Glosario de Desarrollo AI-Native: Agentic Coding, Vibe Coding y 16 Términos Más Definidos
El agentic coding es un enfoque de desarrollo donde agentes de IA autónomos planifican, escriben, ejecutan, prueban y modifican código en múltiples pasos con mínima intervención humana — usando herramientas como el shell, edición de archivos y pruebas dentro de un bucle de retroalimentación. Este glosario define el agentic coding y 17 términos más del mundo AI-native, cada uno mapeado a un nivel del modelo de 7 niveles del Desarrollador AI-Native.
El vocabulario del desarrollo AI-native avanza más rápido que los diccionarios. Nuevos términos — agentic coding, vibe coding, MCP, context engineering, subagentes — se acuñan en X, se lanzan en una CLI y se absorben en la forma de trabajar de los equipos, todo en un trimestre. Esta página es la referencia canónica: cada término recibe primero una definición concisa y citable, luego los datos de origen que la mayoría de los glosarios omiten, y finalmente un mapa de dónde encaja la habilidad en el modelo de 7 niveles del Desarrollador AI-Native — desde L1 Desarrollador Asistido por Chat hasta L7 Creador Universal con IA.
Cada entrada termina con la misma pregunta honesta: ¿en qué nivel te ubica esto? Cuando termines de leer, haz el quiz de 3 minutos y descúbrelo.
Ir a un término
| Término | Nivel | Término | Nivel |
|---|---|---|---|
| Desarrollador AI-native | L1–L7 | Evals | L6 |
| Agentic coding | L3 | Worktrees | L5+ |
| Agentic engineering | L4–L5 | Context engineering | L4–L6 |
| Vibe coding | Fuera de escala | Spec-driven development | L4–L6 |
| Desarrollo asistido por IA | L1–L7 | Agente de código autónomo | L3→L5 |
| MCP | L5–L6 | Prompt engineering | L1–L2 |
| Orquestación de agentes | L5 | Modelo de madurez de IA | el modelo |
| Subagentes | L5+ | Model routing | L5–L6 |
| Plan-before-code | L3–L4 | Verification harness | L4–L5 |
Desarrollador AI-native
Un desarrollador AI-native es aquel cuyo flujo de trabajo predeterminado es dirigir sistemas de IA para planificar, escribir, probar y desplegar código, en lugar de teclear la mayoría de las líneas a mano. Se mide por los hábitos de autonomía y verificación — no por cuántas herramientas de IA tiene instaladas.
Casi todos los desarrolladores ya "usan IA". Eso no es lo mismo. Ser AI-native es una postura, no un cinturón de herramientas: la IA es tu mecanismo de producción principal, y tu trabajo se desplaza hacia la dirección, revisión y verificación. La pregunta clave no es ¿usas un asistente de IA? — sino ¿cuánto delegas y cómo verificas el resultado?
Este es precisamente el rasgo que el modelo de 7 niveles del Desarrollador AI-Native califica, desde L1 Desarrollador Asistido por Chat (el "Artesano de la Vieja Escuela" que copia y pega desde una pestaña de chat) hasta L7 Creador Universal con IA (una persona llevando todo el ciclo de producto con agentes). Tu posición depende de la autonomía y la verificación, no de las vibraciones.
¿En qué nivel te ubica esto? Haz el quiz →
Agentic coding
El agentic coding es un enfoque de desarrollo donde agentes de IA autónomos planifican, escriben, ejecutan, prueban y modifican código en múltiples pasos con mínima intervención humana, usando herramientas — shell, edición de archivos, test runners — dentro de un bucle de retroalimentación hasta completar la tarea.
La palabra clave es bucle. El autocompletado de chat de un solo turno te da un fragmento y se detiene; un agente de agentic coding es dueño de toda la tarea. Lee el repositorio, hace un plan, edita archivos, ejecuta los tests, lee los fallos e intenta de nuevo — iterando a lo largo de una trayectoria larga en lugar de responder un solo prompt. Google Cloud lo define como un enfoque de desarrollo de software donde agentes de IA autónomos planifican, escriben, prueban y modifican código con mínima intervención humana; IBM enmarca los agentes de código subyacentes como sistemas de IA que combinan razonamiento LLM con acceso a herramientas de código para actuar en múltiples pasos.
En la escala, el agentic coding es la característica del L3, el Desarrollador Agéntico ("El Nativo Agéntico") — donde el agente escribe la rutina, tú planificas antes de codificar, y no te fías de su palabra. Profundiza en el pilar de agentic coding o consulta el nivel en L3 →.
