Workspace multi-repo con Claude — abre Claude un nivel por encima de tus repos para que un único contexto, una única carpeta de memoria y un único alcance de permisos cubran ~25 servicios a la vez. → Workspace multi-repo

• Depurar un bug distribuido con IA — dale al modelo la traza, el camino real del código y lo que has descartado, y pídele hipótesis ordenadas y la confirmación más barata — no “arréglalo”.

• Diseñar un servicio con la IA como interlocutor — trae tu propio diseño y haz que el modelo lo ataque (por dónde se filtra el límite, qué se rompe bajo fallo parcial), que defienda los dos lados de un trade-off, y quédate el lápiz.

• Elegir modelo como decisión de ingeniería — empareja el tier y el dial de esfuerzo con la tarea en vez de tirar del modelo más grande; decide sobre un set de evaluación real, no por instinto.

Claude Code para automatización real

• Patrón de bifurcar sesión — ramificar la conversación actual de Claude para probar una alternativa sin perder el estado en curso de la original. → Bifurcar sesión

• El atajo ! como entrada determinista — meter la salida de un comando en la conversación sin pasar por el modelo cuando necesitas los bytes exactos, no una paráfrasis. → Atajo bang

• Alcance vs. permisos, separados — el cwd decide lo que Claude ve, .claude/settings.json decide lo que Claude hace. Trátalos como dos palancas independientes en cada proyecto. → Alcance vs. permisos

Workflows agentivos en producción

• Exploración con subagentes para mantener el contexto principal limpio — mover el trabajo pesado de grep/read a un subagente Explore para que la sesión principal pague ~1k por un resumen en vez de ~40k por un transcript. → Los subagentes tienen su propia ventana de contexto

• Bucle /goal para iteración autónoma — dejar de teclear “sigue” entre turnos; declarar una condición y dejar que Claude itere hasta cumplirla. → El bucle /goal

• Memoria persistente como estado entre sesiones — ficheros markdown que Claude escribe solo y recarga la próxima vez, indexados por cwd. Úsala con intención, púdala como un .bashrc. → Memoria persistente

• Fan-out multi-agente, con el coste honesto — cuándo N agentes paralelos ganan a uno (trabajo independiente y ancho) y cuándo solo multiplican la factura; descompón por independencia real y presupuesta la fusión.

Casos de fallo y lecciones aprendidas

• Prioridad de skills y sobrescrituras silenciosas — una skill personal gana en silencio sobre una skill de proyecto o plugin con el mismo nombre. Nombres distintivos, no sobrescrituras ingeniosas. → ¿Qué skill gana cuando los nombres colisionan?

• La ventana de contexto como presupuesto, no como capacidad — una vez empieza la compactación, el modelo razona sobre un resumen con pérdida. Planifica la sesión para no llegar ahí por accidente. → Ventana de contexto

• Rewind de sesión para recuperación barata — unidad pequeña de undo sobre una sesión de Claude para que un turno malo no envenene el resto. → Sesiones rewind

• Revisar el código de IA por sus modos de fallo — el código de IA es plausiblemente incorrecto, no obviamente; una checklist para los traspasos que no ve — caminos de error, radio de impacto fuera del diff, concurrencia, scope creep.

• Tests en verde que no prueban nada — los tests escritos por IA pasan comprobando el mock o fijando el bug como esperado; escribe el test que falla primero y lee cada aserción con el criterio ¿puede fallar?

• El día que la IA casi mete un bug en prod — un diff limpio, una suite en verde y una explicación segura son una sola fuente coincidiendo consigo misma; la comprobación independiente tiene que venir de fuera del bucle del modelo.