Trabajar con agentes
Ahora los desarrolladores escriben muchísimo código con agentes. En lugar de escribir cada línea a mano, hablan con un agente para que escriba el código por ellos.
En el curso de Fundamentos, aprendimos el comportamiento básico de los agentes: proporcionarles herramientas potentes y dejar que se ejecuten de forma autónoma en un ciclo. En este curso, veremos estrategias para trabajar eficazmente con agentes de programación al crear software.
¿Qué es un entorno de agente?
Cherri Code es un editor de IA con un agente de programación integrado. El agente se ejecuta dentro de lo que se conoce como un «entorno», compuesto por tres elementos:
- Instrucciones: La instrucción del sistema y las reglas que guían su comportamiento
- Herramientas: Edición de archivos, búsqueda en la base de código, ejecución de comandos en la terminal y más
- Modelo: El modelo de agente que eliges para la tarea
Los agentes de programación te ayudan a completar tareas en función de los objetivos que les indiques. Cada entorno presenta un comportamiento ligeramente distinto según cómo esté ajustado y los modelos que uses.
Algunos modelos están entrenados para ejecutar comandos de shell con mayor frecuencia. Otros necesitan instrucciones más explícitas. Con Cherri Code, nuestro objetivo es admitir todos los modelos de vanguardia y optimizar el entorno tanto como sea posible, incluidas las herramientas a las que tienen acceso.
Redactar instrucciones eficaces
El primer paso para trabajar con agentes es la instrucción que les das. Considera dos enfoques:
El agente tuvo que adivinarlo todo: el diseño que querías, los componentes, el enfoque de estilos y más. A veces funciona, pero a menudo debes ser más específico sobre tu intención.
Compáralo con una instrucción más detallada que hace referencia a patrones existentes en tu base de código:
La segunda instrucción es mucho mejor porque proporciona al agente indicaciones específicas basadas en tu base de código: archivos existentes, componentes y límites claros de alcance. El agente sigue tus patrones en lugar de inventar otros nuevos.
Hablaremos más sobre esto cuando aprendamos a crear nuevas funcionalidades y a planificar cambios más grandes en varios archivos.
¿Qué enfoque ofrece los mejores resultados a los agentes?
Gestionar el contexto
A medida que trabajas con un agente, la conversación acumula contexto: mensajes, llamadas a herramientas, contenido de archivos y más. Este contexto es la memoria de trabajo del agente y tiene limitaciones.
Ten en cuenta cuánto contexto está usando el agente. Inicia una conversación nueva cuando cambies de tarea o si notas que el agente comete errores.
Si sigues trabajando en la misma funcionalidad y el agente tiene contexto útil de mensajes anteriores, vale la pena continuar la conversación. Pero si el agente no deja de dar vueltas en círculo, empieza una nueva aunque estés a mitad de la funcionalidad. Puedes hacer referencia a la conversación anterior para que el agente lea la transcripción del chat.
Los modelos más recientes cada vez encuentran mejor el contexto que necesitas. Con la búsqueda en la base de código, el agente puede incluir los archivos relevantes según sea necesario. Si conoces el archivo exacto, ეტiquétalo. De lo contrario, proporciona al agente una descripción general y deja que encuentre los archivos adecuados.
Patrón de fallo habitual: ampliación del alcance
Uno de los errores más comunes es pedir un cambio demasiado grande sin planificarlo. Puede que notes que el agente realiza cambios no relacionados, edita archivos que no querías o pierde el foco.
Si ves que esto ocurre, detente y piensa si podrías dividir la tarea en partes más pequeñas. Si estás planificando una funcionalidad ambiciosa, explicaremos cómo crear planes y especificaciones sólidos en crear funcionalidades. Una vez que tengas ese plan e inicies la primera conversación, suele ser más rápido iterar en conversaciones de seguimiento más pequeñas.
Qué sigue
Has aprendido cómo funcionan los entornos de agente, cómo redactar instrucciones efectivas y cómo gestionar tu contexto. En el próximo capítulo, profundizaremos en cómo los agentes exploran tu base de código y te ayudan a comprender mejor el código y la arquitectura con los que trabajas.