La IA ya escribe códigomás rápido que tú.Aprende a dirigirla
Construye un sistema de trabajo con agentes para investigar, desarrollar y verificar software con criterio.
› hazme el login con Google
→ leyendo AGENTS.md · specs/ · DESIGN.md
→ spec: specs/hazme-el-login-con.md · 3 criterios de aceptación
→ worktree ../hazme-el-login-con · implementer + validator
→ implementando solo los archivos del alcance
✓ validador: tests 8/8 · lint ok
✓ PR #145 listo para tu revisión
Enter para lanzar · prueba help o rm -rf /
- developers formados
- 10.000+
- años desarrollando software
- 15+
- Google Developer Expert
- GDE
- de AI Expert en directo
- 6ª edición
- 90 testimonios de alumnos
- ★★★★★
Nos has visto en
De prompts sueltos a un sistema de trabajo
La misma petición, dos destinos muy distintos. La diferencia no está en el modelo ni en pedir mejor: está en el entorno que rodea al agente.
hazme el login con Google
→ leyendo AGENTS.md y contexto
→ spec: alcance + criterios de aceptación
→ implementando (solo archivos del alcance)
✓ tests 12/12 · lint ok
✓ PR listo para tu revisión
Enciende el arnés
- tests
- ✓ 12/12
- alcance
- solo lo que dice la spec
- tu papel
- revisar el PR
Ese entorno tiene nombre: harness engineering. Es lo que enseñamos, lo que implantamos en equipos y con lo que construimos software.
Seis capas que convierten un agente en un sistema de trabajo
Los modelos cambian cada pocas semanas. Lo que hace fiable el trabajo con agentes es el entorno que los rodea: el arnés. Sigue bajando y míralo montarse capa a capa.
capa 01 · investigación
Discovery
Antes de escribir código, el agente investiga contigo. Una skill de discovery convierte una idea difusa en un MVP con un alcance claro.
discovery — idea.md
$ skill discovery "reservas para clínicas"
→ preguntas sobre usuarios, límites y riesgos
→ research.md: competidores y restricciones
✓ mvp.md: 5 features y qué queda fuera
capa 02 · contexto
Context engineering
Reglas, arquitectura y decisiones viven en el repo. Cada sesión arranca sabiendo dónde está, sin que tengas que repetírselo.
AGENTS.md
# AGENTS.md
- Dominio sin dependencias de framework
- Specs en /specs antes de implementar
- Nada se integra sin tests en verde
✓ mismo contexto para personas y agentes
capa 03 · ejecución
Entornos de ejecución
Da igual la herramienta. Hooks y subagentes con roles separados: uno implementa, otro valida, y cada uno tiene límites claros.
agents — roles
$ agent run implementer specs/export-csv.md
→ implementer: solo archivos del alcance
→ validator: solo lectura, contra la spec
✓ hook pre-commit: lint + tests
capa 04 · loop y verificación
Loop engineering
Agentes en paralelo, cada uno en su worktree y con su PR. El trabajo se cierra con evidencias (tests, evals, Definition of Done), no con promesas.
loop — feature_list
$ git worktree add ../export-csv
→ 3 agentes en paralelo, sin pisarse
✓ tests 24/24 · evals ok
✓ PR #143 listo para tu revisión
capa 05 · producto
AI Product
La IA deja de estar solo alrededor del código y entra en tu aplicación: APIs, function calling, RAG y modelos locales donde tenga sentido.
src/ai/rag.ts
await rag.search("política de devoluciones")
→ 4 fragmentos relevantes · embeddings
POST /v1/chat/completions
✓ 200 OK · respuesta citando fuentes
capa 06 · orquestación
Tu propio agente
Todo junto: un agente orquestado que mueve features de la spec al merge. Tú decides dónde revisar, y nada se integra sin pasar por ti.
orchestrator.ts
✏️ dark-mode → spec
⚙️ search-filter → implementando
👀 auth-login → esperando tu revisión
✅ 12 merged · supervisión humana
✓ arnés completo
El agente es el que venga. El arnés es tuyo.
Vive en tu repo, funciona con Codex, Claude Code, Cursor u OpenCode y no caduca cuando cambia el modelo. Es exactamente lo que construyes en AI Expert.
Construye tu arnés en AI ExpertAprende a dirigir agentes en directo, sobre tu propio proyecto
Programa insignia
AI Expert
Seis semanas para montar tu arnés de desarrollo con IA pieza a pieza, con clases en directo, Q&A semanales y una comunidad privada.
- 6 semanas en directo
- 60 h totales
- 2 meses de modelos incluidos
- 40 plazas por edición
6ª edición · empieza el 3 de noviembre
Ver el programaIncluido con tu plaza
Android Legacy Vault
Kotlin Expert, Jetpack Compose y Testing Expert: la biblioteca clásica completa, para tener criterio antes de delegar.
Catálogo
Todas las formaciones
Architect Coders, Kotlin, Compose, Testing y Accesibilidad: los programas con los que se han formado miles de developers.
Ver catálogoLo que cambia cuando dejas de pedir y empiezas a dirigir
Sus propias palabras, en formato diff: en rojo cómo trabajaban antes, en verde lo que se llevaron. Nada reescrito, solo recortado.
diff --git a/alumnos/santiago-perez-barber.md b/alumnos/santiago-perez-barber.md
@@ AI Expert · +18 −7 @@
1−Empiezas sabiendo "cacharrear" con herramientas de IA…
2+…una batería de recursos que te sirven para el día a día…
3+…y que aumentan exponencialmente tu rendimiento.
Santiago Pérez BarberBytacora Soluciones Informáticas SL · ★★★★★
Y el resto del historial
90 reviews · ★★★★★ · todas las formaciones
Pasa el ratón para pausar · pulsa una review para leerla entera
Lo último que hemos probado con agentes
Probamos herramientas, modelos y flujos en proyectos reales, y contamos qué funciona y qué no. Sin humo.
Ir al blog$git log --oneline blog/
- ea0e2412026-09-07Mis agentes de Codex también se despistan: así los organizo con AGENTS.md
- a30e9482026-07-08Qué es Loop Engineering: ejemplo práctico con Codex
- 269b6662026-06-24Cómo usar 1Password para dar secretos a agentes y apps de escritorio
- 2dfda502026-04-07Cómo activar el thinking mode de Gemma 4 en LM Studio y OpenCode
- b0c5e6d2026-03-26Los MCPs no estaban muertos, estaban de parranda
$ git show ea0e241
commit ea0e241
Autor: Antonio Leiva · 2026-09-07 · 6 min
Mis plantillas de coordinador y especialistas para Codex, con una prueba pequeña para adaptar la organización del vídeo de Voice a tu trabajo.
$ ▊
Formación, implantación y software cuando el reto es del equipo
Ayudamos a convertir la IA en procesos reales y herramientas que el equipo pueda utilizar y mantener.
Profesores que aplican IA en proyectos reales
Antonio y Nino combinan desarrollo de software, sistemas con agentes, automatización, datos y experiencia docente. Trabajan directamente tanto en las formaciones como en los proyectos para empresas.
antonio@devexpert
Antonio LeivaGDE
Fundador DevExpert · Google Developer Expert
nino@devexpert
Nino RuanoIA · Big Data
Especialista en IA y Big Data · Formador
Es una shell de verdad (bueno, casi). Escribe help para ver los comandos.
Deja de pelearte con el agente. Empieza a dirigirlo.
Aprende con nosotros en AI Expert o cuéntanos qué necesita tu equipo. El arnés se construye una vez; lo que cambia es todo lo que puedes hacer con él.