Coordina múltiples subagentes de IA en slices de un plan más grande donde cada subagente maneja un alcance definido mientras un único agente padre retiene responsabilidad por integración, calidad y entrega final. Este enfoque es valioso cuando un único agente trabajando secuencialmente sería demasiado lento, pero aún necesitas calidad coherente end-to-end en lugar de outputs fragmentados.
Casos de uso
- Construyendo una aplicación multi-sección donde cada sección (auth, API, frontend) puede ser desarrollada independientemente
- Generando una pieza de contenido long-form con secciones distintas que cada una requiere diferente expertise
- Ejecutando una implementación paralela de una funcionalidad con dos enfoques para comparar antes de seleccionar uno
- Dividiendo un refactor de codebase donde diferentes módulos tienen diferentes perfiles de riesgo y necesitan diferente intensidad de revisión
- Escalando una revisión de código a través de un PR grande donde secciones requieren diferente expertise de dominio
Funciones principales
- Define la tarea spine: el objetivo general, las interfaces compartidas entre slices y los criterios para una integración exitosa
- Delega subtareas aisladas a subagentes con contratos explícitos: cada subagente debe saber cuáles son sus inputs, qué outputs debe producir y qué no debe tocar
- Recolecta outputs de subagentes y verifica que cumplen los contratos de interfaz antes de combinarlos
- Revisa el todo integrado para concerns cruzados (consistencia de manejo de errores, convenciones de logging, tipos compartidos) que subagentes individuales pueden haber manejado diferente
- Ejecuta verificación end-to-end contra el brief original para confirmar que el output combinado cumple el objetivo general
Relacionados
Relacionados
3 Entradas indexadas
Test-driven development
Impulsa el desarrollo mediante ciclos red-green-refactor donde escribes una prueba fallida que nombra el comportamiento deseado antes de escribir cualquier código de implementación. TDD produce pruebas que documentan la intención, detectan regresiones inmediatamente y fuerzan incrementos pequeños y verificables, haciéndolo especialmente valioso para funcionalidades complejas, correcciones de bugs con casos de fallo conocidos, y cualquier código que necesite una red de seguridad a largo plazo.
Dispatching parallel agents
Distribuye trabajo vergonzosamente paralelo a través de múltiples agentes de IA con briefs claros y protocolos de handoff nítidos, luego agrega sus resultados a través de un único integrador. Esta técnica maximiza el throughput cuando las tareas son independientes y el overhead de coordinación es bajo, haciéndola ideal para chunks de investigación, batches de archivos o procesamiento de datos en paralelo.
Multi-agent orchestration
Coordina múltiples agentes de IA en tareas compartidas con protocolos de handoff explícitos, gestión de estado compartido y resolución de conflictos para que el trabajo paralelo se mantenga coherente. Multi-agent orchestration es más estructurado que simple dispatch paralelo porque los agentes asumen roles distintos con dependencias explícitas en lugar de ejecutar briefs idénticos en datos independientes.