# klaassen-teach-ai-think-senior-engineer-every-2025-11-07

## Veille

8 estrategias de planificación con IA - Agentes de investigación en paralelo - Anclaje en el código base - Historial de git - Prototipado vibe - Agentes de estilo - Compounding engineering - Every Source Code - Kieran Klaassen

## Titre Article

Teach Your AI to Think Like a Senior Engineer

## Date

2025-11-07

## URL

https://every.to/source-code/teach-your-ai-think-like-a-senior-engineer

## Keywords

estrategias de planificación, agentes de investigación, operaciones en paralelo, bancarrota de correo de Cora, reproducir y documentar, anclaje en mejores prácticas, anclaje en el código base, anclaje en librerías, historial de git, prototipado vibe, síntesis con opciones, agentes de revisión de estilo, compounding engineering, memoria institucional, CLAUDE.md, base de conocimiento en docs, logs de AppSignal, gema RubyLLM, EmailClassifier, seguimiento de eventos, revisores especializados, SDLC, ciclo de vida del software, SDLC agéntico

## Authors

Kieran Klaassen (General Manager, Cora)

## Ton

**Perfil:** Tutorial para practicantes avanzados | Primera persona, practicante | Prescriptivo-sistemático | Experto

Klaassen adopta la voz de un practicante experimentado que comparte un manual táctico concreto, tras su artículo anterior, más filosófico. La estructura de 8 estrategias (reproducir → mejores prácticas → código base → librerías → git → vibe → síntesis → revisión) demuestra el pensamiento sistemático típico de un ingeniero senior. El lenguaje de ingeniero de campo (logs de AppSignal, la gema RubyLLM, métodos auxiliares, desnormalización, pull requests), fundamentado en ejemplos de producción de Cora, genera credibilidad. El tono seguro y prescriptivo ("Tú también puedes evitar construir lo incorrecto") refleja dominio. Los enlaces directos a GitHub y el sistema de planificación publicado como código abierto muestran un compromiso con compartir el conocimiento abiertamente. El énfasis en "cómo hacer que esto se acumule" tras cada estrategia refuerza la tesis central de la acumulación de conocimiento. Típico de los tutoriales avanzados de Source Code de Every (Klaassen, los textos técnicos de Dan Shipper), dirigidos a practicantes listos para implementar de inmediato más que a la comprensión conceptual.

