Noticias IA · fuente primaria
GitHub ordena el nuevo idioma de los agentes: loops, squads y harnesses
Edición: Álvaro MaureiraFecha: Fuente: GitHub Blog AI
GitHub explica cómo loops, squads, fleets y harnesses describen sistemas de agentes que trabajan con roles, herramientas y retroalimentación, más allá del prompt aislado.
Capítulo 01
Dejar atrás el prompt aislado
El nuevo vocabulario de agentes describe piezas de un sistema de trabajo: un loop repite una tarea con validación, un squad reparte roles y un harness reúne herramientas, permisos, memoria, contexto y orquestación. La utilidad no está en la palabra, sino en hacer observable quién actúa, con qué límites y cómo se corrige.
El nuevo vocabulario de agentes describe piezas de un sistema de trabajo: un loop repite una tarea con validación, un squad reparte roles y un harness reúne herramientas, permisos, memoria, contexto y orquestación. La utilidad no está en la palabra, sino en hacer observable quién actúa, con qué límites y cómo se corrige.
GitHub publicó una guía para ordenar palabras que ya aparecen en conversaciones sobre agentes. El punto de partida es loop engineering: diseñar un sistema repetible alrededor de un agente en vez de abrir una sesión y pedir una tarea cada vez. La diferencia es operativa: entran horarios, entradas, validaciones y una ruta para escalar lo que se atasca.
Ese cambio de vocabulario ayuda a separar una demostración de un sistema. Un agente que responde bien una vez puede seguir sin memoria, permisos acotados o comprobación de resultados. Un loop obliga a preguntar qué se repite, qué evidencia se conserva y quién decide cuando la salida no cumple. La etiqueta vale cuando mejora la conversación de diseño.
- LoopSistema repetible
- SquadRoles distintos
- HarnessEntorno del modelo
Capítulo 02
El loop como unidad de trabajo
Un loop puede recoger nuevos asuntos, pasarlos a un agente, validar la respuesta y escalar los casos detenidos. GitHub lo compara con un cron de orientación nativa para IA: no porque el calendario vuelva inteligente al proceso, sino porque convierte la intención en una secuencia que puede observarse. Cada vuelta necesita una entrada identificable y un criterio de cierre.
La consecuencia para un equipo es sencilla: especificar la tarea antes de automatizarla. Hay que nombrar el evento que dispara el loop, el contexto que recibe el agente, la prueba que habilita el siguiente paso y la salida que merece revisión humana. Sin esas fronteras, el loop puede repetir errores con mucha disciplina y poca utilidad.
Capítulo 03
Squads y fleets cambian el reparto
La guía usa squad para un grupo de agentes con roles distintos. Uno puede planificar, otro revisar, otro implementar, otro probar y otro criticar. Fleet describe agentes que trabajan en paralelo. Son dos ideas relacionadas, pero no iguales: una habla de especialización; la otra, de simultaneidad y coordinación.
Esta distinción evita copiar la metáfora de un equipo humano sin diseñar interfaces. Los agentes necesitan contratos de entrada y salida, una política para resolver desacuerdos y un responsable que consolide resultados. Paralelizar tareas independientes puede ahorrar tiempo; paralelizar tareas que comparten estado puede introducir carreras, duplicación o decisiones incompatibles.
- Primera decisiónPlan
- RevisiónVerificación
- Cambio controladoEjecución
Capítulo 04
El harness es el perímetro real
GitHub define harness como todo lo que rodea al modelo y lo vuelve útil en los flujos de trabajo. La lista incluye herramientas, permisos, memoria, contexto y orquestación. En la práctica, el modelo es una pieza de capacidad; el harness determina qué puede ver, qué puede ejecutar, qué recuerda y cómo se recupera de una respuesta incompleta.
Pensar en el harness desplaza la discusión desde el nombre del modelo hacia el sistema que lo contiene. Dos equipos pueden usar el mismo modelo y obtener riesgos opuestos si cambian las credenciales, los datos, los comandos disponibles o la supervisión. La arquitectura debe documentar el perímetro con la misma precisión con que documenta el prompt.
