Este artículo resume la metodología de colaboración con IA que experimenté directamente durante 3 meses como colaborador de rhwp.
En el vibe coding, analizo por qué una IA que funcionaba bien empieza a tener dificultades cuando se aplica a un proyecto existente o a la base de código de una empresa, no tanto desde la simple perspectiva del rendimiento del modelo, sino desde la “ausencia de contexto acumulado del proyecto”.
rhwp externaliza el contexto generado durante el trabajo mediante Hyper-Waterfall de la siguiente manera.
- A nivel macro, registra en
mydocs/manual,mydocs/tech, etc., el conocimiento de largo plazo que varias tareas deben compartir - A nivel micro, registra en los documentos de implementación y planes de ejecución de cada tarea, reportes por etapa e informe final los juicios, resultados de verificación y razones de éxitos y fracasos
- Estos documentos se commitean en el repositorio junto con el código, para que otros contribuidores, sesiones, agentes y modelos puedan seguir usando el mismo contexto
Como caso real, un documento de diseño escrito antes de que yo conociera el proyecto fue redescubierto unos 5 meses después en una nueva tarea. Gracias a eso, un nuevo contribuidor y la IA pudieron volver a entender el problema que el maintainer evaluaba en ese momento, la dirección de diseño y las decisiones tomadas.
No afirmo que Hyper-Waterfall sea una herramienta universal adecuada para todos los proyectos. Presento una forma de convertir el contexto volátil de las sesiones en una “memoria del proyecto” revisable y reutilizable en proyectos complejos de larga duración, y cómo aplicar este enfoque a otros repositorios.
Aún no hay comentarios.