El texto describe una arquitectura para construir agentes de IA a escala de producción mediante la modularización y transpilación de prompts, en lugar de mantener un único prompt monológico. Cuando un sistema de instrucciones crece, aparecen tres modos de fallo habituales: dificultad de colaboración, tests poco fiables y cambios que rompen flujos adyacentes sin aviso. La solución propuesta trata los prompts como artefactos de compilación: se dividen en archivos modulares llamados "skill files" (por ejemplo, safety, uso de herramientas o investigación) y se componen mediante un motor de plantillas con includes, variables de entorno y macros. Un transpilador resuelve las dependencias, valida imports, detecta ciclos en el grafo de dependencias y produce un artefacto final determinista, listo para ser auditado y versionado. El flujo incluye, además, un mecanismo de drift checking en CI que compara el artefacto transpilado con un "golden file" consolidado para garantizar que el código en el repositorio es exactamente lo que llega a producción. Para optimizar el uso de contexto, el artículo plantea la técnica de disclosure progresivo: el prompt base compilado fija el plano de control estable (identidad, seguridad), mientras que los módulos específicos de tarea se cargan dinámicamente con herramientas en tiempo de ejecución. Por último, se propone un ciclo donde los propios agentes pueden proponer nuevos módulos de skill mediante pull requests, que pasan por las mismas validaciones y revisión humana que cualquier cambio de software, reforzando la fiabilidad del sistema.
Noticias agregadas con IA