Publicación de LinkedIn de **Rakesh Gohel** (constructor en **JUTEQ**, infraestructura de gobernanza y prueba para agentes) publicada alrededor del **25 de octubre de 2026**, ~250 palabras, acompañada de una **infografía** atribuida a *@rakeshgohel01*. Distingue tres grafos que un agente necesita para decidir, usando el ejemplo *"Reprogramar a este pasajero"*.
#knowledge graph#knowledge graph#context graph
Rakesh Gohel — builder chez JUTEQ (gouvernance et infrastructure de preuve pour agents IA) ; LinkedIn · newsletter rakeshgohel.substack.com.
Artículo colectivo de siete autores (**Zach Davis**, **Michelle Gill**, **Elisabeth Hendrickson**, **Angie Jones**, **Sha Ma**, **Randy Shoup**, **James Wickett**), publicado en el *Enterprise Technology Leadership Journal* por **IT Revolution** (otoño de 2026, vol. 3, n.º 2), bajo licencia CC BY-NC-SA. Unas **7.500 palabras**, titulado *« Toward a Pattern Language for Code Reviews in the Age of Agentic AI »*. **(A)** Planteamiento: la revisión de código se define como un examen realizado por una entidad distinta del autor que conduce a una acción; los estudios empíricos (Microsoft 2013, Mäntylä 2009, Beller 2014) muestran que su valor reside principalmente en la mantenibilidad y el intercambio de conocimiento, menos en la detección de defectos funcionales. **(B)** Tres condiciones para sacar al humano de la ruta crítica: validación determinista máxima, revisión **graduada por riesgo**, una **traza duradera** de cada decisión del agente; *« no human in the loop »* es una opción de configuración, no un valor por defecto. **(C)** Nueve patrones componibles, presentados como una caja de herramientas y no como una escala de madurez: cambios pequeños, Shift Left, diseño para la verificación, prácticas de ingeniería deterministas, context engineering, bucle de calidad continuo, revisión adversarial por LLM, revisiones multiagente, desarrollo guiado por especificaciones. **(D)** Tres estudios de caso: **Block**, **Cloudflare** (131.246 revisiones sobre 48.095 PR en un mes, 1,2 hallazgos por revisión), **DryRun Security**. Amplía las notas del corpus sobre context engineering y la revisión de código asistida por agentes.
#agentic code review#code review#pattern language
Zach Davis (LaunchDarkly) · Michelle Gill (Engineered by AI) · Elisabeth Hendrickson (Curious Duck) · Angie Jones (Agentic AI Foundation) · Sha Ma (Topogy) · Randy Shoup (CircleCI) · James Wickett (DryRun Security) ; article collectif · IT Revolution.
Guía extensa de **Anthropic** firmada por **Louis Claxton** (equipo Applied AI), publicada el **21 de agosto de 2026** en el blog de claude.com: una lectura estimada en **40 minutos**, de unos **64.000 caracteres**, presentada como una colección de *plays* extraídos del trabajo del equipo con sus clientes. (A) El diagnóstico: al dejar de ser el código el cuello de botella, este se desplaza hacia las etapas situadas a ambos lados de la construcción (planificación, revisión/pruebas, despliegue), los controles línea por línea dejan de sostenerse en cuanto el agente escribe la mayor parte del diff, y el coste de la gobernanza aumenta porque las excepciones siguen pasando por comités periódicos. (B) La respuesta: seis etapas (Plan, Design, Build, Test, Deploy, Maintain) organizadas como un **loop** en lugar de una cadena, cada una terminando en un **artefacto versionado** que la siguiente etapa lee — `intent.md`, `spec.md`, `plan.md`, el diff y sus pruebas, la PR y sus hallazgos, el registro del incidente. (1) El conocimiento institucional se convierte en archivos versionados: `CLAUDE.md`, skills, `REVIEW.md`, `bands.yaml`. (2) La gobernanza se divide en dos capas, con la skill situada como control consultivo y el hook como capa determinista detrás de ella. La separación de funciones se fija como invariante — el agente que escribe el código no puede aprobarlo — y la pieza se cierra con *"El loop sigue corriendo. El juicio humano permanece por encima de él."* El corpus ya cuenta con [[clinton-anthropic-secure-ai-native-sdlc-2026-07-21]] sobre la vertiente de seguridad del mismo ciclo, y con [[hingel-augment-how-ai-changes-sdlc-six-stages-2026-06-08]] sobre el mismo desglose en seis etapas visto por un competidor.
#SDLC nativo de IA#ciclo de vida de desarrollo de software#plays
Louis Claxton (Anthropic, équipe Applied AI) · sur le blog claude.com ; contributions créditées à Jim Blackhurst · Will Steuk et Jamal Arif.