## Pense-betes

- **Continuación del artículo anterior**: Stop Coding and Start Planning (2025-11-06)
- **Tesis central**: las operaciones de investigación en paralelo enseñan a la IA tu forma de pensar más rápido que la planificación humana secuencial
- **8 estrategias de planificación** por nivel de Fidelity (One: correcciones rápidas, Two: alcance claro, Three: requisitos inciertos) **Estrategia 1: Reproducir y documentar**
- Fidelity: One y Two, corrección de bugs
- Rol del agente: guía de reproducción paso a paso
- Ejemplo de Cora: 19 usuarios bloqueados por bancarrota de correo, los logs de AppSignal revelaron errores de límite de tasa descartados, fallos silenciosos
- Compounding: checklist de @kieran-rails-reviewer actualizada — "trabajos en segundo plano que llaman a APIs externas: ¿se gestionan los límites de tasa?" **Estrategia 2: Anclar en las mejores prácticas**
- Fidelity: todas, especialmente para patrones poco familiares
- Agente: @agent-best-practices-researcher
- Casos de uso: arquitectura técnica, redacción, investigación de precios, rutas de actualización
- Ejemplo: una gema 2 versiones atrasada; el agente encontró la guía oficial + 3 entradas de blog con casos límite; 3 minutos de investigación evitaron horas de depuración
- Compounding: hallazgos guardados en docs/*.md (pay-gem-upgrades.md, pricing-research.md); el agente revisa la documentación local antes que la web **Estrategia 3: Anclar en tu código base**
- Fidelity: cualquier caso con riesgo de duplicar una función existente
- Rol del agente: buscar en el código existente implementaciones relacionadas
- Ejemplo: función de seguimiento de eventos; el agente encontró un sistema de seguimiento existente olvidado, con métodos auxiliares
- Compounding: creación de un agente @event-tracking-expert que destila todos los patrones de seguimiento, ejecutado automáticamente en funciones relevantes **Estrategia 4: Anclar en tus librerías**
- Fidelity: librerías de evolución rápida o mal documentadas
- Rol del agente: analizar el código fuente para entender las capacidades
- Ejemplo: la gema RubyLLM evoluciona constantemente, la documentación va rezagada; el agente leyó el código fuente y encontró soporte de streaming de v1.9 no documentado
- Compounding: el conocimiento se actualiza automáticamente con cada actualización de dependencia, sin información obsoleta **Estrategia 5: Estudiar el historial de git**
- Fidelity: refactorizaciones, continuación de trabajo previo, entender el "por qué"
- Rol del agente: investigar decisiones pasadas y su contexto
- Ejemplo: EmailClassifier v1 vs. v2; el agente encontró un PR de 3 meses de antigüedad que mostraba que se había intentado el paso a v2, que tenía casos límite rotos, y que había sido revertido deliberadamente
- Compounding: memoria institucional preservada y consultable, los nuevos miembros del equipo heredan el razonamiento **Estrategia 6: Prototipo vibe para clarificar**
- Fidelity: Three, incertidumbre de UX, exploratorio
- Rol del agente: construir rápidamente versiones desechables para interactuar
- Ejemplo: rediseño de la interfaz de Brief, 5 prototipos de 5 minutos cada uno, retroalimentación de usuarios "botón de archivar arriba a la izquierda — reflejo heredado de Gmail"
- Compounding: el vibe coding convierte la incertidumbre en especificaciones concretas, las reacciones de los usuarios quedan documentadas **Estrategia 7: Sintetizar con opciones**
- Fidelity: fin de la fase de investigación antes de la implementación
- Rol del agente: presentar 2-3 caminos de solución con pros/contras honestos
- Ejemplo: sincronización de bandeja de entrada de Gmail, 3 opciones (injertar en lo existente / tiempo real / caché espejo), compensaciones (rápido pero desordenado / limpio pero lento / esfuerzo inicial pero mejor a largo plazo)
- Compounding: la elección revela preferencias ("prefiero lo ampliamente soportado antes que lo de vanguardia"), codificadas para decisiones futuras similares **Estrategia 8: Revisar con agentes de estilo**
- Fidelity: paso final de planificación antes de la implementación
- Rol del agente: detectar desalineaciones con el estilo de código y la arquitectura
- Tres agentes de revisión:
- Simplificación: señala el sobrediseño
- Seguridad: verifica vulnerabilidades
- Estilo-Kieran: preferencias personales (consultas simples vs. joins complejos, desnormalización)
- Compounding: los agentes acumulan criterio con el tiempo, cada "esto no me gusta" hace al sistema más inteligente **Guía práctica para empezar**:
- Elegir una función Fidelity Two (multi-archivo, alcance claro)
- 15-20 minutos de investigación: mejores prácticas (web), patrones (código base), capacidades de librerías (docs/código fuente)
- Dejar que la IA sintetice: problema (1 frase), 2-3 enfoques (pros/contras), comparación con patrones existentes, casos límite/seguridad
- Capturar tus reacciones de revisión: anotar "demasiado complejo" o "mejor manera" — escribir el POR QUÉ
- Publicar la función, comparar la implementación con el plan, anotar las divergencias
- Codificar 1 aprendizaje: añadirlo a CLAUDE.md ("Cuando X, verificar Y" o "Preferir A sobre B porque C")
- Crear agentes especializados: Event Tracking Expert, Security Checker
- Repetir: la semana siguiente, volver a consultar las notas; el segundo plan es mejor que el primero **Código abierto**: marketplace de GitHub de Every, comando /plan + agentes de investigación listos para usar

## RésuméDe400mots

Kieran Klaassen presenta 8 estrategias concretas que convierten la filosofía de planificación en sistemas operativos para enseñar a la IA a pensar como un ingeniero senior. Tras su artículo anterior sobre planning vs. vibe coding, esta guía táctica detalla cómo ejecutar operaciones de investigación en paralelo más rápido que una planificación humana secuencial.

**Marco de 8 estrategias**

**1. Reproducir y documentar**: antes de corregir un bug, reproducirlo y documentarlo. Ejemplo de la bancarrota de correo de Cora: 19 usuarios bloqueados; el agente revisó los logs de AppSignal → los errores de límite de tasa se estaban descartando silenciosamente. Se acabó el adivinar. Compounding: actualización permanente de la checklist de @kieran-rails-reviewer.

**2. Anclar en las mejores prácticas**: @agent-best-practices-researcher busca en la web cómo otros han resuelto el problema. Casos de uso: arquitectura, redacción, precios, actualizaciones. Una gema 2 versiones atrasada: 3 minutos de investigación encontraron la guía oficial + 3 entradas de blog sobre casos límite, evitando horas de depuración. Compounding: hallazgos guardados en docs/*.md, el agente revisa primero la documentación local.

**3. Anclar en el código base**: buscar patrones existentes antes de recrearlos. Función de seguimiento de eventos: el agente encontró un sistema existente olvidado con sus métodos auxiliares, evitando la construcción de un segundo sistema incompatible. Compounding: el agente @event-tracking-expert destila todos los patrones y se ejecuta automáticamente.

