El desarrollador conocido como ohadravid comparte en su blog una metodología de trabajo con modelos de lenguaje que aplica a un proyecto complejo: pedir al LLM que redacte documentos RFC (Request for Comments) en Markdown, en lugar de generar directamente código. La idea central es invertir el objetivo: en vez de optimizar por una solución inmediata, se optimiza por la comprensión del problema.
El artículo parte de un problema habitual al usar asistentes de IA: la baja fricción para producir código puede enmascarar lagunas de comprensión. El autor relata cómo, al empezar un proyecto que excedía sus conocimientos, descartó dos implementaciones completas generadas por el LLM —malas, pero didácticas— y pasó a iterar sobre archivos Markdown que describen el problema y la forma general de la solución.
Un buen RFC, explica, obliga a responder cuatro preguntas: qué problema hay, qué gravedad o importancia tiene, si la solución propuesta lo resuelve y qué coste implica frente a alternativas. Cuando el LLM no convence en alguno de esos puntos, el desarrollador pide explicaciones, ejemplos o revisiones hasta entender. Este ciclo de revisión produce versiones V1, V2, etc., y es donde se concentra el aprendizaje.
El autor distingue este uso de los "planes" automáticos de herramientas como Cursor o el modo plan de Claude Code: el RFC se centra en el problema y la arquitectura, mientras que el plan detalla cómo encajar el código en el repositorio. Aun con buenos RFCs, advierte, el código resultante puede ser defectuoso; por eso es imprescindible leerlo, función por función, incluso en pull requests de miles de líneas. El texto cierra con una recomendación práctica: probar a iterar sobre RFCs en Markdown para reducir el tiempo dedicado a leer código mediocre y aumentar el dedicado a pensar.