home

Pablo IB

search
Pi3 min lectura

Por qué Pi cambió mi workflow de desarrollo

Pablo IB

Después de meses usando agentes de IA para programar, descubrí que la diferencia no está en el modelo, sino en cuánto contexto puede acceder. Esto cambió todo.

El problema que no sabía que tenía

Durante meses, mi workflow con IA era:

  1. Encuentro un bug
  2. Copio el código relevante
  3. Lo pego en ChatGPT/Claude
  4. Explico el contexto (otra vez)
  5. Recibo una sugerencia
  6. La copio de vuelta a mi editor
  7. Pruebo… no funciona
  8. Repito desde paso 3

El problema: Estaba gastando más tiempo en copy-paste y explicando contexto que programando.

El momento “ajá”

Un día tenía que refactorizar 50 archivos de CommonJS a ESM. Mi primer pensamiento fue:

“Voy a necesitar muchas sesiones de ChatGPT”

Entonces probé Pi:

ant_colony(goal="Migrar todos los archivos .js de CommonJS a ESM, actualizando imports y exports")

30 minutos después: 50 archivos migrados, tests pasando.

El agente había:

  • Leído cada archivo
  • Entendido las dependencias
  • Aplicado los cambios
  • Ejecutado los tests
  • Corregido errores

Sin copy-paste. Sin explicarle el contexto 50 veces.

Lo que hace diferente a Pi

1. Acceso directo a archivos

# En ChatGPT: copio, pego, explico
# En Pi:
read_file(relative_path="src/auth/login.js")

Pi lee directamente. No hay pérdida de contexto.

2. Edición en el lugar

# En ChatGPT: me da código, lo copio
# En Pi:
replace_symbol_body(
    name_path="validateUser",
    relative_path="src/auth/login.js",
    body="async function validateUser(token) { ... }"
)

3. Ejecución real

# En ChatGPT: "ejecuta esto" → no puede
# En Pi:
bash(command="npm test")

4. Memoria de proyecto

Pi recuerda:

  • La estructura del proyecto
  • Conversaciones anteriores
  • Decisiones tomadas

Mi workflow actual

Para bugs

Yo: "Hay un error en el login, revisa auth.js"

Pi: [Lee auth.js, encuentra el problema, lo arregla, ejecuta tests]

Yo: "Perfecto"

Para features

Yo: "Añade rate limiting a la API"

Pi: [Analiza API, crea middleware, añade tests, actualiza docs]

Para refactorizar

Yo: "Esta función es muy larga, divídela"

Pi: [Entiende la función, la divide, actualiza imports, verifica tests]

¿Cuándo NO uso Pi?

  • Preguntas generales de programación → ChatGPT
  • Aprender conceptos nuevos → Cursos
  • Código experimental → Editor normal
  • Proyectos sin git → NUNCA uses un agente sin backup

El costo real

Con FOXNIO/ZAI como provider:

  • Sesión típica: $0.01 - $0.05
  • Refactor grande: $0.10 - $0.50
  • Proyecto completo: $1 - $5

Mi ROI: 10x en tiempo ahorrado.

💡 Tip: Usa ant_colony para tareas grandes. Un agente coordinando varios workers es más eficiente que uno solo.

Lo que aprendí

  1. El contexto es todo → Sin acceso a archivos, la IA está limitada
  2. La iteración rápida importa → Poder editar y probar en segundos
  3. La automatización gana → 50 archivos migrados solos vs 50 copy-pastes
  4. Git es obligatorio → Siempre poder volver atrás

Siguiente paso

Si tu workflow todavía tiene copy-paste, empieza por el AGENTS.md — es el archivo que le dice a Pi cómo funciona tu proyecto. Sin él, Pi adivina.

Recursos