Cómo escribir un juego de 114.000 líneas con IA: prácticas para gestionar el contexto

Un desarrollador escribió un juego de navegador de 114.000 líneas íntegramente con redes neuronales, y lo hizo en tres semanas. No es una demostración del poder de la IA, sino un análisis práctico de la metodología: cómo mantener manejable un proyecto grande cuando la base de código ya no cabe en la ventana de contexto.

Tres semanas y 114.000 líneas

Un juego de navegador no es un proyecto de juguete. 114.000 líneas de código escritas en solitario en tres semanas son un ritmo inalcanzable sin redes neuronales. El autor no usó la IA como asistente de autocompletado, sino como generador completo: describía las tareas en lenguaje natural, recibía las implementaciones, iteraba sobre el resultado y seguía adelante.

Pero a mitad del trabajo ya quedó claro que la velocidad de generación no es el principal problema de un proyecto grande asistido por IA. El problema principal es la capacidad de gestión. Cuanto mayor es la base de código, más difícil resulta explicarle a la red neuronal qué está ya implementado, qué decisiones están fijadas y qué no se debe hacer bajo ningún concepto. El modelo no recuerda la elección de patrones de hace dos sesiones. No sabe que una función ya está escrita en otro archivo.

Cuando se acaba el contexto

La ventana de contexto es una limitación fundamental del modelo de lenguaje al trabajar en un proyecto grande. Incluso en los modelos más potentes es finita: miles de líneas de código, multiplicadas por comentarios y documentación, superan rápidamente el volumen disponible. Cuando el proyecto pasa de varias decenas de miles de líneas, la red neuronal físicamente no puede mantener todo el repositorio en memoria a la vez.

Las consecuencias son predecibles. La IA empieza a inventar funciones que ya existen en otro archivo, entra en conflicto con los acuerdos de arquitectura adoptados en las primeras etapas e ignora el estilo de nomenclatura introducido un par de sesiones antes. El código compila, pero la lógica interna empieza a desmoronarse.

Esto no es un fallo del modelo. Es un problema estructural que exige una solución estructural por parte del desarrollador.

Cómo mantener el proyecto bajo control

Varios principios que funcionaron en la práctica:

• Documentación de decisiones fuera del código: cada decisión de arquitectura se registra en un documento aparte. Antes de una nueva sesión, la IA lo recibe como parte del contexto junto con la tarea.
• Modularidad estricta: los archivos se mantienen pequeños a propósito para que cada uno quepa por separado en la ventana de contexto. Nada de archivos de tres mil líneas.
• Briefings de sesión: cada nueva sesión empieza con una breve introducción: qué está hecho, qué convenciones están vigentes y en qué se trabaja ahora mismo.
• Convenciones de nomenclatura uniformes: un estilo estricto para funciones, variables y módulos reduce el riesgo de colisiones que la IA no detecta sin un recordatorio explícito.
• Revisiones «a ciegas»: pedir periódicamente al modelo que explique el código que él mismo escribió. Es una buena forma de descubrir contradicciones ocultas y la deriva lógica entre sesiones.

Ninguno de estos principios es nuevo: todos se aplican en el desarrollo en equipo para coordinar a las personas. Con la IA funcionan de otra manera: como mecanismo para gestionar la atención del modelo. No se trata de «quién es responsable de qué», sino de «qué sabe el modelo ahora mismo y cuál de esas cosas es importante».

Qué significa esto

114.000 líneas en tres semanas son una metodología reproducible, no una hazaña aislada. La IA es capaz de escribir código a escala industrial, pero la capacidad de gestión de un proyecto grande sigue dependiendo de la persona. Estructura, documentación y una gestión consciente del contexto: eso es lo que distingue a un proyecto que se puede continuar y desarrollar de una base de código que ya nadie entenderá, ni siquiera la propia red neuronal.