El autor de un juego hecho con un agente de IA: 30 pruebas en verde no demostraban nada hasta que escribió una nueva

Situación conocida: por tercera vez le explicas lo mismo al agente y por cuarta vez lo hace a su manera. El autor de la estrategia Age of Poleis, donde el código lo escribe la IA y él mismo idea, decide y juega, describió cómo salió de ese ciclo. Su experiencia es útil para todos los que confían tareas rutinarias a agentes.

Regla, método y comprobación

La pila tecnológica: backend en Django, interfaz en React y TypeScript. El contrato se describe en el backend, de él se obtiene un esquema OpenAPI y del esquema se generan los tipos de TypeScript. La tentación es evidente: un tipo del frontend no coincide con la respuesta de la API y apetece corregirlo a mano, porque es una sola línea. Pero en la siguiente generación la corrección desaparece en silencio y el error vuelve.

Cuando el autor notó que no era la primera vez que lo explicaba, la regla pasó a las instrucciones permanentes del agente: no tocar a mano los archivos generados, cambiar la fuente y regenerar, y una nueva generación no debe cambiar nada. Pero el texto en una instrucción sigue siendo un deseo. Por eso apareció un paso en el script común de comprobación: genera el esquema y los tipos en archivos temporales y los compara con lo que hay en el repositorio. Si hay discrepancia, la comprobación se pone en rojo.

La fórmula es simple: una regla, un modo de cumplirla y una comprobación. Sin comprobación, la regla funciona mientras el agente la recuerda. Con comprobación, funciona siempre. El autor resuelve igual el formato, la localización y otras tareas rutinarias repetitivas.

Treinta pruebas en verde que comprobaban otra cosa

En la versión para Windows el juego se iniciaba con tres ventanas: carga, juego y espera al salir. El autor quería una sola ventana, dentro de la cual ocurrieran la carga y el juego. Dicho así, la tarea es una línea; en el código son varios estados: arranque, carga, cierre en mitad del arranque, guardado, reinicio.

Las 30 pruebas existentes de la envoltura estaban en verde. Pero comprobaban el comportamiento antiguo, del que el autor justamente quería alejarse. El verde significaba «funciona como antes», y hacía falta «funciona de otra manera». Por eso lo primero que apareció fue una nueva prueba del ciclo de vida de la ventana. Con el código viejo fallaba, porque buscaba la ventana principal y encontraba la de carga. Tras la reforma, pasó.

Para que el agente pueda verificar el resultado por sí mismo, el autor formula lo deseado como hechos observables: carga y juego en una sola ventana, cerrar durante el arranque no abre una ventana nueva, la campaña guardada sigue ahí tras reiniciar. Al final pasaron 96 pruebas de JavaScript y el agente ejecutó por separado la aplicación Electron real.

Dos trucos más. Primero: en cada informe el agente debe escribir qué no se verificó. Aquí fue la instalación en un Windows limpio. Un mes después, esa línea protege de una falsa confianza. Segundo: una captura de pantalla no demuestra el estado necesario. El primer fotograma mostraba el menú de preparación de la campaña, no el juego en sí. La confirmación fue solo un fotograma tardío dentro de la campaña junto con la comprobación de la ventana real.

Qué le queda a la persona

Cuando la parte técnica se verifica sin el autor, él juega con otras preguntas: no «¿funciona el botón?», sino «¿apetece pulsarlo?». La mecánica puede ser impecable y aburrida, y la economía se convierte fácilmente en contabilidad. Ninguna prueba lo detecta. Asignar habitantes a profesiones fue divertido los primeros minutos, pero tras cien periodos de juego cansó, y al final apareció la selección automática de candidatos según criterios.

Una trampa aparte es el perfeccionismo. El autor rejugó decenas de veces el inicio y arregló botones torcidos, aunque el azar del juego hace que cada partida sea distinta de todos modos. Él mismo aclara que el disfrute personal no sustituye las partidas de otros.

Las compilaciones, las firmas, la certificación y el marketing siguen en manos de la persona. La IA esboza una descripción en cinco minutos, pero no decide a quién le hace falta el juego ni qué mostrar primero.

Conclusión práctica

• ¿Repetiste una explicación dos veces? Conviértela en regla y de inmediato en una comprobación automática.
• Para cambiar un comportamiento, escribe una prueba que falle con el código viejo.
• Exige al agente una lista de lo no verificado y pruebas del estado, no solo una captura de pantalla.
• Lo que se puede medir, entrégaselo al agente. El gusto y la sensación de «es interesante», consérvalos tú.