¿En qué nivel te ubica esto? Haz el quiz →
Agentic engineering
El agentic engineering es la disciplina profesional de orquestar agentes de código de IA como multiplicadores de fuerza mientras el humano conserva la responsabilidad sobre la arquitectura, la calidad y la verificación. Los agentes hacen la mayor parte de la escritura; el ingeniero dirige, limita y valida.
Si el agentic coding es la técnica, el agentic engineering es el rigor a su alrededor. Según MindStudio, es la práctica de orquestar agentes de código de IA para que realicen la mayor parte de la programación mientras el humano mantiene la propiedad de la arquitectura, la calidad del código y el juicio ingenieril — planteado como el sucesor disciplinado del vibe coding para 2026. El énfasis está en specs, evals, revisión y reproducibilidad en lugar de "aceptar y esperar."
Esto mapea a la banda L4–L5 — el Director y el Orquestador — donde dejas de escribir rutinas y empiezas a construir el sistema que las produce. Consulta cómo se separan el vibe coding y el agentic engineering en vibe coding vs agentic coding, o explora los niveles completos.
¿En qué nivel te ubica esto? Haz el quiz →
Vibe coding
El vibe coding es construir software dando prompts a una IA y aceptando su salida sin revisar el código. Andrej Karpathy acuñó el término el 2 de febrero de 2025, describiendo entregarse por completo a las vibraciones y olvidarse de que el código existe — aceptando los cambios de la IA sin leer los diffs.
Simon Willison lo afiló en una prueba funcional: el vibe coding es "construir software con un LLM sin revisar el código que escribe." Su corolario es la parte que les importa a los desarrolladores senior — si revisas, pruebas y puedes explicar el código, "es desarrollo de software", no vibe coding. Esa línea es todo el juego. El vibe coding es excelente para prototipos desechables y experimentos de fin de semana; es un pasivo en el momento en que algo tiene que funcionar en producción sin supervisión.
Críticamente, el vibe coding está fuera de la escala de ingenieros L1–L7. Produce el arquetipo del Vibe Builder: un creador sin código/con IA que lanza productos reales con herramientas de IA sin escribir código tradicional — AI-native desde el primer día, pero una especie diferente al ingeniero que sube la escala de madurez. Eso no es una degradación; es un juego diferente con su propia superpotencia (velocidad) y su propio techo. Más en vibe coding y la comparación directa vibe coding vs agentic coding.
¿En qué nivel te ubica esto? Haz el quiz →
Desarrollo asistido por IA
El desarrollo asistido por IA es cualquier flujo de trabajo donde las herramientas de IA — autocompletado, chat o agentes — ayudan a escribir o modificar código mientras un humano permanece en el bucle revisando y decidiendo. Es el paraguas amplio que abarca todo desde L1 hasta L7.
Piénsalo como el superconjunto. Tanto el vibe coding como el agentic coding viven dentro del desarrollo asistido por IA; lo que los diferencia es cuánta autonomía otorgas y cómo verificas el resultado. Otorgas poco y revisas todo a mano, y eres un delegador de los primeros peldaños. Otorgas mucho pero conectas un verification harness, y estás haciendo agentic engineering disciplinado. El término en sí es deliberadamente amplio — lo que hace que un modelo con niveles sea útil para ubicarte dentro de él.
El modelo de 7 niveles es el mapa que convierte este paraguas en un espectro en el que puedes posicionarte.
¿En qué nivel te ubica esto? Haz el quiz →
MCP (Model Context Protocol)
MCP (Model Context Protocol) es un estándar abierto que permite a los modelos de IA conectarse a herramientas externas y fuentes de datos a través de una interfaz universal, en lugar de integraciones ad hoc por herramienta. Anthropic lo introdujo y lo publicó como código abierto el 25 de noviembre de 2024 (versión de especificación 2024-11-05), con SDKs para Python y TypeScript.
El modelo mental más usado es "USB-C para herramientas de IA": un protocolo, y cualquier cliente compatible puede hablar con cualquier servidor compatible — tu documentación, tu base de datos, tu gestor de incidencias, tu shell. Antes de MCP, cada integración era un proyecto propio; después, el alcance del agente se convierte en un ecosistema de plugins. La adopción se extendió ampliamente por la industria durante 2025–2026, y puedes leer la fuente primaria en el anuncio de Anthropic.
