Google Jules - Agente de codificación asíncrono

 (jules.google)
16 puntos por GN⁺ 2025-05-20 | 4 comentarios | Compartir por WhatsApp
  • Jules es un agente de codificación asíncrono que se integra con GitHub para corregir errores, agregar documentación y desarrollar funciones automáticamente
  • El usuario solo tiene que elegir el repositorio y la rama, y escribir un prompt detallado; Jules se encarga del resto en una VM en la nube
  • También ofrece funciones de ejecución y generación de pruebas, creación de PR, diff de cambios y resumen de audio
  • Internamente usa el modelo Gemini 2.5 Pro para comprender y modificar código
  • Es similar al agente de codificación de GitHub Copilot, pero se ofrece con base en una cuenta de Google y con un flujo de trabajo centrado en la interfaz de usuario

Descripción general de Jules

Funciones principales

  • Integración con GitHub: importa repositorios, crea ramas y redacta automáticamente Pull Requests (PR)
  • Máquina virtual en la nube: Jules clona el código en una VM en la nube para trabajar y verifica que los cambios funcionen
  • Pruebas: ejecuta las pruebas existentes o genera nuevas si no las hay
  • Entrega un plan de trabajo: antes de aplicar cambios, primero muestra al usuario el plan de trabajo, la razón y el diff de los cambios
  • Resumen de audio: ofrece un resumen por voz de los cambios del PR para entenderlos rápidamente

Cómo usarlo

Configuración inicial

  1. Entrar a https://jules.google.com
  2. Iniciar sesión con una cuenta de Google
  3. Aceptar el aviso de privacidad (una sola vez)
  4. Hacer clic en Sync GitHub account
  5. Completar el proceso de autenticación OAuth de GitHub
  6. Elegir los repositorios que se vincularán con Jules (todos o solo algunos)
  7. Al terminar la configuración, aparecerá el selector de repositorio y se podrá ingresar el prompt

Flujo de ejecución del trabajo

  1. Elegir el repositorio y la rama
    • La rama principal se selecciona automáticamente, pero puede cambiarse si es necesario
  2. Escribir el prompt
    • Ejemplo: Agregar pruebas para la función parseQueryString en el archivo utils.js
  3. (Opcional) Agregar un script de configuración del entorno
  4. Hacer clic en Give me a plan
  5. Jules genera el plan → el usuario lo revisa y aprueba
  6. Tras la aprobación, se muestra el diff del código modificado
  7. Se puede crear el PR final y reflejarlo en GitHub

Función futura

  • Si se agrega la etiqueta assign-to-jules a un issue de GitHub, Jules se asignará automáticamente y realizará el trabajo (función prevista)

Lecturas relacionadas

4 comentarios

 
galadbran 2025-05-21

¿Será que, como esto iba a salir, OpenAI se adelantó y le quitó el impacto con Codex? ^^;
 
laeyoung 2025-05-20

Parece que te unes a la lista de espera, pero no puedes usarlo de inmediato.
 
sinbumu 2025-05-20

Parece que también administra repositorios de forma asíncrona, pero al menos por la sensación que da al programar con vibra, si una persona no revisa, en proyectos complejos a veces la IA termina programando mal, así que quizá la parte de código asíncrono no tenga mucho mérito... Al final, lo que más tiempo consume es el chequeo humano a mitad del proceso.
 
