Recursos para desarrollo con IA AI-Augmented Development.

Recorrido exhaustivo de Affaan Mustafa por las piezas de Claude Code (agentes, skills, comandos, hooks y configuración de MCP), en dos entregas. Es la guía que acompaña al framework ECC.

Recorrido práctico por todas las funcionalidades de Claude Code con opiniones sobre qué funciona y qué evitar.

Guía integral: 83 tips en 15 categorías (prompting, planificación, contexto, sesiones, skills, hooks, workflows, debugging), ejemplos ejecutables de commands/agents/skills, y configuraciones listas (CLAUDE.md, settings.json, .mcp.json).

Hilo que explica tres conceptos clave de Claude Code (Skills, SubAgents y Hooks) con ejemplos prácticos para sacarles partido.

Curso oficial gratuito de Anthropic sobre Claude Code, centrado en las sesiones largas y las ejecuciones sin supervisión: CLAUDE.md, skills de verificación, modos de permisos, hooks, routines y modo headless, GitHub Actions y plugins. Para quien ya lo usa en prompts sueltos.

Artículo de Anthropic con patrones para desplegar Claude Code en codebases grandes. Explica por qué la búsqueda agéntica (en lugar de RAG) trabaja sobre código vivo sin indexado, y cubre lo técnico (CLAUDE.md, hooks, skills, LSP, MCP) y lo organizativo (ownership, gobernanza) para escalar en entornos enterprise.

Artículo de Ankit Jain en Latent Space: la revisión manual ya no escala con agentes (los equipos de alta adopción cierran 98% más PRs pero el tiempo de revisión sube 91%). Propone un modelo tipo queso suizo de cinco capas de confianza para mover la verificación del código generado a las especificaciones previas.

Kyle (@0xblacklight) da una guía práctica para un CLAUDE.md efectivo: estructura WHAT/WHY/HOW, mantenerlo por debajo de 300 líneas y delegar el detalle a otros ficheros vía progressive disclosure. Parte de que menos instrucciones rinden más, y desaconseja autogenerarlo con /init o meter guías de estilo que ya cubre el linter.

Matt Pocock explica cómo escribir un AGENTS.md lean que dé al agente solo lo justo (descripción en una frase, gestor de paquetes, comandos no estándar) y delegue el detalle a otros ficheros vía progressive disclosure, partiendo de que un LLM frontera sigue con consistencia unas 150-200 instrucciones y cada token cargado gasta ese presupuesto.

Yanli Liu defiende que cuatro reglas de comportamiento en el CLAUDE.md, inspiradas en un apunte de Andrej Karpathy, importan más que cualquier framework o plugin complejo: parte de un repo de GitHub con 60.000 estrellas para señalar dónde está el verdadero cuello de botella del AI-assisted coding.

Post de Thariq (Claude Code @ Anthropic) que cataloga las 9 categorías de skills internas y comparte tips: sección Gotchas, progressive disclosure vía filesystem, description para el modelo, memoria persistente con ${CLAUDE_PLUGIN_DATA} y hooks on-demand.

Guía oficial de Anthropic (33 páginas) para construir skills de Claude de principio a fin: fundamentos, progressive disclosure de tres niveles, el SKILL.md con su frontmatter YAML, testing, distribución y patrones, con ejemplos reales como frontend-design y skill-creator.

Configuración de referencia con 27 commands que cubren el ciclo completo (research_codebase → create_plan → implement_plan → validate_plan → iterate_plan) y 6 subagentes especializados. settings.json con MAX_THINKING_TOKENS=32000.

Plugin que implementa el ciclo Research → Plan → Implement → Validate con directorio thoughts/ para persistencia entre sesiones.

Patrón de planificación con tres ficheros markdown persistentes (task_plan.md, findings.md, progress.md) como memoria externa.

Monorepo de herramientas AI: plugins para research, planning, coordinación multi-agente y gestión de git worktrees.

Sistema de meta-prompting y context engineering cross-agente. Combate el context rot haciendo la investigación y la planificación en subagentes con contexto fresco, y dividiendo la ejecución en oleadas paralelas de 200k tokens por ejecutor. Cada hito pasa por cinco pasos: discuss, plan, execute, verify y ship.

Skill de planificación en 17 fases: research, entrevistas, revisión multi-AI y síntesis en ficheros de implementación.