Conectar un servidor MCP estándar es algo que la mayoría de los desarrolladores asistidos por IA pueden hacer desde el principio. Pero gobernar MCP en un equipo — decidir a qué pueden llegar los agentes y crear servidores reutilizables — es una señal de L5–L6 Metodólogo. Consulta L6 → y la entrada relacionada sobre orquestación de agentes.
¿En qué nivel te ubica esto? Haz el quiz →
Orquestación de agentes
La orquestación de agentes es coordinar múltiples agentes de IA — asignando tareas, secuenciando pasos, gestionando estado compartido y combinando resultados — para que un equipo de agentes complete trabajo que un solo agente no puede hacer de forma fiable por sí solo.
La forma dominante es el patrón orquestador-trabajador (manager-worker): un agente planifica y delega mientras los agentes trabajadores acotados ejecutan y reportan. Según la documentación de Claude Code, en este patrón el orquestador es dueño del plan y cada trabajador maneja una tarea delimitada — la estructura que hace que el trabajo multi-agente sea manejable en lugar de caótico.
Este es el rasgo definitorio de L5, el Arquitecto de Ingeniería con IA ("El Orquestador") — el nivel donde diseñas la pila de agentes en lugar de simplemente manejar un agente. Consulta L5 →, y luego los componentes básicos: subagentes y worktrees.
¿En qué nivel te ubica esto? Haz el quiz →
Subagentes
Los subagentes son agentes trabajadores aislados a los que un agente principal delega tareas, cada uno ejecutándose con su propio contexto limpio, acceso a herramientas y permisos, devolviendo un único resumen — manteniendo limpio el contexto del agente principal y haciendo el trabajo paralelizable.
Los subagentes son lo que mantiene la orquestación sensata. En lugar de una ventana de contexto saturada que lo gestiona todo, el agente principal lanza trabajadores delimitados, cada uno con un estado limpio, y recibe de vuelta un resultado ordenado. Según la documentación de Claude Code, cada subagente se ejecuta con su propio contexto, herramientas y permisos — y no puede generar nuevos subagentes, por lo que el anidamiento está acotado por diseño. Ese límite es una característica: evita árboles de agentes descontrolados.
El uso habitual de subagentes es una señal de comportamiento L5+ — has pasado de manejar un agente a dirigir un pequeño equipo. Consulta L5 → y el patrón más amplio en orquestación de agentes.
¿En qué nivel te ubica esto? Haz el quiz →
Plan-before-code
El plan-before-code es una disciplina del agentic coding donde el agente (o el humano) produce un plan explícito y lo aprueba antes de escribir cualquier código — de modo que la intención se verifica de entrada y el paso de implementación permanece acotado y verificable.
Es un seguro barato. Unos minutos confirmando "esto es lo que voy a hacer y por qué" evitan el costoso fallo de un agente que edita confiadamente veinte archivos en la dirección equivocada. También consume menos tokens y produce diffs sobre los que realmente puedes razonar. El plan-before-code es el hábito de entrada que conduce naturalmente al spec-driven development.
Es un hábito de madurez L3–L4 — el momento en que dejas de dejar que los agentes corran libres y empiezas a exigirles un plan aprobado.
¿En qué nivel te ubica esto? Haz el quiz →
Verification harness
Un verification harness es el conjunto de comprobaciones automatizadas — tests, linters, verificación de tipos, scripts de build y ejecución — conectados para que un agente de IA pueda verificar su propio trabajo en un bucle y autocorregirse, sin que un humano lea cada diff.
Esto es lo único que hace que el agentic coding de alta autonomía (modo "YOLO") sea seguro en lugar de temerario. Un agente con un harness sólido puede ir rápido — probar un cambio, ejecutar las comprobaciones, leer los fallos, corregir, repetir — porque las comprobaciones atrapan sus errores antes que tú. Un agente sin harness es simplemente riesgo no revisado moviéndose rápido. El harness convierte la confianza en un sistema en lugar de una esperanza.
Construir harnesses reutilizables es la línea divisoria L4–L5 — separa "reviso cada cambio" de "confío en el bucle y reviso el resultado". Consulta los niveles →, y complementa esto con evals.
¿En qué nivel te ubica esto? Haz el quiz →
Evals
Los evals son pruebas sistemáticas que miden si un modelo de IA o agente produce salidas correctas y fiables. Para agentes de código, los evals comprueban si el agente planifica, llama a herramientas y completa tareas multi-paso correctamente a lo largo de toda una trayectoria — no solo si la respuesta final parece correcta.