GN⁺ 2025-05-20
Opiniones en Hacker News
  • Se imaginan la experiencia de asignarle un issue de GitHub a esta IA y que automatice desde corregir el bug hasta fusionar el resultado y marcarlo como completado; además, proponen que sería posible crear un interesante simulador de startup si se sumara una IA “lead dev” que escriba, asigne y revise bugs, y una IA “boss” que siga pidiendo features, con la diversión de observar cómo van construyendo una app como si fueran una pequeña granja de hormigas.
    • Comparten una experiencia real aplicando este patrón de diseño de agentes: implementaron un sistema de precios con agentes de IA para análisis, toma de decisiones y revisión, observaron cómo cada IA se comunicaba fiel a su rol, y comprobaron que esa división de responsabilidades ayudaba a detectar errores y producir buenos resultados.
    • Se imaginan, en tono humorístico, un escenario donde una IA “VC” intenta crear una empresa unicornio.
    • Ven posible que pronto se haga realidad la startup unicornio de una sola persona.
  • Les interesó y presionaron el botón Try, pero otra vez se encontraron con una lista de espera; lamentan que el sistema de waiting list ya no funcione como en la época de Gmail, porque ahora hay tantos servicios que mañana probablemente ya se habrán olvidado de esto.
    • Enfatizan que, para que este enfoque funcione, hace falta conseguir defensores leales y usuarios que lo recomienden de boca en boca; plantean que solo puede tener éxito si ya hay usuarios que realmente quieran probarlo y pregunten activamente por él.
    • Suponen que tenían que lanzar algo por la velocidad de OpenAI.
  • Consideran que el hecho de que Google ofrezca gratis la inferencia (ejecución del modelo) es una ventaja competitiva enorme, y mencionan la forma en que Jules se ofrece sin costo: actualmente puede usarse gratis por estar en beta, aunque esperan que más adelante pase a ser de pago; citan la documentación oficial, donde se indica que por ahora la prioridad es mejorar la experiencia del desarrollador.
    • Aclaran que todavía no han usado Jules, pero que para ellos más importante que si es gratis o no es si resuelve mejor los problemas; si funciona bien, lo usarán, y si no, elegirán otro servicio; mencionan que mucha gente prioriza la eficiencia por encima del costo.
    • Señalan que este tipo de lanzamientos gratuitos es una tradición económica de las big tech y se parece al efecto de dumping de inundar el mercado con producto.
    • Dicen que es una estrategia común en startups: comenzar con una beta gratuita y luego pasar al cobro.
    • Comparten que hay límites de uso: 2 tareas simultáneas y 5 por día.
    • Mencionan la visión de que el usuario pronto se convierte en datos; citan la respuesta oficial de que Jules no usa repos privados como datos de entrenamiento, pero apuntan que las conversaciones podrían agregarse para entrenamiento igual que en Gemini, que no está claro qué datos se recopilarán, y que también es ambiguo si el contenido del repo podría incluirse; comparten un enlace legal oficial.
  • Les parece que Google y Microsoft coordinaron sus anuncios para el mismo día, y creen posible que hayan acelerado los lanzamientos en respuesta a la presentación del otro; eso les genera expectativas porque sienten que es un momento de innovación muy activa.
    • Analizan que esta semana coincide con Google IO y Microsoft Build, así que ambas empresas están en una competencia feroz por captar atención.
    • Expresan el ambiente de entusiasmo reciente.
    • Señalan que ambos anuncios llegaron después de OpenAI Codex Research Preview y los consideran, en esencia, el mismo producto.
  • Valoran positivamente que Google y Microsoft se hayan enfocado en automatización de bajo nivel tipo junior en lugar de automatización personalizada, porque mientras menos permisos de acceso haya, menor es el riesgo de incidentes, y cuanto más estructurada sea la tarea, más favorable resulta para los datos y el aprendizaje por refuerzo; plantean que esta estructura de bajo riesgo debería mejorar la confiabilidad, y que la experiencia obtenida en interfaces e integración es esencial para expandir el pipeline de datos; les satisface que se haya entrado en una etapa de uso real y ya no solo de debate abstracto.
  • Sobre el copy publicitario “¡Usa tu tiempo en lo que quieres hacer!” y las imágenes de ocio como videojuegos, lectura o ping pong, lamentan el matiz de presentar la programación como algo que habría que evitar, y subrayan que programar puede ser una actividad creativa y disfrutable.
    • Señalan la realidad de que, aunque Jules haga el trabajo en la empresa, el jefe no va a dejarte jugar tenis en pleno día; opinan que, incluso si hubiera una mejora de productividad de 20 a 100%, ese valor no volvería al trabajador sino a la empresa o al capital.
    • Explican que a veces programan por diversión, pero normalmente solo lo usan como medio para lograr un objetivo, y que si hay otra manera de hacerlo sin programar, suelen preferir esa alternativa.
    • Ven de forma positiva que el mensaje del anuncio sea “concéntrate en la programación que quieres hacer”; interpretan que al principio lo entendieron como simplemente estar frente a la computadora, pero al final la clave está en la elección del usuario y en cómo usa su tiempo.
    • Como disfrutan la programación en sí como hobby, sienten que un robot que haga eso en su lugar invierte la metáfora; ponen el ejemplo de que sería como vender un robot que monta en bicicleta por ti, lo cual no tendría mucho sentido.
    • Comparten una experiencia personal según la cual la productividad es proporcional a un “flujo continuo de avance”; dicen que, cuanto más complejos son los procesos internos de una empresa, más atractivas pueden parecer estas herramientas de automatización, especialmente cuando el liderazgo se entusiasma con la IA pero es reacio a hacer cambios reales.
  • Sobre la función de “Jules ofrece un resumen en audio de los cambios para entenderlos rápido”, comentan que Google puede hacer esto con tecnología de NotebookLM, pero dudan de que realmente sea útil escuchar en audio cómo se implementó un prompt.
    • Suponen que la idea es para vibe coding mientras estás en la cama o manejando, y mencionan la tendencia de las generaciones jóvenes a preferir información en audio antes que en texto.
  • Evalúan que Codex y codex cli son, hasta ahora, de lo mejor que han usado; también valoran mucho que Codex esté disponible dentro de la app de ChatGPT, y transmiten ganas de probar este servicio cuanto antes.
  • Frente al copy “¡Haz lo que quieres hacer!”, afirman que para ellos lo que justamente quieren hacer es escribir código nuevo y genial.
    • Interpretan que el mensaje central de estas herramientas de IA es permitir que el usuario dedique más tiempo al tipo de programación que desea hacer, a la programación creativa que disfruta, y delegue las tareas repetitivas o desagradables.
  • Se preguntan si lo “asíncrono” en Jules tiene un significado importante y sienten curiosidad por la velocidad del trabajo; opinan que el flujo de trabajo de desarrollo normalmente ya es asíncrono, pero que sería bueno si pudiera sincronizarse más rápido y de forma inmediata; comparten la realidad de que lo asíncrono se volvió estándar porque la gente no termina las tareas con rapidez.
    • Aportan que otras herramientas de agentes de IA suelen tardar entre 10 y 30 minutos, dependiendo del modelo, la complejidad de la tarea y la cantidad de rodeos necesarios.