La mayoria de la gente habla sobre Prompt Engineering pero el concepto mas importante es ✨Agentic Engineering✨. Hay muchas opiniones al respecto, muchas personas saladas (ademas de Karpathy) han comentado su approach Boris Cherny, Peter Steinberg, y hasta hay blogs de empresas, como por ejemplo OpenAI que tratan estos temas. Como siempre, las opiniones de uno mismo terminan siendo bastante influenciadas por estas personas, que son grandes referentes del area, pero tambien se terminan formando en funcion a su propia experiencia y el uso en el dia a dia.
Hay varias aspectos a tener en cuenta, un buen punto para empezar es reflexionar cual es nuestro ideal de como queremos que se comporten los agents y que hacemos nosotros para overfitearlos a ese comportamiento.
Behavioural mechanics#
Explicar el flujo de trabajo, no solo el output#
Un patron comun que he observado, no solo en la gente en general, sino tambien en mi mismo, es especificar solamente el output que queremos sin explicar el proceso para llegar a este output. Todos estamos de acuerdo que los agents son tremendamente capaces y tienen muchisimo conocimiento, pero para poder usarlos de la mejor manera, tenemos que ser capaces de especificar no solo el objetivo final, sino cual es el proceso para llegar a este objetivo. Aca entra un concepto muy importante: reduccion de ambiguedad. Si no especificamos el proceso, estamos dejando demasiada libertad para que el agente haga lo que cree mejor, lo cual si bien puede ser lo que queriamos, estadisticamente es improbable que vaya por el camino correcto. Entonces lo que queremos es saber exactamente como se va a comportar el agent antes de que lo haga, y para esto tenemos que interactuar de formas especificas. El proximo punto describe algo fundamental para la reduccion de ambiguedad.
Saber que queremos antes de empezar#
Antes de tocar nada de codigo, es fundamental tener muy claro que queremos hacer, como lo vamos a hacer, etc etc. Me atreveria a decir que practicamente nadie sabe en detalle todo lo que se tiene que hacer, como se tiene que hacer y cuales son todos los pasos para llegar al objetivo final cuando recien esta arrancando. Aca es donde tenemos que aprovechar al maximo la capacidad de los agents. Tenemos un compañero a disposicion que tiene un conocimiento muy amplio de toda la literatura del area, tiene acceso a internet (lo cual no es menor, por el contrario, es fundamental) y puede consumir informacion muchisimo mas rapido que nosotros. Hay que usarlos como un estilo de advisor, que nos ayude a definir, comprender y documentar todo lo necesario, nosotros somos los que sabemos tomar decisiones y tenemos la experiencia para validar, los agents nos ayudan a tomar decisiones informadas.
Pero entonces, si los agentes tienen tanta capacidad y tanto conocimiento, en que servimos nosotros? Por que no dejar que hagan todo el trabajo? Cualquiera que haya usado un poco nomas cualquier agent se habra dado cuenta que esto no funciona, puede parecer muy tentador pero los resultados terminan estando muy lejos de algo bien hecho (aunque de a poco se va acercando). Hay un concepto que no me acuerdo donde lo lei pero describe a los agents como “Un Senior en zapatos de Junior”.
A Senior in Junior’s Shoes#
Como ya dijimos varias veces, es indiscutible el conocimiento que tienen los agents, pero el conocimiento viene mas del lado del “saber cosas”, mas bien como alguien que memoriza, aunque esto puede ser una discusion tremenda y esta cambiando bastante rapido. Lo que si es indiscutible es que los agents no tienen esa intuicion de un Senior, ese olfato que da la experiencia para saber de antemano cuando algo no camina, sobre todo en early decisions que terminan teniendo un impacto muy grande en el desarrollo de un proyecto. Esto es esperable y viene dado por el entrenamiento de los LLMs. Los LLMs son assistants, hasta era la API de OpenAI hasta hace un tiempo 1. No podemos esperar que sean nativamente buenos para tomar decisiones proactivamente, discutir approaches y saltar cuando el usuario se equivoca. Por esto mismo, es fundamental que cubramos ese rol para mitigar este gap. Denuevo, esto viene cambiando mucho y capaz que en 3 meses esto deja de ser valido. Dejo un tweet muy gracioso que muestra como esto de a poco va evolucionado, me ha pasado varias veces de codex llevandome la contra, y spoiler, generalmente tiene razon.
Para poder fillear este gap aun mejor, tenemos que conocer al detalle como funcionan los agents por atras. La basica es leer documentacion 2 y 3, pero tambien jugar mas con el hands on y ver que pasa.
Proveer las herramientas necesarias#
Como venimos hablando, es importantisimo guiar al agent y overfitearlo para que se comporte como queremos. Si vemos como viene progresando el area en los ultimos meses, hay una clara tendencia a proveer herramientas a los agents para interactuar con otros ambientes. Principalmente skills 4, aunque tambien estan los mcps 5 que vienen bastante en decadencia ultimamente, aunque (hot-take) de a poquito estan reviviendo. Porque esta tendencia tan fuerte?
Por un lado podemos ver que el area que mas esta siendo “automatizada” de alguna manera es el desarrollo de software, y esto se da por lo facil que es verificar el funcionamiento de los sistemas, en comparacion con otras areas. Entonces, si podemos proveer herramientas que permitan a los agents interactuar con ambientes externos, cada vez se puede soltar mas al humano del loop.
Por otro lado, esto ataca directamente algo que ya mencionamos, la calidad de lo generado y la direccion de las decisiones. Si podemos dar herramientas que overfiteen al agent en la direccion que queremos, y podemos inyectar conocimiento de años de desarrollo, el output va a ser muchisimo mejor. Tengamos en cuenta que estos conocimientos no son solo conocimiento tecnico, sino que muchas veces tambien son directivas de procesos y patrones de comportamiento que muchas veces nacen del proceso cognitivo de los ingenieros. Aprovecho a hacer un poco de publicidad para este proyecto que trata de plasmar el proceso cognitivo de un Ingeniero de Machine Learning 6.
Conclusion#
Todo lo que venimos discutiendo es una filosofia de como trabajar con agents. Como todo en el area, y en 2026, va cambiando rapidamente, asi que veremos como es el enfoque en unos meses. De todas maneras, el core creo que se mantiene: los agents son herramientas increiblemente capaces que necesitan que nosotros pongamos los dos dedos de frente que a veces les faltan.
Si nos ponemos finos, todo lo que hablamos aca esta enfocado a manejar bien una sola cosa: el contexto. Pero eso lo dejamos para otro blog.