Yoyo pasó de 200 líneas a un agente autónomo que escribe su propio código en cinco días

Yoyo nació como 200 líneas de Rust y en pocos días se convirtió en un agente autónomo de programación con diario, pruebas e informes de errores dirigidos a sí mismo. Cada ocho horas lee su propio código, elige la siguiente tarea y confirma los cambios que funcionan. En cuatro días creció hasta unas 1.500 líneas por unos 12 dólares en costes de API. Además, el bot sabe dejar para más adelante sus funciones más difíciles.

Procesado por IA desde Habr AI; editado por Hamidun News
Yoyo pasó de 200 líneas a un agente autónomo que escribe su propio código en cinco días
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Lee su propio código y las anotaciones anteriores
Dato clave #2Revisa los nuevos tickets en GitHub
Dato clave #3Elige por sí mismo la siguiente tarea

Un experimento con el agente yoyo muestra con qué rapidez los modelos actuales pueden pasar de un simple script a un desarrollo casi autónomo. El desarrollador escribió unas 200 líneas de Rust, fijó un único objetivo —igualar el nivel de Claude Code— y después se limitó a observar.

Un ciclo sin humanos

Yoyo funciona como un ciclo autónomo que se lanza cada ocho horas. Al inicio de cada sesión, el agente lee su propio código fuente, repasa el diario de las ejecuciones anteriores y comprueba si la comunidad ha abierto nuevas tareas en GitHub. Después elige por sí mismo qué corregir o mejorar, escribe el código, ejecuta las pruebas y decide según el resultado.

Si los cambios superan la verificación, el agente hace un commit. Si algo se rompe, revierte y registra el fallo en su bitácora.

  • Lee su propio código y las anotaciones anteriores
  • Revisa los nuevos tickets en GitHub
  • Elige por sí mismo la siguiente tarea
  • Ejecuta pruebas, y confirma los cambios válidos o los revierte

En los primeros cuatro días de trabajo, las 200 líneas originales crecieron hasta unas 1.500, sin un solo commit humano. Según el autor del experimento, todo ese crecimiento costó unos 12 dólares en gastos de API.

Más interesante aún: el agente decidió por su cuenta reorganizar el proyecto en módulos cuando el código se quedó pequeño para un solo archivo. Nadie lo había fijado como regla aparte: yoyo detectó un problema de estructura y lo resolvió.

Hábitos de desarrollador

Lo más curioso de la historia no es el número de líneas ni siquiera los commits automáticos, sino un comportamiento que parece casi humano. En un momento dado, yoyo decidió registrar sus propios gastos de API e intentó obtener los precios actuales mediante una búsqueda web. Varias veces no logró analizar correctamente el HTML de una página de Anthropic y optó por un camino que muchos desarrolladores conocen: fijó los números en el código y se dejó una nota breve para el futuro.

«No volver a googlear esto»

La frase se hizo viral no por su profundidad técnica, sino porque es fácil reconocer en ella el hábito de trabajo de un ingeniero real.

Los rasgos humanos no terminan ahí. En las entradas de su diario, yoyo volvía una y otra vez a una función complicada —la salida en streaming—, pero en cada nuevo ciclo la aplazaba de nuevo y pasaba a tareas más sencillas. En la práctica, el agente empezó a procrastinar: reconocía la importancia del trabajo pesado, pero encontraba una y otra vez un motivo para dedicarse a algo menos penoso.

Notas para sí mismo

Otro momento notable del experimento es la capacidad de yoyo para redactar informes de errores dirigidos a sí mismo. Cuando el agente se topa con un problema que no puede resolver en una sesión, crea un ticket en GitHub, lo etiqueta con agent-input y deja instrucciones para su versión futura.

Ya no es solo generación de código bajo demanda, sino una forma primitiva pero muy clara de memoria y planificación a largo plazo: el sistema no solo ve el error, sino que sabe aplazarlo con su contexto para retomarlo más tarde.

Por eso el autor llama a lo que ocurre una especie de «El show de Truman» del desarrollo con IA. Todo el proceso se ve en el registro de git: se puede observar cómo el agente se modifica commit a commit, dónde se equivoca, dónde refactoriza y dónde se deja pistas.

Al quinto día, el proyecto ya tenía más de 2.000 líneas de código y más de 80 pruebas. Aun así, el efecto principal no es el tamaño del repositorio, sino que los observadores tienen la sensación de ver no un chat con un modelo, sino un proceso capaz de acumular experiencia.

Qué significa

La historia de yoyo indica que el siguiente paso en el desarrollo con IA depende no solo de modelos más potentes, sino también de un ciclo de trabajo bien construido a su alrededor. Cuando un agente tiene memoria, registro de errores, pruebas, un mecanismo de reversión y el derecho de elegir su siguiente paso, empieza a parecerse no a un autocompletado de código, sino a un desarrollador júnior muy verde, pero ya independiente.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Un ciclo sin humanos?

Yoyo funciona como un ciclo autónomo que se lanza cada ocho horas. Al inicio de cada sesión, el agente lee su propio código fuente, repasa el diario de las ejecuciones anteriores y comprueba si la comunidad ha abierto nuevas tareas en GitHub. Después elige por sí mismo qué corregir o mejorar, escribe el código, ejecuta las pruebas y decide según el resultado. Si los cambios superan la verificación, el agente hace un commit. Si algo se rompe, revierte y registra el fallo en su bitácora. Lee su propio código y las anotaciones anteriores Revisa los nuevos tickets en GitHub Eli

¿Qué se sabe sobre Hábitos de desarrollador?

Lo más curioso de la historia no es el número de líneas ni siquiera los commits automáticos, sino un comportamiento que parece casi humano. En un momento dado, yoyo decidió registrar sus propios gastos de API e intentó obtener los precios actuales mediante una búsqueda web. Varias veces no logró analizar correctamente el HTML de una página de Anthropic y optó por un camino que muchos desarrolladores conocen: fijó los números en el código y se dejó una nota breve para el futuro. «No volver a googlear esto» La frase se hizo viral no por su profundidad técnica, sino porque es

¿Qué se sabe sobre Notas para sí mismo?

Otro momento notable del experimento es la capacidad de yoyo para redactar informes de errores dirigidos a sí mismo. Cuando el agente se topa con un problema que no puede resolver en una sesión, crea un ticket en GitHub, lo etiqueta con agent-input y deja instrucciones para su versión futura. Ya no es solo generación de código bajo demanda, sino una forma primitiva pero muy clara de memoria y planificación a largo plazo: el sistema no solo ve el error, sino que sabe aplazarlo con su contexto para retomarlo más tarde. Por eso el autor llama a lo que ocurre una especie de «El

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…