Framework cross-agente de 14 skills componibles que guía al agente por siete fases: brainstorming con diseño validado por secciones, worktree aislado, plan troceado en tareas de 2-5 minutos, ejecución con subagentes, TDD, revisión de código y cierre de rama. Filosofía: Systematic over ad-hoc, Evidence over claims.

Plugin de Claude Code que impone el ciclo plan → test → implement → review → verify → remember → improve, con 67 agentes, 281 skills, 94 comandos, hooks, rules, memoria persistente y AgentShield para escanear la seguridad de la propia configuración. Buen punto de partida si no tienes nada montado. Tiene ruta de sync a Codex y adaptadores limitados para otros agentes. El core es abierto y ECC Pro cuesta desde 19$/asiento/mes para repos privados.

Harness cross-agente del ciclo completo en siete fases: discover, diverge, discuss, design, devops, distill y deliver. Trae 40 agentes y hooks que validan el ciclo TDD y cortan el salto de fase. Cada fase produce artefactos revisables antes de seguir, así que nunca corre de punta a punta sin supervisión.

Plugins production-ready con agentes especializados por fase (requisitos, diseño técnico, implementación, testing y revisión). Tres variantes (backend, frontend, fullstack) y recetas como /recipe-implement que clasifican complejidad y enrutan tareas.

Framework plug-and-play para Claude Code con 15 comandos slash que cubren el ciclo de desarrollo (/scaffold, /plan, /review, /migrate, /refactor, /deploy…). Knowledge base de 32 frameworks en 12 ecosistemas con modelo de herencia (global → _base → framework).

Plugin oficial que lanza un workflow de 7 fases con el comando /feature-dev: discovery, exploración del codebase, preguntas de aclaración, diseño, implementación, review y cierre. Para features que requieren entender el código existente antes de tocarlo.

Skills de Matt Pocock que cubren de la idea al código revisado: una sesión de preguntas cierra el diseño, de ahí salen la spec y los tickets, y la implementación va por TDD hasta la revisión. Se declaran en contra de GSD, BMAD y Spec-Kit por apropiarse del proceso: aquí son piezas pequeñas y editables que funcionan con cualquier modelo.

Lada Kesseler (lexler) reúne un lenguaje de patrones para el augmented coding: 57 patrones, 13 anti-patrones y 15 obstáculos al trabajar con asistentes de IA, enlazados en un grafo de relaciones (resuelve, habilita, causa) para navegar entre ellos.

Skills de testing basados en Test Desiderata de Kent Beck y mutation testing (Stryker/mutmut).

Comando que aplica heurísticas de testing exploratorio de BugMagnet y Elisabeth Hendrickson.

Escáner de salud para proyectos React: 825 reglas en 10 categorías (accesibilidad, arquitectura, bugs, rendimiento, código muerto, Next.js) y score 0-100. Corre como CLI, como skill y en CI, donde comenta solo lo que introduce el PR.

Skills oficiales de Vercel para React/Next.js: 40+ reglas de React, 100+ de diseño web y deploy.

Skills oficiales de la comunidad de React Native: upgrade-react-native, que ejecuta la subida de versión apoyándose en el diff del upgrade helper, y migrate-to-strict-api, para migrar a la Strict TypeScript API en React Native 0.80+.

Catálogo de 154+ subagentes especializados en 10 categorías (desarrollo, especialistas por lenguaje, infraestructura, calidad y seguridad, datos/AI, meta y orquestación).

Generador de skills para Claude Code con las best practices de Anthropic, pero su mayor valor son las skills ya incluidas en output_skills: TDD, approval tests, nullables, BDD, refactoring, event modeling y arquitectura hexagonal.

4 skills de lean delivery: descomposición de features (Hamburger Method), story splitting y micro-pasos de 1-3h.

Las cuatro skills del framework Bokata (exploración de codebase, User Story Mapping, Gherkin y troceado en Walking Skeleton con backlog priorizado) más un coach de 1on1, con 2 agentes que las encadenan y escriben los artefactos.

Librería de 11 prompts para prácticas lean: análisis (deuda técnica, code review, riesgos), claridad de nombres y API, jardinería de código (dead code, refactor, dependencias) y planificación (cobertura de test, método Mikado).

