El creador de Claude Code revela su flujo de trabajo, desatando la locura entre los desarrolladores

Estados Unidos - Agencia de Noticias Ekhbary

El creador de Claude Code revela su flujo de trabajo, desatando la locura entre los desarrolladores

Cuando habla el creador del agente de codificación más avanzado del mundo, Silicon Valley no solo escucha, toma notas. Durante la última semana, la comunidad de ingeniería ha estado analizando un hilo en X (anteriormente Twitter) de Boris Cherny, el creador y jefe de Claude Code en Anthropic. Lo que comenzó como una simple compartición de su configuración personal de terminal se ha convertido en un manifiesto viral sobre el futuro del desarrollo de software, calificado por expertos de la industria como un momento decisivo para la startup.

"Si no estás leyendo las mejores prácticas de Claude Code directamente de su creador, estás atrasado como programador", escribió Jeff Tang, una voz prominente en la comunidad de desarrolladores. Kyle McNease, otro observador de la industria, fue más allá, declarando que con las "actualizaciones que cambian el juego" de Cherny, Anthropic está "en llamas", enfrentando potencialmente "su momento ChatGPT".

La emoción surge de una paradoja: el flujo de trabajo de Cherny es sorprendentemente simple, pero permite que un solo humano opere con la capacidad de producción de un pequeño departamento de ingeniería. Como señaló un usuario en X después de implementar la configuración de Cherny, la experiencia "se siente más como Starcraft" que como la codificación tradicional, un cambio de escribir sintaxis a comandar unidades autónomas. Esto representa una desviación significativa de las metodologías de desarrollo convencionales.

Del Codificador Solitario al Comandante de Flota Digital

El enfoque de Cherny redefine radicalmente el papel del desarrollador. En lugar del tradicional "bucle interno" de codificación, donde un programador escribe, prueba e itera una sola función, Cherny actúa como un director de orquesta que coordina múltiples agentes de IA. Su revelación de que ejecuta "5 Claude en paralelo en mi terminal", numerando las pestañas del 1 al 5 y usando notificaciones del sistema para gestionar la entrada, ha cautivado al mundo de la tecnología.

Utilizando las notificaciones del sistema iTerm2, Cherny gestiona eficazmente cinco flujos de trabajo simultáneos. Mientras un agente de IA ejecuta un conjunto de pruebas, otro refactoriza un módulo heredado y un tercero redacta documentación, Cherny supervisa todo el proceso. Extiende aún más esta capacidad ejecutando "5-10 Claude en claude.ai" en su navegador, utilizando un comando "teleport" para transferir sin problemas las sesiones entre la interfaz web y su máquina local. Esta estrategia multiagente y multiplataforma es la clave de su productividad amplificada.

Este modelo operativo valida firmemente la estrategia "hacer más con menos" articulada por la presidenta de Anthropic, Daniela Amodei. Mientras que competidores como OpenAI se centran en inversiones masivas en infraestructura, Anthropic, a través del flujo de trabajo de Cherny, demuestra que la orquestación superior y la utilización inteligente de los modelos de IA existentes pueden generar ganancias de productividad exponenciales. Esto resalta una divergencia estratégica en cómo las principales empresas de IA abordan el crecimiento y la innovación.

La Elección Contraintuitiva: Opus 4.5, el Modelo Más Lento y Más Inteligente

En un movimiento que desafía la obsesión de la industria por la velocidad, Cherny reveló su dependencia exclusiva del modelo más potente, aunque más lento, de Anthropic: Opus 4.5. Cherny explicó: "Uso Opus 4.5 con 'pensamiento' para todo. Es el mejor modelo de codificación que he usado, y aunque es más grande y más lento que Sonnet, ya que tienes que guiarlo menos y es mejor en el uso de herramientas, casi siempre es más rápido que usar un modelo más pequeño al final."

