Un agente de IA en VS Code genera el borrador de una especificación técnica en 15–20 minutos en lugar de 1,5 días
Los analistas tienen que reescribir a mano los requisitos del cliente y las actas de las reuniones para convertirlos en una especificación técnica particular (ЧТЗ). Eso les lleva un día o día y medio. Un equipo puso a un agente de IA en VS Code y le dio skills: archivos Markdown con reglas como «no inventes» e «indica la fuente». Ahora el borrador de la ЧТЗ está listo en 15–20 minutos, y con la revisión, en media jornada. La conclusión: la ventaja no la aporta el modelo, sino los límites estrictos y la verificación del analista.
Procesado por IA desde Habr AI; editado por Hamidun News
El analista recibe del cliente un documento con requisitos funcionales de negocio (БФТ), le añade las notas de un par de reuniones y debe convertirlo todo en una especificación técnica particular (ЧТЗ), es decir, en un documento que los desarrolladores puedan entender. A mano, esto lleva un día o día y medio: abrir la plantilla, trasladar los requisitos, buscar las formulaciones adecuadas y dar formato. El equipo que redacta los requisitos para desarrollo le ha cedido esta rutina a un agente de IA en VS Code.
El borrador de la ЧТЗ se genera ahora en 15–20 minutos y, con la revisión del analista, el documento está listo en media jornada en lugar de día y medio. Estas cifras son estimaciones internas del equipo, no mediciones independientes. Aun así, su experiencia muestra cómo configurar un agente para que ayude en vez de inventar.
Cómo funciona el flujo de trabajo
El esquema es este: la reunión o la БФТ se convierte en un resumen en Markdown, el agente genera el borrador, el analista lo corrige y el documento pasa a Confluence o a desarrollo. Hay varios agentes. Una parte funciona en servidores internos con modelos locales, a los que se puede entregar el código fuente sin autorizaciones previas. El resto se conecta mediante el acceso corporativo a la nube y solo recibe los documentos que permite la política de la empresa.
Trabajan en el chat integrado de VS Code (GitHub Copilot Chat). Los modelos locales se conectan mediante BYOK («trae tu propia clave»): se indica el proveedor (Ollama, Azure o cualquier endpoint compatible con OpenAI) y la clave, y el modelo aparece en la lista junto a los de la nube. Eligieron VS Code porque los repositorios ya están abiertos allí, se puede tener al lado una carpeta aparte a modo de «sandbox» y los archivos se enlazan en el chat con referencias como #file:requirements.md, sin copiar el texto en el prompt. El mismo enfoque funciona en Cursor, IntelliJ IDEA y opencode.
También hay un componente económico. Analizar una БФТ grande junto con el código de tres servicios consume muchos tokens, por lo que un modelo local en hardware propio suele salir más barato que uno en la nube.
Skills en lugar de prompts largos
El agente se configura mediante skills. Un skill es un archivo Markdown corriente con instrucciones; en VS Code se guarda en .github/skills/<nombre>/SKILL.md, y el agente lo activa por sí mismo cuando la descripción coincide con la tarea. Un skill tiene tres partes: la estructura del resultado con restricciones estrictas («no inventes», «indica la fuente», «resalta las discrepancias»), un resumen del contexto del proyecto (dominio, stack, roles, normativa) y enlaces a material de referencia, como el glosario y la descripción de la arquitectura. Por eso la petición en sí ocupa dos líneas: los archivos y la tarea.
El agente tiene las herramientas mínimas: lectura de archivos, búsqueda por palabras clave y escritura solo en la carpeta output/. Los autores advierten: con permiso de escritura, el agente puede sobrescribir el archivo equivocado, así que los límites son imprescindibles.
Los skills están en un repositorio git común, uno por cada tipo de trabajo: ЧТЗ, artículo en Confluence, análisis de código, casos de prueba, resumen de reunión, memoria explicativa del proyecto técnico, puntos de función para calcular el НМЦК (precio máximo inicial del contrato) y requisitos para desarrollo. Quien se incorpora clona el repositorio y obtiene un conjunto listo para usar. Si el agente «se desvía», comparan su skill con el de referencia. Eligieron los skills en lugar de Cursor Rules y de los prompts de sistema porque son un archivo portable que se puede revisar y versionar.