Skill de Matt Pocock que entrevista al usuario sin piedad sobre un plan o diseño hasta resolver cada rama del árbol de decisión. Sirve para dar criterio antes de ejecutar: fuerza a aclarar supuestos, descartar opciones y converger en una decisión bien argumentada. Tiene dos variantes: grill-with-docs, que lee el código y deja lo aprendido en CONTEXT.md y ADRs, y wayfinder, para trabajos que no caben en una sesión.

Skill que analiza textos argumentativos con el marco de Paul/Elder (8 elementos del pensamiento + estándares intelectuales) y detecta falacias lógicas y sesgos cognitivos. Compatible con Claude Code, claude.ai, API y Cursor.

17 skills de context engineering: degradación del contexto, compresión, sistemas de memoria, diseño de tools, patrones multi-agente, evaluación con LLM-as-a-judge y modelado cognitivo BDI.

Proxy CLI escrito en Rust que comprime la salida de los comandos antes de que la lea el agente, con recortes de hasta el 90% de ese output (que no es un 90% menos de factura: el bash es solo una parte de los tokens de entrada). Zero config, 100+ comandos.

Kit de compresión de contexto (librería, proxy, CLI o servidor MCP) que recorta los tokens de salidas de herramientas, logs y ficheros antes de llegar al modelo: un 60-95% con datos JSON y un 15-20% en agentes de coding. Compresión reversible y memoria compartida entre Claude, Codex, Gemini y Grok.

Post de Anthropic Engineering sobre cómo diseñar el harness (el código que rodea al modelo) para aplicaciones que el agente construye durante horas: separar el agente que genera del que evalúa, meter un planner que convierta el prompt en especificación y resetear el contexto en vez de compactarlo. Cifra el coste: 9$ y 20 minutos sin harness, 200$ y 6 horas con él.

Panorámica del harness engineering en 2026. Su tesis: el andamiaje no es fijo, encoge con cada modelo más capaz. Con Opus 4.7, piezas del harness que en marzo eran estructurales quedaron en peso muerto en abril.

Artículo introductorio de Martin Fowler para usuarios de coding agents: qué es un harness, qué responsabilidades asume y cómo decidir entre opciones según el contexto.

Artículo de Addy Osmani sobre el paradigma que viene: agentes que progresan durante horas, días o semanas a través de múltiples sesiones y sandboxes. Mapea los tres muros recurrentes (el contexto finito que se degrada antes de llenarse, la falta de estado persistente entre sesiones y que el modelo no sabe verificarse a sí mismo) y los enfoques de los grandes laboratorios.

Artículo de Han HELOIR YAN que enmarca el harness engineering como un stack de cinco capas (contexto, orquestación de subagentes, verificación, ciclo de vida y recuperación). Sostiene que Anthropic ya ha entregado tres con Managed Agent y que las otras dos las pone encima quien lo construye.

Post de Ryan Lopopolo (OpenAI) que da nombre formal a la disciplina. Su equipo lanzó en cinco meses una beta de producción de ~1M de líneas sin escribir una sola a mano. La tesis: el trabajo deja de ser escribir código y pasa a diseñar entornos, especificar la intención y construir los feedback loops que dejan al agente trabajar con fiabilidad.

Guía de Augment Code que define el harness engineering como diseñar entornos, restricciones y feedback loops para agentes fiables a escala. Articula tres capas (constraint harnesses, feedback loops y quality gates) con patrones como Plan-Execute-Verify y verificación multi-agente.

Curso abierto de Walking Labs sobre el diseño sistemático de agentes de coding. 14 lecciones que arrancan en por qué siguen fallando los modelos fuertes y llegan a loop y graph engineering, pasando por gestión de estado, verificación y límites de alcance, con 8 proyectos prácticos y plantillas listas para llevar al repo.

Lista awesome que cura recursos para construir harnesses fiables: el andamiaje, las herramientas, la memoria y los bucles de verificación que hacen que un agente acierte en tareas reales. 12+ categorías con cientos de referencias entre ensayos fundacionales, papers e implementaciones.

Paper de Tianshi Xu, Huifeng Wen y Meng Li: muchos fallos de los agentes nacen del desajuste en la interfaz modelo-entorno, no del modelo. Proponen Life-Harness, que evoluciona el harness en tiempo de ejecución con el modelo congelado y logra una mejora relativa media del 88,5% en siete entornos.