Hay dos formas principales, según Confident AI: evals basados en código (aserciones automatizadas al estilo CI) y LLM-as-a-judge. Para trabajo de código, la trayectoria importa porque una ejecución abarca muchos pasos — un agente puede producir el archivo correcto por las razones equivocadas, o tomar un camino peligroso hacia un test que pasa. Los evals lo detectan. Son la diferencia entre "funcionó una vez" y "funciona de forma fiable."
Escribir y mantener evals es una señal de L6 Metodólogo — no solo usas agentes, mides y certificas su comportamiento. Consulta L6 → y su par, el verification harness.
¿En qué nivel te ubica esto? Haz el quiz →
Worktrees
Los git worktrees son directorios de trabajo separados que comparten el historial de un repositorio, de modo que varios agentes de IA pueden trabajar en paralelo cada uno en una rama o checkout aislado — sin sobreescribir los archivos de los demás.
Este es el mecanismo estándar para ejecutar múltiples sesiones de Claude Code sobre una misma base de código al mismo tiempo. Según la documentación de Claude Code, un worktree es un directorio de trabajo separado con su propia rama que comparte el mismo historial del repositorio, lo que permite que múltiples agentes trabajen en paralelo sobre checkouts aislados. En la práctica se combinan los worktrees con aislamiento de puertos y bases de datos para que los agentes paralelos tampoco colisionen fuera del sistema de archivos.
Los flujos de trabajo con agentes en paralelo usando worktrees son un rasgo L5+ — el Director L4 ya ejecuta varios agentes de esta forma, y el Orquestador L5 lo sistematiza. Consulta orquestación de agentes y L5 →.
¿En qué nivel te ubica esto? Haz el quiz →
Context engineering
El context engineering es, en palabras de Andrej Karpathy de junio de 2025, "el delicado arte y ciencia de llenar la ventana de contexto con exactamente la información correcta para el siguiente paso." Es la disciplina de diseñar todo lo que ve un LLM: instrucciones, documentos recuperados, salidas de herramientas, memoria y estado.
Karpathy respaldó el término sobre "prompt engineering" en junio de 2025, y Anthropic formalizó el concepto en septiembre de 2025. El reencuadre importa: en sistemas de agentes en producción, la redacción de cualquier prompt individual es una pequeña fracción de lo que determina la calidad del resultado. Como señala Glean, el prompt engineering es un subconjunto del context engineering — el contexto completo también incluye historial de conversación, documentos recuperados, salidas de herramientas y estado del agente. La brecha de calidad entre los usuarios de IA hoy en día es el contexto, no las palabras mágicas.
El context engineering deliberado es una señal L4–L6 — es lo que hace la gente cuando cuida los archivos CLAUDE.md, diseña la recuperación y gestiona la ventana de contexto intencionalmente. Contrástalo con su subconjunto, el prompt engineering, y consulta los niveles →.
¿En qué nivel te ubica esto? Haz el quiz →
Spec-driven development
El spec-driven development es una metodología que convierte una especificación escrita en la fuente de verdad que los agentes de IA usan para generar, probar y validar código. Primero escribes la spec, luego un plan, luego tareas pequeñas y comprobables, luego la implementación.
Según GitHub, la especificación se convierte en un contrato sobre cómo debe comportarse el código — la fuente de verdad que las herramientas y los agentes de IA usan para generar, probar y validar código. GitHub anunció y publicó como código abierto Spec Kit (licencia MIT) el 2 de septiembre de 2025, con el flujo central Spec → Plan → Tasks → Implement, explícitamente posicionado como una alternativa repetible y disciplinada al vibe coding ad hoc. Es el plan-before-code llevado a su conclusión lógica.
Los flujos de trabajo spec-driven son un marcador de madurez L4–L6. Construyen sobre el plan-before-code y son el corazón de cómo los Directores y Metodólogos lanzan productos. Consulta los niveles →.
¿En qué nivel te ubica esto? Haz el quiz →
Agente de código autónomo
Un agente de código autónomo es un sistema de IA que recibe un objetivo e independientemente planifica, edita archivos, ejecuta comandos y tests, e itera hasta completarlo — operando a lo largo de una trayectoria larga de múltiples pasos en lugar de responder a un único prompt.