- Entrada¿Qué dispara el loop?
- Permiso¿Qué puede ejecutar?
- Prueba¿Qué habilita avanzar?
- Escala¿Qué puede paralelizarse?
Capítulo 05
La mejora necesita una rampa
La guía también presenta hill climbing como una forma de mejorar con evaluaciones y retroalimentación. La idea útil no es subir una métrica aislada, sino repetir una medición con una hipótesis clara, una modificación acotada y un registro de lo que empeoró. Así, la mejora deja de ser una impresión del operador y se convierte en una comparación.
Un sistema de agentes necesita pruebas que representen su trabajo real: entradas ambiguas, herramientas que fallan, permisos insuficientes y tareas que requieren revisión. La retroalimentación puede corregir una instrucción, una herramienta o el reparto de roles. Si sólo se evalúa la respuesta final, se pierde la causa del fallo y se premia una apariencia de éxito.
Capítulo 06
Traducir etiquetas a decisiones
El nuevo idioma funciona como un mapa de diseño. Loop responde cómo se repite el trabajo; squad, quién hace cada parte; fleet, qué puede ejecutarse a la vez; harness, qué controles rodean al modelo; y hill climbing, cómo se aprende de la evidencia. Usar las palabras juntas ayuda a no confundir organización con autonomía.
Para una conversación técnica, conviene completar cada término con un verbo y una prueba. “El loop recoge”, “el squad revisa”, “la fleet paraleliza”, “el harness limita” y “la evaluación compara”. Si una palabra no puede conectarse con una acción observable, todavía es una etiqueta aspiracional, no una especificación lista para operar.
Capítulo 07
Una ruta de adopción pequeña
El primer piloto no necesita una flota completa. Puede empezar con un loop de baja consecuencia, un agente que propone y una persona que valida. Luego se mide el tiempo total, la tasa de re-trabajo, los casos escalados y la calidad de la evidencia. El objetivo es descubrir qué parte del harness falta antes de ampliar permisos o concurrencia.
El orden importa. Primero se estabilizan entradas y salidas; después se especializan roles; por último se añade paralelismo donde la independencia esté demostrada. Cada ampliación debe conservar un camino de recuperación y un registro de decisiones. Ese recorrido hace que la promesa de “agentes que trabajan” se convierta en un proceso que el equipo puede explicar.
Capítulo 08
La pregunta que conviene responder
La interacción de este capítulo separa tres niveles de lectura. Loop y squad son definiciones que la fuente ofrece de forma directa. Harness es también un concepto documentado, pero su forma concreta depende de la arquitectura que lo implemente. El ejercicio sirve para detectar si el equipo está nombrando una pieza o realmente ha definido su perímetro.
Antes de llamar autónomo a un flujo, pregunta qué sucede cuando una herramienta devuelve un error, cuando dos agentes discrepan o cuando el contexto supera el presupuesto. Esas respuestas pertenecen al diseño del harness y del loop. La palabra correcta no elimina la incertidumbre; la vuelve más fácil de ubicar y de probar.
Capítulo 09
Qué queda respaldado
La publicación de GitHub respalda un vocabulario para sistemas de agentes: loops para procesos repetibles, squads para roles diferentes y harnesses para las herramientas, permisos, memoria, contexto y orquestación que rodean al modelo. También sitúa la mejora iterativa y la especialización como prácticas de diseño, no como propiedades mágicas de un modelo.
No respalda que cualquier arquitectura con esos nombres sea segura, rentable o autónoma. Esas conclusiones necesitan pruebas del sistema, datos de operación y límites explícitos. El valor de la guía está en ofrecer un lenguaje común para escribir mejores especificaciones. Un equipo que puede dibujar el loop y el harness ya está más cerca de gobernar el resultado.
Comunidad IA gratuita
Convierte esta noticia en aprendizaje aplicado
Continúa con clases, recursos y una ruta práctica para entender la inteligencia artificial y llevarla a decisiones reales, a tu ritmo y sin costo.
