GitHub Copilot: cómo hacer que la IA respete las reglas de tu código

Imagina que has contratado a un becario muy talentoso, pero totalmente desmemoriado. Escribe código estupendo y conoce todas las bibliotecas modernas, pero cada mañana tienes que explicarle de nuevo que en este proyecto no usamos Redux y que la documentación está en una carpeta concreta. Así era trabajar con GitHub Copilot hasta hace poco.

Perdías minutos valiosos «alimentando» el chat con los archivos necesarios o recordándole por centésima vez los patrones de arquitectura acordados por el equipo. El agente estándar @workspace es bueno como herramienta universal, pero su carácter «promedio» solía frenar a los desarrolladores con experiencia. Cuando la IA propone una solución técnicamente correcta pero ajena al estilo de tu proyecto, eso no es ayuda, sino trabajo extra de refactorización.

La situación cambió con la llegada de VS Code 1.106. Los desarrolladores de GitHub y Microsoft por fin han escuchado los lamentos de quienes están cansados de copiar instrucciones sin fin en la ventana del chat.

Han aparecido los Custom Agents, un mecanismo que convierte a Copilot de un compañero de viaje ocasional en un empleado de plantilla que conoce todos tus reglamentos internos. En lugar de señalarle a la IA las particularidades de tu stack cada vez, ahora puedes crear un rol especializado. Puede ser un experto en seguridad que revise el código según las listas de verificación internas, o un arquitecto frontend que conozca todos los matices de tu biblioteca de componentes personalizada.

La clave es que el contexto ya no hay que imponerlo a mano: pasa a formar parte de la personalidad del agente.

La configuración de estos asistentes es de lo más pragmática. Microsoft ofrece dos vías: la interfaz visual de VS Code, para quienes prefieren ver lo que hacen, y los archivos de configuración, para los fans de la automatización. En el archivo github-copilot.

json ahora se puede escribir no solo un conjunto de instrucciones, sino todo un ecosistema de conocimiento. Le indicas al agente en qué archivos apoyarse primero, qué documentación externa tener en cuenta y qué reglas seguir al generar respuestas. Es un cambio fundamental en la experiencia de usuario.

Si antes te adaptabas a la lógica de la red neuronal, ahora es ella la que se adapta a tu flujo de trabajo. Literalmente creas un molde de tu experiencia y se lo entregas al algoritmo.

¿Por qué importa ahora? La industria se aleja poco a poco de la euforia por los «simples chats inteligentes» y avanza hacia una integración profunda de la IA en las cadenas de producción. Ya no queremos solo «generar una función»; queremos que encaje a la perfección en un proyecto existente, con todos sus parches, su código heredado y los geniales hallazgos arquitectónicos del año pasado. Los Custom Agents atacan el problema de la carga cognitiva del desarrollador. Ya no tienes que recordar qué sabe exactamente Copilot de tu proyecto en cada momento. Simplemente llamas al agente adecuado y obtienes un resultado que cumple tus expectativas el 90% de las veces, en lugar del 60% habitual.

Por supuesto, esto es solo el principio del camino hacia agentes plenamente autónomos, pero el paso es considerable. En el futuro seguramente veremos marketplaces de estos roles personalizados o la posibilidad de compartirlos dentro del equipo a través del repositorio. Por ahora, es una buena razón para replantear tu enfoque de la programación en pareja con IA. Si todavía usas el chat estándar para tareas complejas de proyecto, simplemente pagas de más con tu tiempo por no querer configurar la herramienta una sola vez. Configurar tu propio agente lleva diez minutos y ahorra las horas que antes se iban en corregir «alucinaciones» o consejos promedio de un algoritmo universal.

Lo principal: Microsoft apuesta por la personalización y la especialización. ¿Podrán los agentes personalizados librarnos por completo de la gestión manual del contexto, o solo tendremos una capa más de configuración que vigilar?