Esta perspectiva es crucial para los líderes de tecnología empresarial. El principal cuello de botella en el desarrollo moderno de IA no es la velocidad de generación de tokens, sino el tiempo humano invertido en corregir los errores de la IA. El flujo de trabajo de Cherny sugiere que pagar el "impuesto de cómputo" por un modelo más capaz por adelantado elimina significativamente el posterior "impuesto de corrección". Este cambio de paradigma fomenta una reevaluación de los análisis de costo-beneficio en la adopción de IA, priorizando la capacidad cognitiva sobre la velocidad de procesamiento bruta.

Un Archivo Compartido para la Memoria Colectiva de IA

Cherny también abordó el persistente desafío de la "amnesia de IA": la incapacidad de los modelos de lenguaje grandes estándar para retener estilos de codificación específicos de la empresa o decisiones arquitectónicas entre sesiones. La solución de su equipo es elegantemente simple: un solo archivo llamado CLAUDE.md dentro de su repositorio Git.

"Cada vez que vemos que Claude hace algo incorrecto, lo agregamos a CLAUDE.md, para que Claude sepa no hacerlo la próxima vez", escribió. Esta práctica transforma la base de código en un organismo que se auto-mejora. Cuando un desarrollador humano revisa una solicitud de extracción (pull request) y detecta un error, no solo corrige el código, sino que también actualiza el archivo CLAUDE.md, reentrenando efectivamente a la IA. Como señaló el líder de producto Aakash Gupta, "Cada error se convierte en una regla". Cuanto más tiempo colabora el equipo, más refinado e inteligente se vuelve el agente de IA.

Comandos Slash y Sub-Agentes: Automatizando Tareas Tediosas

La eficiencia del flujo de trabajo "estándar" de Cherny se basa en una automatización rigurosa. Utiliza comandos slash (slash commands)—accesos directos personalizados integrados en el repositorio del proyecto—para ejecutar operaciones complejas con una sola pulsación de tecla. Un comando como `/commit-push-pr`, invocado docenas de veces al día, maneja autónomamente la burocracia del control de versiones, eliminando comandos Git manuales, la escritura de mensajes de commit y la creación de solicitudes de extracción.

Además, Cherny despliega sub-agentes, personalidades de IA especializadas, para distintas fases del desarrollo. Un "simplificador de código" refina la arquitectura después de que se realiza el trabajo principal, mientras que un agente "verify-app" ejecuta pruebas de extremo a extremo antes de que se envíe algo.

Bucles de Verificación: La Verdadera Clave para el Código Generado por IA

El notable éxito de Claude Code, que según se informa ha alcanzado mil millones de dólares en ingresos anuales recurrentes, se atribuye en gran medida a sus robustos bucles de verificación. La IA no solo funciona como un generador de código, sino como un probador integrado.

Cherny escribió: "Claude prueba cada cambio que integro en claude.ai/code utilizando la extensión de Chrome de Claude. Abre un navegador, prueba la interfaz de usuario y itera hasta que el código funcione y la experiencia del usuario sea buena." Argumenta que dar a la IA una forma de verificar su propio trabajo, ya sea a través de la automatización del navegador, la ejecución de comandos bash o la ejecución de suites de pruebas, mejora la calidad del resultado final en "2-3x". El agente no solo escribe código; lo valida rigurosamente.

Un Cambio de Paradigma en la Ingeniería de Software

La reacción de la industria al flujo de trabajo de Cherny señala un cambio crucial. La "codificación con IA" ha evolucionado de una simple función de autocompletar en un editor a un sistema operativo integral para el trabajo. Como resumió Jeff Tang en X: "Lee esto si ya eres ingeniero... y quieres más poder". Las herramientas para multiplicar la producción humana por un factor significativo ya están aquí. La clave reside en replantear la IA no como un asistente, sino como una fuerza laboral capaz. Los programadores que den este salto mental primero no solo serán más productivos, sino que redefinirán fundamentalmente su papel en el futuro de la ingeniería de software.