**4. Anclar en las librerías**: para librerías de evolución rápida y mal documentadas, leer el código fuente. Gema RubyLLM: el agente descubrió el soporte de streaming de v1.9, no documentado pero presente en la suite de pruebas. Compounding: actualización automática con cada incremento de versión de dependencia.

**5. Estudiar el historial de git**: entender el "por qué" detrás de decisiones pasadas. Actualización de EmailClassifier: el agente encontró un PR de 3 meses de antigüedad que mostraba que se había intentado la v2, que tenía casos límite rotos (inbox→archive y archive→inbox invertidos), y que había sido revertida deliberadamente con un razonamiento detallado. 5 minutos de investigación evitaron reintroducir un bug ya depurado. Compounding: memoria institucional preservada y consultable.

**6. Prototipo vibe para clarificar**: Fidelity Three, UX incierta. Interfaz de Brief: 5 prototipos de 5 minutos cada uno, retroalimentación concreta de usuarios ("botón de archivar arriba a la izquierda — reflejo de Gmail"). Los prototipos se descartan, el conocimiento pasa al plan. Compounding: la incertidumbre se convierte en especificaciones concretas y documentadas.

**7. Sintetizar con opciones**: combinar toda la investigación en 2-3 enfoques con compensaciones honestas. Sincronización de bandeja de entrada de Gmail: opción A (injertar en el sistema existente — rápido pero desordenado), B (tiempo real — limpio pero lento), C (caché espejo — esfuerzo inicial pero mejor a largo plazo). El agente hace la investigación, el humano juzga. Compounding: las elecciones revelan preferencias codificadas para decisiones futuras similares ("preferir lo ampliamente soportado antes que lo de vanguardia").

**8. Revisar con agentes de estilo**: 3 revisores especializados en el paso final. Agente de simplificación (señala el sobrediseño), agente de seguridad (verifica vulnerabilidades), agente estilo-Kieran (preferencias personales: consultas simples vs. joins complejos, desnormalización). Compounding: los agentes acumulan criterio con el tiempo.

**Un caso revelador de bancarrota de correo**: juzgado inicialmente como fácil ("archivar en masa 53.000 correos, ¿qué tan difícil puede ser?"). 20 minutos de trabajo del agente de investigación devolvieron la realidad: los límites de tasa de Gmail se alcanzaban a los 2.000, tiempos de espera del sistema, larga espera del usuario. La función simple se convirtió en un desafío arquitectónico de 3 días. La planificación evitó construir por completo lo incorrecto.

**Implementación práctica**: elegir una función Fidelity Two → 15-20 minutos de investigación (mejores prácticas web + patrones del código base + capacidades de librerías) → la IA sintetiza el plan (problema/enfoques/patrones/casos límite) → capturar el POR QUÉ detrás de las reacciones de revisión → publicar → comparar la implementación con el plan → codificar 1 aprendizaje en CLAUDE.md → crear agentes especializados → repetir la semana siguiente.

**Contribución de código abierto**: Klaassen publicó como código abierto su sistema de planificación en el marketplace de GitHub de Every con el comando /plan y agentes de investigación listos para usar. Filosofía: no partir de cero, adaptar sistemas probados existentes.

Cada estrategia incluye una nota sobre "cómo hacer que esto se acumule", demostrando la tesis central: las operaciones de investigación en paralelo enseñan a la IA un conocimiento institucional que se acumula más rápido que la planificación humana secuencial.

## GrapheDeConnaissance

- Kieran Klaassen —a_créé→ Compound Engineering (METHODOLOGIE, 0.95)
- Kieran Klaassen —dirige→ Cora (ORGANISATION, 0.98)
- Kieran Klaassen —travaille_chez→ Every (ORGANISATION, 0.98)
- Compound Engineering —est_basé_sur→ opérations de recherche parallèles (CONCEPT, 0.95)
- opérations de recherche parallèles —remplace→ planification séquentielle humaine (CONCEPT, 0.9)
- Kieran Klaassen —utilise→ Claude Code (TECHNOLOGIE, 0.97)
- Cora —utilise→ Gmail API (TECHNOLOGIE, 0.92)
- Gmail API —mesure→ limite de débit à 2000 emails (MESURE, 0.95)
- AppSignal —permet→ diagnostic logs production (CONCEPT, 0.9)
- Cora —utilise→ RubyLLM (TECHNOLOGIE, 0.88)
- CLAUDE.md —référence→ préférences architecturales (CONCEPT, 0.92)
- git history —permet→ mémoire institutionnelle (CONCEPT, 0.9)
- vibe coding —permet→ transformation des incertitudes UX en spécifications (CONCEPT, 0.88)
- Every —publie→ planning system open-source (TECHNOLOGIE, 0.93)

---
Canonical: https://www.thekb.eu/es/fiches/klaassen-teach-ai-think-senior-engineer-every-2025-11-07/