Vivek Trivedy (LangChain) muestra cómo subir un agente de código de 52,8 a 66,5 puntos en Terminal Bench 2.0 con GPT-5.2-Codex tocando solo el harness (prompts, tools y middleware): bucle de autoverificación con PreCompletionChecklistMiddleware, detección de doom loops y la estrategia del reasoning sandwich.

Thariq Shihipar y Sid Bidasaria (Anthropic) presentan los dynamic workflows, ficheros .js que dejan a Claude escribir su propio harness a medida para orquestar subagents. El post recoge seis patrones reutilizables (classify-and-act, fan-out-and-synthesize, adversarial verification, generate-and-filter, tournament y loop-until-done) como remedio a los tres fallos del agente único: pararse antes de terminar, preferir sus propios resultados al verificar y perder el objetivo entre tantos turnos.

Alexander Opalic explica cómo los workflows de Claude Code permiten orquestar varios agentes de forma determinista, escribiendo el control de flujo en JavaScript (agent(), parallel(), pipeline()) y delegando cada tarea en subagentes. Lo ilustra con un generador de newsletter que recopiló 17 ítems con 9 agentes en paralelo en unos 3 minutos, bajo el patrón "fan out, reduce, sintetiza".

Monorepo del proyecto Pi (@earendil-works/pi-coding-agent, pi-agent-core, pi-ai) con un harness de agente extensible, motor de ejecución con llamada a herramientas y gestión de estado, y API multiproveedor para LLM (OpenAI, Anthropic, Google…).

Agente de coding open-source en terminal, IDE o escritorio. Agnóstico del modelo (75+ proveedores: Anthropic, OpenAI, Google…), LSP automático, sesiones paralelas y arquitectura centrada en la privacidad, sin almacenar código ni contexto.

Agente de IA open-source de la Agentic AI Foundation (Linux Foundation, la misma que acoge MCP), construido en Rust (escritorio, CLI y API). Ejecuta tareas, automatiza flujos y analiza datos. 15+ proveedores LLM y 70+ extensiones vía MCP. Nativo en macOS, Linux y Windows.

Super-agent harness open-source de ByteDance descrito oficialmente como long-horizon SuperAgent harness that researches, codes, and creates. Orquesta sub-agentes, memoria y sandboxes con skills extensibles sobre LangGraph/LangChain. Empezó como framework de deep research y evolucionó a plataforma general. La v2.0 llegó al #1 de GitHub Trending en febrero de 2026.

App de referencia open-source de Vercel Labs para construir y ejecutar background coding agents propios sobre Vercel. Stack listo (Postgres, BetterAuth) y plantilla desplegable en un clic.

Tercera entrega de la serie de Martin Fowler sobre Gen AI: análisis del estado del arte de las herramientas SDD, qué resuelven, dónde se parecen y en qué se diferencian.

Documentación oficial del sistema de specs del IDE Kiro (AWS). Formaliza el SDD en tres fases (requirements → design → tasks) con artefactos persistentes por feature, ejecución paralela por análisis de dependencias y trazabilidad estructurada entre producto e ingeniería.

Ecosystem configurator cross-agente (16 soportados) que añade memoria persistente, workflow SDD con asignación de modelo por fase, skills curadas, MCP servers, persona y AI provider switcher.

Framework SDD distribuido como paquete npm (@fission-ai/openspec) con filosofía iterativa orientada tanto a brownfield como a greenfield. Workflow artifact-guided con /opsx:propose para arrancar nuevas ideas y escalarlas hasta enterprise.

Toolkit open-source de GitHub para Spec-Driven Development, con la spec como artefacto ejecutable que genera la implementación en vez de solo guiarla. CLI specify, comandos /speckit.* y más de 30 integraciones de coding agents.

El Agentic Development Environment de JetBrains: aplicación de escritorio para delegar tareas a varios agentes de código en paralelo, cross-agente vía el protocolo ACP, con aislamiento por git worktrees o Docker y revisión de cambios integrada.

Control plane open source de T3 Tools (el equipo de Theo Browne) para agentes de código, cross-agente y con apps de escritorio, web y móvil: rama por hilo, cambio de modelo a mitad de conversación y PR de GitHub a un botón. Cada agente corre con tu propia suscripción (18k estrellas en GitHub).