El contexto está estrictamente limitado: de 2 a 4 archivos Markdown con documentos y de 1 a 3 servicios de código, indicando además el método concreto, por ejemplo «mira el cálculo de la comisión en CommissionService.java». Cuando intentaron darle al agente todo de golpe, se ahogaba y empezaba a inventar. De ahí la regla: no más de 3–4 archivos a la vez, y solo con los términos clave de la tarea.
Qué se consigue y dónde miente el agente
Tres casos prácticos. El análisis del cálculo de una comisión, repartido entre tres microservicios y sin documentación decente, llevó unos 40 minutos (20 de trabajo del agente y 15 de verificación; el resto, para plantear la tarea) en lugar de dos o tres horas, y sin distraer a ningún desarrollador. El borrador de la ЧТЗ se genera en 15–20 minutos, más una o dos horas de revisión.
El artículo en Confluence sigue la misma lógica: borrador en 10 minutos en lugar de media jornada. Aquí hay servidores MCP conectados, y el agente crea la página por sí mismo y adjunta los archivos. En una mejora pequeña bastan un par de correcciones; en una funcionalidad grande con una decena de escenarios se reescribe la mitad del texto.
Los errores son los habituales. Cuando falta contexto, el agente se lo inventa: de la frase «se comentó la mejora del modelo de estados» puede deducir estados que no existen en el sistema. Rara vez admite que no sabe algo y ofrece con seguridad información verosímil pero incorrecta. En los proyectos en ruso se confunden «заявка», «обращение» y «запрос», por lo que el glosario dentro del skill es obligatorio. Si la БФТ y el acta de la reunión se contradicen, el agente puede quedarse con la versión que le resulte más cómoda y no señalar la discrepancia, de modo que el bloque «Discrepancias» se contrasta a mano con las fuentes.
La verificación tiene varias etapas: el analista coteja el borrador con las fuentes, la lógica y el formato; el documento para el cliente se acuerda con él, y los requisitos para desarrollo los revisa el equipo de desarrollo. Los errores sistemáticos es más fácil corregirlos con una frase («en la sección 3 has confundido „Rechazado“ y „Retirado“, corrígelo en todo el documento»); los pequeños se arreglan a mano.
Qué conviene aplicar
Empiece con una БФТ y un acta en una carpeta vacía, no con una funcionalidad grande. Cree un skill aparte para cada tipo de documento. Limite al agente a una sola carpeta de escritura. Merece la pena escribir un skill si la tarea se repite, por ejemplo el resumen semanal de reuniones: en una tarea puntual es más rápido hacerlo uno mismo. Trate al agente como a un becario competente: reunirá el material y resaltará los puntos oscuros, pero el responsable del documento final es el analista.
- 20 nov 2026Anthropic, creadora de Claude, recauda $81,3 mil millones en su IPO con una valoración de $1,5 billones
- 20 nov 2026Anthropic recauda $81,3 mil millones en su IPO y supera el récord de SpaceX, de $75 mil millones
- 20 nov 2026Anthropic sale a bolsa y capta $81,3 mil millones: sus acciones suben un 17% en un día
- 20 nov 2026Hugging Face y llama.cpp lanzan Llama for Windows, una utilidad de 1 MB para usar IA sin terminal
Preguntas frecuentes sobre la noticia
Cómo funciona el flujo de trabajo?
El esquema es este: la reunión o la БФТ se convierte en un resumen en Markdown, el agente genera el borrador, el analista lo corrige y el documento pasa a Confluence o a desarrollo. Hay varios agentes. Una parte funciona en servidores internos con modelos locales, a los que se puede entregar el código fuente sin autorizaciones previas. El resto se conecta mediante el acceso corporativo a la nube y solo recibe los documentos que permite la política de la empresa.
¿Qué se sabe sobre Skills en lugar de prompts largos?
El agente se configura mediante skills. Un skill es un archivo Markdown corriente con instrucciones; en VS Code se guarda en .github/skills/<nombre>/SKILL.md, y el agente lo activa por sí mismo cuando la descripción coincide con la tarea.
¿Qué se sabe sobre Qué se consigue y dónde miente el agente?
Tres casos prácticos. El análisis del cálculo de una comisión, repartido entre tres microservicios y sin documentación decente, llevó unos 40 minutos (20 de trabajo del agente y 15 de verificación; el resto, para plantear la tarea) en lugar de dos o tres horas, y sin distraer a ningún desarrollador. El borrador de la ЧТЗ se genera en 15–20 minutos, más una o dos horas de revisión. El artículo en Confluence sigue la misma lógica: borrador en 10 minutos en lugar de media jornada.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.