Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

VibeCBS recopila los alias de los proyectos de antemano: el agente encuentra 2,8 veces más documentos

Un mismo proyecto vive con tres nombres: en el tracker se llama «Menú de la semana», en la wiki «Suscripción semanal de comida» y en el chat «Ufanador». Un agente que solo conoce un nombre responderá «lo lanzamos el viernes» y no verá el chat donde el lanzamiento ya se había aplazado. VibeCBS recopila estos alias de antemano: en 300 épicas (grandes proyectos), la búsqueda devolvió 13.178 documentos en lugar de 4.741, es decir, 2,8 veces más. Conviene buscar los alias antes de la primera pregunta.

Procesado por IA desde Habr AI; editado por Hamidun News
VibeCBS recopila los alias de los proyectos de antemano: el agente encuentra 2,8 veces más documentos
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1El nombre se registra con 3 confirmaciones con una puntuación superior a 0,8, o con 2 confirmaciones con al menos 0,95
La recopilación de la ficha76 consultas a las fuentes; en una repetición, cero
El análisis de una ficha7 llamadas al modelo y unos 250 mil tokens

Un mismo proyecto en la empresa casi siempre vive con varios nombres, y el agente de búsqueda normalmente conoce solo uno de ellos. Imaginemos el proyecto ficticio «Menú de la semana»: desde el viernes, la compañía quiere vender cenas para siete días. Abres una épica (así se llama una tarea grande que agrupa tareas pequeñas) en el tracker.

Todas las tareas están cerradas y en el último comentario se lee «lo hablamos en el chat». ¿En qué chat exactamente? No está claro.

Un desarrollador se sorprende: «Pero si está en Ufanador». Y la página con los requisitos en Confluence se llama «Suscripción semanal de comida». Tres nombres de un mismo proyecto son alias.

Dentro del equipo todos los conocen, pero el agente no. El desarrollador de la plataforma VibeCBS mostró con datos de producción cuánto reduce esto la búsqueda: en 300 épicas grandes, el número de documentos encontrados pasó de 4.741 a 13.

178, es decir, 2,8 veces más, cuando los alias se incluyeron en la consulta.

Por qué el agente responde con seguridad y de forma incorrecta

Si el agente solo tiene el nombre del tracker, encontrará las tareas cerradas y el plan con la fecha del viernes. Tendrá enlaces reales y responderá: «Sí, lanzamos el viernes». La respuesta parece fiable porque está respaldada por fuentes. Pero la decisión del product manager de aplazar el lanzamiento está en un hilo de Telegram donde el proyecto se llama «Ufanador».

El autor de VibeCBS, una plataforma para trabajar con datos corporativos, muestra cómo una persona llega a esa palabra. Primero toma el número de la épica MENU-42 y lo busca en los textos de Confluence. Encuentra los requisitos con otro título. A partir de la dirección de la página localiza en el chat la respuesta del desarrollador, y en la pregunta que le hicieron ve la palabra «ufanador». Con esa palabra encuentra en Slack el informe del tester y, en Telegram, la pregunta «¿Dejamos Ufanador en el correo?» y la respuesta del product manager: «Aplazamos el lanzamiento a la semana siguiente». El nombre antiguo dio el «enviamos» de ayer; el apodo, el «no enviamos» de hoy.

Cuándo una palabra se convierte en el nombre de un proyecto

No cualquier palabra sirve como alias. Si buscas simplemente «suscripción», en un chat vecino aparecerá «arreglamos la suscripción», pero eso no tiene que ver con los pedidos semanales. Por eso en VibeCBS la búsqueda de alias es una etapa separada y funciona en dos pasos.

La palabra puede probarse en la búsqueda a partir de un único mensaje: el modelo propone la siguiente consulta y muestra de dónde sacó la palabra. La consulta entra en la cola del proyecto, el código lanza la búsqueda, descarta por identificadores los registros ya revisados y entrega al modelo solo los nuevos.

Registrar la palabra en la ficha del proyecto es más complicado. Se necesitan confirmaciones independientes. El modelo puntúa de 0 a 1 la seguridad con la que cada una vincula la palabra con el proyecto, y el código comprueba si hay fundamentos suficientes.

Bastan tres confirmaciones con una puntuación superior a 0,8, o dos si ambas puntuaciones son de al menos 0,95. Los umbrales son configurables. La independencia es clave: el enlace al mismo informe del tester puede reenviarse a diez chats, pero el informe sigue siendo uno.

