Deja de pedirle a Fable 5.2 que «busque los errores»

Imagen de perfil
Lorenzo en Inteligencia artificial

Inteligencia ArtificialDeja de pedirle a Fable 5.2 que «busque los errores».

Deja de pedirle que «desarrolle esta funcionalidad» o que «explique por qué la integración continua (CI) va tan lenta».

Estás usando el modelo de programación más potente del mercado como si fuera el chico de las prácticas.

Aquí tienes 6 prompts listos para usar:

1. El rastreador de máquinas de estado
«Localiza todas las máquinas de estado implícitas en mi aplicación. Toma las decisiones que mejor mejoren las tres dimensiones a la vez: experiencia de usuario (UX), experiencia de desarrollador (DX) y experiencia del agente (AX), sin romper nada en el proceso.»

2. El buscador de código abierto
«Antes de escribir una función desde cero, rastrea proyectos en GitHub, analiza cómo lo resuelven distintos enfoques y luego empieza a partir de ahí.»

3. El clasificador de errores
«Puntúa cada error del 1 al 10 según su frecuencia y su gravedad. Si el resultado de multiplicar ambas puntuaciones no llega a 5, regístralo como incidencia y no toques el código. No desarrolles soluciones para casos improbables o futuros que nadie ha pedido.»

Adapta ese umbral de 5 según las necesidades de tu proyecto.

4. El cierre limpio
«Termina todo el trabajo antes de parar. No preguntes si seguir: sigue. Consúltame antes de borrar cualquier cosa. Al acabar, escribe un resumen para alguien que no ha visto nada: lo más importante primero, en palabras sencillas.»

5. El auditor de CI
«Audita la CI de este repositorio: usa gh para obtener las últimas 150 ejecuciones y divide el tiempo de cada trabajo en tres fases: espera en cola para obtener máquina, configuración (checkout, instalación de dependencias, restauración de caché) y ejecución real de la tarea. Lista los 5 trabajos más lentos con los segundos que consume cada fase. Dame primero el informe. No cambies nada.»

6. El reconstructor
«Si tuvieras que empezar de cero hoy con el mismo objetivo, ¿qué seguiría mereciendo la pena conservar?»

Si te interesa integrar la inteligencia artificial en tu forma de trabajar y ganar tiempo de verdad, échale un vistazo a Uniaverso: 52 clases de quince minutos, sin tecnicismos, para cualquier edad y sin necesidad de formación previa. Si sabes escribir un WhatsApp, puedes seguirlas sin problema.

Las plazas son limitadas. Más información en Uniaverso.6 prompts de ingeniería avanzada para Fable 5.2: del uso superficial al control técnico real

Resumen técnico

Fable 5.2 es un modelo de codificación que permite prompts estructurados con lógica de decisión embebida. Los 6 patrones descritos cubren: detección de máquinas de estado implícitas, búsqueda activa en GitHub antes de generar código, clasificación de errores con matriz de riesgo (frecuencia × gravedad, umbral 5), ejecución autónoma sin pausas innecesarias, auditoría de CI/CD con gh CLI sobre las últimas 150 ejecuciones desglosando cola, setup y ejecución real, y análisis de deuda técnica estructural mediante refactorización hipotética.

Análisis de implicaciones

Estos prompts redefinen cómo se delega trabajo a un agente de codificación. El Clasificador de Errores introduce un filtro cuantitativo que evita sobreingeniería: solo se interviene si frecuencia × gravedad ≥ 5. El Auditor de CI separa métricas de infraestructura de métricas de código, algo que herramientas como GitHub Actions o CircleCI no desglosan por defecto. El patrón AX (Agent Experience) junto a UX y DX introduce una tercera dimensión de optimización que los workflows actuales ignoran sistemáticamente.

Aplicación práctica

El Auditor de CI se ejecuta directamente con gh run list –limit 150 y procesa tiempos por job. El Explorador de Código Abierto es útil antes de implementar parsers, clientes HTTP o sistemas de caché: evita reinventar soluciones con miles de estrellas en GitHub ya battle-tested. El patrón El Cierre elimina el comportamiento por defecto de los LLM de interrumpir el flujo pidiendo confirmación, aumentando la autonomía efectiva del agente en tareas largas con múltiples archivos o módulos interdependientes.

Contexto del sector

La competencia en modelos de codificación —GPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro— hace que la diferenciación real esté en la calidad del prompting estructural, no en el modelo. La tendencia hacia agentes autónomos de desarrollo como Devin o SWE-agent confirma que los patrones de delegación completa —sin microgestión— son el estándar emergente en equipos de ingeniería de producto.

Artículo relacionado

Reino IA

Ver publicación original

Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos y para mostrarte publicidad relacionada con sus preferencias en base a un perfil elaborado a partir de tus hábitos de navegación. Contiene enlaces a sitios web de terceros con políticas de privacidad ajenas que podrás aceptar o no cuando accedas a ellos. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Ver Política de cookies
Privacidad