Skaro: cómo un solo desarrollador montó un orquestador de IA de ciclo completo en unas noches sin dormir

Cuando programadores de IA como Cursor, Copilot y Claude Code se convirtieron en una herramienta cotidiana para miles de desarrolladores, apareció una paradoja inesperada. Cuanto más potentes son los modelos de lenguaje, más se nota la necesidad, no de la generación de código en sí, sino de gestionarla bien. Un desarrollador ruso decidió abordar justo ese problema y presentó en Habr el proyecto Skaro, un orquestador de IA que promete controlar todo el ciclo de desarrollo, desde la especificación hasta el código terminado.

La historia de Skaro empezó, como suele ocurrir en la comunidad de código abierto, con una discusión en los comentarios. El autor había publicado antes un artículo sobre su experiencia con el código asistido por IA, en el que compartía enfoques prácticos para generar código. Los lectores le sugirieron la metodología SDD, Specification-Driven Development, es decir, desarrollo guiado por especificaciones. La idea encajó tanto con su propia experiencia que, en apenas unas noches sin dormir, montó un prototipo funcional de una herramienta que pone en práctica esa filosofía.

El concepto de Skaro parece sencillo a primera vista, pero tras esa sencillez se esconde un reto de arquitectura considerable. El desarrollador formula especificaciones: descripciones claras de lo que debe hacer el código, qué estructura debe tener y qué requisitos debe cumplir. Después entra la IA, que genera la implementación a partir de ellas.

Sin embargo, la diferencia clave con el prompting habitual es que Skaro asume el papel de orquestador: vigila que el contexto no se pierda entre iteraciones, que la estructura del proyecto se mantenga coherente y que la calidad del código no se degrade a medida que crece la base de código. Son justo los problemas con los que se topa cualquiera que haya intentado construir algo serio con asistentes de IA.

La pérdida de contexto es, probablemente, el mayor quebradero de cabeza de la programación con IA actual. Los modelos de lenguaje trabajan con una ventana de contexto limitada y, cuando el proyecto crece, el modelo empieza a «olvidar» decisiones anteriores, a duplicar lógica y a romper los patrones establecidos. Los desarrolladores tienen que dedicar buena parte de su tiempo, no a trabajo productivo, sino a volver a explicarle el contexto al modelo. Skaro intenta resolver este problema de forma sistemática, como un intermediario que almacena el contexto relevante y se lo pasa al modelo en cada paso.

El proyecto encaja en una tendencia más amplia que gana impulso en la industria. Cada vez más ingenieros concluyen que el futuro del código con IA no está en modelos más inteligentes por sí mismos, sino en la infraestructura que los rodea. Aparecen herramientas para gestionar prompts, sistemas de control de calidad del código generado y frameworks para descomponer tareas. En la práctica, se está formando una nueva capa en el stack de desarrollo: la de orquestación entre la persona y la IA. Skaro es uno de los primeros representantes de esta línea en la comunidad rusófona.

También conviene señalar la base metodológica del proyecto. SDD, como enfoque de desarrollo, parte de que la especificación es lo primero y la implementación lo segundo. Recuerda a prácticas clásicas como TDD (Test-Driven Development) y la programación por contrato, pero adaptado a la realidad de trabajar con IA generativa. Cuando el modelo recibe una especificación clara en lugar de una descripción vaga de la tarea, la calidad del resultado es previsiblemente mejor. Y cuando un orquestador automatizado vela por el cumplimiento de las especificaciones, el factor humano, en forma de contexto olvidado o instrucciones incoherentes, se reduce al mínimo.

Por supuesto, Skaro está todavía en una fase temprana y es prematuro juzgar su madurez. El proyecto lo creó un solo desarrollador al estilo de un hackatón, y queda un largo camino desde el prototipo hasta una herramienta fiable a la que se pueda confiar un desarrollo en producción. Sigue abierta la cuestión de la escalabilidad del enfoque: hasta qué punto el sistema podrá con proyectos realmente grandes, donde el número de especificaciones y sus interdependencias se cuenta por centenares.

Aun así, la mera aparición de proyectos como este señala un cambio importante en la mentalidad de los desarrolladores. La época del entusiasmo ingenuo por el código con IA, cuando bastaba con pedirle al modelo «hazme una aplicación», da paso a un enfoque más maduro. Los desarrolladores se dan cuenta de que la IA es una herramienta potente pero que exige disciplina, y empiezan a construir sistemas que la garanticen. Skaro es un síntoma característico de esta madurez y, al margen del destino de este proyecto concreto, la dirección que representa no hará más que ganar fuerza.