En el caso de «ufanador» hay dos confirmaciones: la respuesta del desarrollador con el enlace a los requisitos y el informe del tester sobre la tarea de MENU-42. Si el modelo puntúa cada una al menos con 0,95, el nombre entra en la ficha junto con los enlaces a las fuentes.

Cifras de producción y economía de tokens

El 21 de noviembre, el autor tomó de producción de VibeCBS 300 épicas grandes de 2026. En 217 de ellas se encontraron alias. Para cada épica contó cuántos documentos distintos devolvió la búsqueda: un documento puede ser una tarea o una página de requisitos. Solo con los nombres de las épicas sumaron 4.741 documentos. Con los alias confirmados de las fichas, 13.178. Los resultados crecieron casi 3 veces (exactamente, 2,8).

Una aclaración metodológica: dentro de una épica los documentos se cuentan sin repetir, pero si una página habla de dos épicas, entrará dos veces en la suma total. Además, el aumento del número de documentos no equivale a un aumento de respuestas útiles. Es un indicador de cobertura, no de precisión.

La idea de ingeniería principal es no hacer esperar al primer usuario. Se podría encargar al primer agente que resuelva el caso y guarde los nombres para los siguientes, pero entonces la persona tendría que esperar mientras el agente recorre tareas y chats. En cambio, los alias se buscan durante el bootstrap, es decir, en el primer análisis de todo el corpus corporativo, y luego se actualizan a medida que llegan nuevos mensajes y cambian las tareas. Este trabajo previo se llama precómputo.

El consumo se midió en una épica promedio. El código hizo 76 consultas a las fuentes para reunir el material de la ficha, y en una ejecución repetida vio que la recopilación ya estaba completa y no hizo ninguna consulta nueva. El análisis del material de una ficha costó 7 llamadas al modelo y unos 250 mil tokens. Pagar ese precio cada vez que alguien abre un chat nuevo sería un derroche. Además, una ficha común da el mismo resultado a todos los agentes: tanto al que pregunta por el lanzamiento como al colega de marketing que necesita un correo.

Qué hacer en la práctica

Si estás construyendo un RAG corporativo o un agente asistente, comprueba cómo encuentra los proyectos que no tienen el nombre oficial. Reúne los alias de antemano, exige varias fuentes independientes y guarda los enlaces junto al nombre. No cuentes como confirmaciones distintas el mismo documento reenviado.

Este esquema también tiene una limitación. Incluso con la ficha hay que mirar hasta qué fecha llega la conversación: el autor, antes de enviar el correo, igualmente verifica qué escribió el product manager en último lugar. Si la búsqueda solo tiene datos hasta el jueves, habrá que abrir el propio chat o decirle honestamente al colega hasta qué día tienes información.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por qué el agente responde con seguridad y de forma incorrecta?

Si el agente solo tiene el nombre del tracker, encontrará las tareas cerradas y el plan con la fecha del viernes. Tendrá enlaces reales y responderá: «Sí, lanzamos el viernes». La respuesta parece fiable porque está respaldada por fuentes. Pero la decisión del product manager de aplazar el lanzamiento está en un hilo de Telegram donde el proyecto se llama «Ufanador». El autor de VibeCBS, una plataforma para trabajar con datos corporativos, muestra cómo una persona llega a esa palabra.

Cuándo una palabra se convierte en el nombre de un proyecto?

No cualquier palabra sirve como alias. Si buscas simplemente «suscripción», en un chat vecino aparecerá «arreglamos la suscripción», pero eso no tiene que ver con los pedidos semanales. Por eso en VibeCBS la búsqueda de alias es una etapa separada y funciona en dos pasos. La palabra puede probarse en la búsqueda a partir de un único mensaje: el modelo propone la siguiente consulta y muestra de dónde sacó la palabra.

¿Qué se sabe sobre Cifras de producción y economía de tokens?

El 21 de noviembre, el autor tomó de producción de VibeCBS 300 épicas grandes de 2026. En 217 de ellas se encontraron alias. Para cada épica contó cuántos documentos distintos devolvió la búsqueda: un documento puede ser una tarea o una página de requisitos. Solo con los nombres de las épicas sumaron 4.741 documentos. Con los alias confirmados de las fichas, 13.178. Los resultados crecieron casi 3 veces (exactamente, 2,8).

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…