Los agentes CLI como Claude Code son el ejemplo canónico. El matiz importante es que la autonomía es un espectro, no un interruptor: hasta dónde dejas que un agente corra sin supervisión (modo "YOLO") está limitado por dos cosas — tu verification harness y los permisos que le otorgas. Harness sólido más permisos restringidos igual a autonomía segura. Harness débil más permisos amplios igual a una mala tarde.
Aprender a confiar en agentes autónomos sin romper producción es la progresión L3 → L5 en sí misma: desde "el agente escribe la rutina" hasta "el agente completa ciclos multi-tarea de principio a fin." Consulta los niveles →.
¿En qué nivel te ubica esto? Haz el quiz →
Prompt engineering
El prompt engineering es la práctica de elaborar las instrucciones textuales que se dan a un LLM — redacción, ejemplos, rol y formato de salida — para orientarlo hacia un resultado deseado en un único turno.
Sigue importando; las instrucciones claras siguen siendo mejores que las descuidadas. Pero el campo lo ha reenmarcado como un componente de una disciplina más amplia. En sistemas de agentes en producción, el prompt es una pequeña fracción del contexto total, que también incluye historial, documentos recuperados, salidas de herramientas y estado — por eso el context engineering se ha convertido en el marco más útil.
El prompt engineering es un elemento fundamental L1–L2 que madura hacia el context engineering alrededor de L4. Es donde la mayoría empieza; no es donde está el techo.
¿En qué nivel te ubica esto? Haz el quiz →
Modelo de madurez de codificación con IA
Un modelo de madurez de codificación con IA es un marco por niveles que califica qué tan AI-native es un desarrollador o equipo — por comportamientos de autonomía y verificación, no por el número de herramientas. El modelo de 7 niveles del Desarrollador AI-Native de ProCoders (L1 Asistido por Chat → L7 Creador Universal con IA) es uno; los 8 estadios del flujo de trabajo agéntico de Steve Yegge es otro.
Los modelos de madurez le dan a un campo en rápido movimiento vocabulario compartido para el gradiente de confianza — la pendiente desde "la IA autocompleta una línea" hasta "construí mi propio orquestador." Los 8 niveles de Yegge describen ese mismo gradiente desde uso de IA casi nulo hasta construir tu propio orquestador, con la ruptura crítica en los estadios 5–6 donde un único agente síncrono da paso a múltiples agentes en paralelo (según el resumen de Augment Code). El enfoque por niveles es lo que permite a los equipos hablar de dirección en lugar de solo herramientas.
El ejemplo canónico en este sitio es el modelo — el modelo de 7 niveles del Desarrollador AI-Native, con personas y señales de comportamiento concretas para cada peldaño. La forma más rápida de usarlo es el quiz.
¿En qué nivel te ubica esto? Haz el quiz →
Model routing
El model routing es elegir automáticamente qué modelo de IA o proveedor maneja cada solicitud según costo, latencia, capacidad y disponibilidad — enviando tareas fáciles a modelos baratos y las difíciles a modelos frontier, con fallbacks.
Es una palanca de costo y fiabilidad, y el rango es suficientemente grande como para importar: según OpenRouter, el costo por token entre modelos frontier y modelos más económicos puede diferir aproximadamente 10x–50x, y plataformas como OpenRouter exponen controles de routing y topes de precio. Enruta una flota de agentes de forma inteligente y reservas los costosos modelos frontier para el trabajo que genuinamente los necesita mientras los modelos más baratos absorben el volumen fácil.
Hacer routing de modelos en una flota de agentes — y establecer la política para ello — es una señal de arquitecto L5–L6; el Orquestador L5 es dueño de la política de model-routing en los agentes del equipo. Consulta L5 →.