IDE agéntico de escritorio para orquestar decenas de agentes de código en paralelo, cada uno aislado en su propio git worktree, con terminal, visor de diffs, navegador y automatizaciones programadas integrados. Cross-agente, con workspaces remotos accesibles desde la app, la CLI o el móvil (12.9k estrellas en GitHub).

El entorno de desarrollo agéntico de Spotify: app de escritorio que gestiona sesiones paralelas de agentes de código, cada una en su propio worktree, y las arranca con el contexto organizacional de Spotify Portal (servicios, ownership, docs y decisiones de arquitectura). Cross-agente, lo usan a diario más de 1.300 ingenieros de la propia Spotify.

App de macOS de Melty Labs para ejecutar agentes de código en paralelo, cross-agente, cada uno aislado en su worktree de git, con revisión y merge de los cambios desde una sola interfaz. Gratuita: cada agente corre con tu propia suscripción.

El Agent Development Environment de Stably: cada tarea corre en su propio git worktree con terminal, navegador y contexto propios, para llevar una flota de agentes de código en paralelo sobre el mismo repositorio. Cross-agente (25+ CLIs preconfiguradas), en escritorio y móvil (42k estrellas en GitHub).

Framework multi-agente autónomo de coding empaquetado como app de escritorio (Windows, macOS y Linux). UI Kanban sobre Claude Code CLI con plan, build y validación automatizados. La app 2.x está en mantenimiento mientras se reescribe la 3.0.

Meta-harness de agentes para Claude Code y Codex con swarms coordinados, memoria autoaprendida y comunicación federada entre máquinas y equipos. Disponible como plugin o como CLI.

Plataforma de coordinación tipo lead/workers: un agente líder reparte las tareas y los workers ejecutan en contenedores Docker mientras la memoria se acumula entre sesiones. Cross-agente. Self-host gratuito, con cloud gestionado desde 30 €/mes y trial de 7 días.

Issue tracker distribuido sobre Dolt (SQL versionado) para agentes de IA. Gestión de tareas con grafo de dependencias, IDs sin conflictos para flujos multi-agente, jerarquía epics/subtareas y mensajería integrada. CLI vía npm o Homebrew.

Sistema de memoria persistente para agentes de IA (binario Go + SQLite/FTS5). Compatible con cualquier agente MCP (Claude Code, Cursor, Gemini CLI…). Interfaces CLI, API HTTP, servidor MCP y TUI. Sincronización entre máquinas vía Git.

Comparativa de tres patrones de orquestación de agentes (OpenAI Symphony, Claude Managed Agents y CrewAI) analizando cuál encaja mejor según el caso de uso.

Artículo de Anthropic (Cara Phillips) que describe cinco patrones de coordinación multi-agente (generator-verifier, orchestrator-subagent, agent teams, message bus y shared-state), cuándo aplicar cada uno y cómo evolucionar de uno a otro a medida que aparecen nuevas limitaciones. Recomienda arrancar con orchestrator-subagent, el que cubre más casos con menos coordinación.

Runtime open source que mantiene vivas las sesiones de tus agentes de código en un servidor en background, aunque cierres el terminal o se caiga la red, y permite reconectarte desde cualquier cliente para ver en qué estado está cada agente (trabajando, bloqueado, ocioso). Binario único en Rust, cross-agente y con API para comunicar agentes entre sí (27k estrellas en GitHub).

Marketplace cross-platform de skills para 20 agentes. Leaderboard con ranking de instalaciones en all-time, 24h y hot.

Catálogo de configuraciones listas para Claude Code (1000+ componentes) organizado por tipo: skills, agentes, comandos, settings, hooks, MCPs y plugins.

Directorio abierto y cross-agente con 333.000+ skills. Categorías por capacidad (búsqueda web, memoria de agente, navegador, Reddit) y colecciones publicadas por autor.

Directorio oficial de OpenAI con 180 plugins para Codex (Figma, Notion, Linear, GitHub, Slack, Stripe, Vercel, Cloudflare, Datadog, Sentry…). Cada plugin empaqueta skills, conectores MCP o ambos.

Directorio oficial de Anthropic para plugins de Claude Code.