El arnés es la clave: cómo un desarrollador en solitario logra resultados de equipo con LLMs
The Harness Is the Thing
Scott Fryxell, desarrollador en solitario, explica cómo ha construido un 'arnés' (harness) que unifica sus herramientas de IA (Cursor, Claude, Pi) y le permite alcanzar la calidad de un gran equipo. Detalla su flujo de trabajo con modelos de bajo costo como DeepSeek para tareas rutinarias y modelos de frontera para planificación y crítica, reduciendo el uso de modelos caros en un 75%. También muestra cómo su producto, una app de cámara que convierte fotos en vectores, se integra con el arnés, y comparte la estructura de su configuración, incluyendo skills y AGENTS.md. El artículo reflexiona sobre la comodificación de los modelos y la importancia del arnés como punto de apoyo entre las expectativas del desarrollador y las capacidades de los LLMs.
El arnés es la cosa; el punto de apoyo desde el cual mis expectativas se encuentran con las capacidades del LLM.
- andai
He estado muy contento con Luna, pero mi enfoque es "muchas ediciones pequeñas" para las cuales los modelos ya alcanzaron la saturación hace un año.
(También probé el enfoque de "dejar que un modelo masivo haga cambios masivos" y todavía me estoy recuperando psicológicamente de la experiencia. ¡Puede que el código nunca se recupere!)
Además, Luna y Flash parecen estar a la par ahora, excepto que Luna es más rápida y ¿más barata?
- AirMax98
Leer esto realmente me hace desear tener un flujo de trabajo un poco mejor. Dependo totalmente de Fable hasta el punto de que no uso otros modelos, y ya he llegado a un punto en el que me topo con límites de uso cada semana. Realmente estoy viviendo de prestado: cuando Anthropic finalmente aplique su aumento del 50% en el uso a finales de agosto, definitivamente me veré obligado a cambiar mi flujo de trabajo. Cuando eso suceda, me resulta difícil imaginar que me quedaré con un solo modelo en un solo proveedor.
- esalman
Lo que he aprendido en la última semana es que un arnés es básicamente un bucle while.
En cada iteración haces una llamada al LLM, realizas algún trabajo (por ejemplo, una llamada a una herramienta), aumentas el prompt (añadiendo o compactando, etc.) —no necesariamente en ese orden— y continúas.
Hasta que se cumpla una condición de fin. Entonces sales del bucle.
- nullbio
El aprendizaje adaptativo LoRA usando modelos de pesos abiertos y tus propias trazas de razonamiento es la clave. Los grandes laboratorios tienen un trabajo enorme por delante si quieren competir con ejecutar tu propio modelo: básicamente tendrán que dar a cada usuario su propia máquina virtual persistente. Cuando todo esté dicho y hecho, creo que su único foso real será como proveedores de inferencia/hardware. La compra de OpenRouter por parte de Stripe fue una apuesta muy inteligente.
- dnnehgf
Lo dudo. Algún día los arneses se volverán lo bastante complejos como para que empieces a pedir a los modelos que los interpreten y modifiquen.
El patrón de capas de determinista, probabilístico, determinista, probabilístico. Es un patrón extraño, pero parece de algún modo natural.