¿En qué nivel te ubica esto? Haz el quiz →
Cómo se mapean estos términos a la escala
Las definiciones son solo la mitad de la historia. La razón por la que este glosario vincula cada término a un nivel es que la misma palabra significa cosas diferentes en distintos niveles de madurez. "Usar MCP" es una señal temprana; "gobernar MCP" es una señal senior. "Ejecutar un agente" es L3; "orquestar una flota en worktrees" es L5. Aquí está el mapa comprimido:
| Nivel | Persona | Términos del glosario que lo señalan |
|---|---|---|
| L1 Asistido por Chat | Artesano de la Vieja Escuela | prompt engineering |
| L2 Junior Asistido por IA | Delegador | prompt engineering, desarrollo asistido por IA |
| L3 Desarrollador Agéntico | Nativo Agéntico | agentic coding, plan-before-code, agente de código autónomo |
| L4 Constructor de Sistemas | Director | verification harness, spec-driven development, context engineering |
| L5 Arquitecto de Ingeniería | Orquestador | orquestación de agentes, subagentes, worktrees, model routing |
| L6 Metodólogo | Metodólogo | evals, gobernanza MCP, métodos portables |
| L7 Creador Universal con IA | Creador | ciclo completo en solitario con todo lo anterior |
| Fuera de escala | Vibe Builder | vibe coding |
Esa última fila es la distinción que los glosarios genéricos pasan por alto. El vibe coding no es un peldaño bajo — es una escalera diferente por completo. El Vibe Builder lanza productos sin código tradicional; el ingeniero L1–L7 sube hacia dirigir sistemas que lo hacen. Ambos son legítimos; simplemente no son el mismo camino.
Encuentra tu nivel
Leer definiciones te dice qué significan las palabras. El quiz te dice dónde estás tú en el modelo de 7 niveles del Desarrollador AI-Native — basándose en tus hábitos reales de autonomía y verificación, en unos tres minutos.
FAQ
- ¿Qué es el agentic coding?
- El agentic coding es un enfoque de desarrollo donde agentes de IA autónomos planifican, escriben, ejecutan, prueban y modifican código en múltiples pasos con mínima intervención humana, usando herramientas como el shell, edición de archivos y test runners dentro de un bucle de retroalimentación. A diferencia del autocompletado de un solo turno, el agente es dueño de toda la tarea e itera hasta completarla. En el modelo de 7 niveles del Desarrollador AI-Native se corresponde con L3, el Desarrollador Agéntico.
- ¿Cuál es la diferencia entre vibe coding y agentic coding?
- El vibe coding consiste en dar prompts a una IA y aceptar su resultado sin revisar el código (Simon Willison: 'construir software con un LLM sin revisar el código que escribe') — válido para prototipos, arriesgado para producción. El agentic coding es disciplinado: el agente ejecuta un bucle plan-test-corrección contra un verification harness, y tú diriges y validas el resultado. El vibe coding produce el arquetipo Vibe Builder (fuera de escala); el agentic coding es una habilidad de ingeniero L3+.
- ¿Qué es MCP (Model Context Protocol)?
- MCP es un estándar abierto que permite a los modelos de IA conectarse a herramientas externas y fuentes de datos a través de una interfaz universal en lugar de integraciones ad hoc por herramienta — frecuentemente llamado 'USB-C para herramientas de IA.' Anthropic lo introdujo y publicó como código abierto el 25 de noviembre de 2024 (versión de especificación 2024-11-05), con SDKs para Python y TypeScript, y fue ampliamente adoptado por la industria durante 2025–2026.
- ¿Quién acuñó el término 'vibe coding'?
- Andrej Karpathy acuñó 'vibe coding' en una publicación en X el 2 de febrero de 2025, describiendo entregarse por completo a las vibraciones y olvidarse de que el código existe — aceptando los cambios de la IA sin leer los diffs. Simon Willison lo refinó más tarde en una prueba funcional: el vibe coding es construir software con un LLM sin revisar el código que escribe.
- ¿Cuál es la diferencia entre prompt engineering y context engineering?
- El prompt engineering es elaborar las instrucciones textuales que se dan a un LLM para orientar un resultado en un único turno. El context engineering — respaldado por Andrej Karpathy en junio de 2025 como 'el delicado arte y ciencia de llenar la ventana de contexto con exactamente la información correcta para el siguiente paso,' y formalizado por Anthropic en septiembre de 2025 — es la disciplina más amplia de diseñar todo lo que ve el modelo: instrucciones, historial, documentos recuperados, salidas de herramientas y estado. El prompt engineering es un subconjunto del context engineering.
- ¿Qué es un modelo de madurez de codificación con IA?
- Un modelo de madurez de codificación con IA es un marco por niveles que califica qué tan AI-native es un desarrollador o equipo según los comportamientos de autonomía y verificación, no por el número de herramientas. El modelo de 7 niveles del Desarrollador AI-Native de ProCoders va desde L1 Desarrollador Asistido por Chat hasta L7 Creador Universal con IA; los 8 estadios del flujo de trabajo agéntico de Steve Yegge es otro, con la ruptura crítica en los estadios 5–6 donde un agente síncrono da paso a múltiples agentes en paralelo.