El curso no está dedicado a otro “cómo escribir un buen mensaje”, sino a la ingeniería del entorno en torno al Codex, Claude Code y otros agentes de IA.
Desmontar:
* por qué los agentes fuertes todavía fracasan en las tareas;
* cómo mantener el contexto entre sesiones largas;
* ¿Por qué son necesarios?
AGENTES.md
,
feature_list.json
y archivos de progreso;
* cómo evitar que el agente declare completada una tarea demasiado pronto;
* cómo incorporar pruebas, observabilidad y control en el propio arnés.
Hay teoría, proyectos prácticos y plantillas listas para usar para repositorios. Además, entre los materiales básicos, los autores se refieren directamente a los enfoques de OpenAI y Anthropic.
La idea principal es muy correcta:
No intente infinitamente hacer que el modelo sea más inteligente con indicaciones, sino cree un sistema a su alrededor en el que sea más difícil cometer errores.
Y sí, existe una versión rusa.