Deshaces un cambio y te sugiere la misma solución errónea. Antes de que te des cuenta, tienes 47 mensajes de error, tu terminal parece Matrix y estás considerando seriamente volver a vim.
Yo lo llamo la «espiral de la muerte de la codificación con IA», y si has pasado algún tiempo con Claude Code, Cursor o cualquier otro asistente de codificación con IA, sabes exactamente de lo que estoy hablando.
El problema universal del que nadie habla
La cuestión es la siguiente: esto le pasa a todo el mundo. No importa si utilizas Claude Cod, Cursor o GitHub Copilot. No importa si escribes en Python, JavaScript o Rust. La espiral de la muerte es una característica fundamental de los LLM actuales.
¿Por qué? Porque estos modelos son máquinas de reconocimiento de patrones que, con total seguridad, alucinarán soluciones que parecen correctas, pero que en realidad no existen.
Importan bibliotecas que parecen plausibles, llaman a métodos que deberían existir y crean soluciones elegantes a problemas que en realidad no eran tuyos.
¿El resultado? Horas perdidas en un infierno de depuración recursiva.
Las soluciones obvias (pero incompletas)
Por supuesto, hay algunas medidas básicas que puedes tomar:
- Pruebas unitarias: estupendas, pero la IA escribirá alegremente pruebas que pasarán para código que no funciona.
- Linting y formateo: útiles, pero la basura sintácticamente correcta sigue siendo basura.
- Validación frecuente: mejor, pero requiere una vigilancia constante.
Claude Code incluso tiene ganchos para la mejora sistemática, lo cual es fantástico. Pero son parches para un problema más profundo.
Sin instrucciones claras, la mayoría de los agentes de codificación de IA se limitarán a convertir una simple «aplicación TODO» en un proyecto enorme de 50 000 líneas.
La verdadera solución: enseñar a la IA a pensar de forma sencilla
Aquí es donde las cosas se ponen interesantes. Mientras navegaba por YouTube a las 2 de la madrugada (como suele hacerse), me topé con la charla de Rich Hickey de 2011 en Strange Loop, «Simple Made Easy» (Lo sencillo hecho fácil). Si no la has visto, es el tipo de charla que te hace cuestionar todo lo que sabes sobre cómo escribir código.
La idea central de Hickey: Confundimos «simple» (único, no entrelazado) con «fácil» (familiar, cercano).
Entonces me di cuenta: los asistentes de codificación de IA están optimizados para lo «fácil», no para lo «simple».
Te dan la solución familiar, la que se parece al código que han visto antes. Pero familiar no significa correcto, y definitivamente no significa mantenible.
El método: convertir la sabiduría en reglas
En lugar de luchar contra la naturaleza de la IA, ¿qué pasaría si pudiéramos enseñarle principios mejores? Esta es la metodología que he desarrollado:
Paso 1: extraer la sabiduría
Elige cualquier charla clásica, entrada de blog o artículo técnico con principios que valores. En mi caso, fue la charla de Hickey. Pegué el enlace de YouTube en NotebookLM de Google, que generó unas completas notas de estudio.
(Consejo profesional: NotebookLM puede incluso crear un podcast de IA sobre el contenido, lo cual es una locura, pero eso es tema para otra entrada del blog).
Paso 2: Crear un entorno de aprendizaje
Creé un proyecto de Claude Desktop específicamente para este fin. A este proyecto añadí:
- Una investigación en profundidad sobre cómo escribir reglas eficaces para
Claude Code. - Las notas de estudio extraídas de NotebookLM.
- Contexto sobre lo que hace que las reglas de un agente de codificación de IA sean buenas.
Paso 3: Generar reglas aplicables
Con todo este contexto, le pedí a Claude que creara reglas específicas basadas en los principios de Hickey. El resultado fue simple-mindset.md, un conjunto de directrices que cambiaron radicalmente la forma en que mi asistente de IA aborda los problemas.
Echa un vistazo al github gist 🔗
Paso 4: Implementar e iterar
Añade estas reglas al contexto de tu proyecto y observa cómo se transforma el comportamiento de tu IA.
Cómo es realmente una IA «simple»
Aquí tienes una muestra de lo que hay en mi simple-mindset.md:
En lugar de: «Añadir autenticación de usuario a esta aplicación».
Enfoque simple: «Crear un valor de identidad de usuario. Crear un estado de autenticación. Crear una función que valide las credenciales. Mantenerlos separados».
En lugar de: Mezclar la obtención de datos, la transformación y la representación de la interfaz de usuario en un solo componente
Enfoque sencillo: Separar las fuentes de datos, las transformaciones de datos y la presentación de datos en unidades distintas y combinables
La IA deja de intentar ser inteligente con soluciones complejas e interrelacionadas. Empieza a construir cosas que son aburridamente sencillas, pero que realmente funcionan.
El patrón más amplio
No se trata solo de «Simple Made Easy». La verdadera idea es que podemos codificar cualquier principio de software atemporal en reglas que nuestros asistentes de IA puedan seguir.
Piénsalo:
- «Haz que funcione, hazlo bien, hazlo rápido», de Kent Beck.
- Los principios SOLID.
- Los conceptos del diseño basado en dominios.
Cada uno de ellos puede transformarse de sabiduría abstracta en comportamiento concreto de la IA.
Tu turno: crea tu propia filosofía sobre la IA
Estos son los pasos a seguir:
- Encuentra tu material de referencia: ¿qué charla técnica o artículo cambió radicalmente tu forma de pensar sobre el código?
- Extrae la esencia: utiliza NotebookLM o herramientas similares para crear notas estructuradas.
- Crea un proyecto de generación de reglas: configura un proyecto
Claude Desktopcon contexto sobre buenas reglas de codificación de IA. - Genera tus reglas: pide a tu IA que cree reglas específicas y aplicables a partir de los principios.
- Prueba y perfecciona: utiliza las reglas en proyectos reales y repite el proceso.
Más allá de la espiral de la muerte
La espiral de la muerte no va a desaparecer. Es una característica fundamental del funcionamiento actual de los LLM. Pero al codificar mejores patrones de pensamiento en nuestros asistentes de IA, podemos:
- Detectar los problemas antes de que se agraven
- Crear sistemas que sean realmente mantenibles
- Dedicar menos tiempo a la depuración y más tiempo a la creación
Y lo más importante, podemos dejar de tratar a los asistentes de codificación de IA como cajas negras y empezar a tratarlos como socios a los que se puede enseñar.
Gracias por leer Código en casa.