9 publicaciones etiquetados con "Best Practices"

Markdown ganó la primera fase de la colaboración con agentes porque es simple.

Es fácil de generar, fácil de comparar en un diff, fácil de pegar en una pull request y suficientemente bueno para la mayoría de notas. Por eso se convirtió en el formato natural por defecto para coding agents: planes, resúmenes, especificaciones, notas de revisión, postmortems y listas de implementación terminaron como Markdown.

La publicación más reciente de Anthropic sobre Claude Code argumenta que ese valor por defecto empieza a mostrar sus límites.

El argumento no es que Markdown sea malo. Es que Claude Code ahora puede hacer más que escribir un archivo de texto largo, y HTML ofrece al modelo una mejor superficie para ese trabajo: más densidad de información, estructura visual más clara, artefactos más fáciles de compartir e interactividad ligera.

Para desarrolladores, es un cambio práctico. Cambia lo que deberíamos pedir a Claude Code que produzca.

Lo más importante que hay que entender sobre Conway es esto:

Conway no es un producto de Anthropic lanzado oficialmente.

Lo que existe hoy es una mezcla de:

• lanzamientos oficiales de Anthropic alrededor de Cowork, Dispatch, computer use, scheduled tasks y auto mode
• documentación actual del centro de ayuda que muestra cómo encajan esas piezas
• un informe de terceros del 1 de abril de 2026 que sacó a la luz un entorno interno no lanzado llamado Conway

Si solo miras la filtración, te pierdes la arquitectura. Si solo miras los lanzamientos oficiales, te pierdes hacia dónde parece ir Anthropic.

La historia técnica real es la combinación de ambas cosas.

La frase “Claude Code source code leaked” al principio sonaba a exageración típica de redes sociales.

Pero al mirar con más detalle la evidencia comunitaria, ese escepticismo necesita actualizarse.

Esta historia no va solo de prompts extraídos ni de un rumor vago. La afirmación más creíble es que un source map enviado dentro del paquete npm de Claude Code expuso una ruta hacia archivos fuente internos, y la comunidad lo usó para reconstruir una base de código mucho mayor que la que mostraba el repositorio público.

Eso está bastante más cerca de una filtración real de source que de una simple hipérbole social.

Respuesta corta: no como una sola función con ese nombre, pero en capacidad de workflow, casi sí.

Anthropic no publicó un lanzamiento llamado "auto-fix in the cloud". Lo que realmente lanzó es más interesante: Claude Code ya tiene las piezas para ejecutar trabajo de coding sobre infraestructura cloud gestionada por Anthropic, monitorear pull requests, intentar corregir fallos de CI automáticamente, e incluso hacer merge cuando los checks pasan.

Para developers, esa distinción importa. No es solo un matiz de naming; define cómo se arma realmente el workflow, qué parte es automática y qué parte sigue dependiendo de tu configuración.

Claude ha lanzado tantas cosas en las últimas semanas que es fácil perder de vista el patrón grande.

No es solo una racha de funciones aisladas. Anthropic está cerrando el ciclo alrededor de un producto agent más completo: más memory, más context, más execution, más review y mejores superficies de salida.

Si construyes con Claude, o si tu equipo trabaja sobre workflows con Claude, esa es la historia que realmente vale la pena mirar.

El contexto de 1M tokens en Claude ya no es solo una beta.

Al 13 de marzo de 2026, Anthropic anunció disponibilidad general de 1M context para Opus 4.6 y Sonnet 4.6. Para equipos que procesan código y documentos extensos, esto cambia decisiones de arquitectura.

Este artículo resume qué está disponible hoy, qué limitaciones siguen vigentes y cómo hacer rollout sin romper producción.

La actualización de Skill Creator de Anthropic en marzo de 2026 puede resumirse fácil como “mejores herramientas”.

Pero para equipos que ya envían workflows de agentes, el cambio real es mayor: ahora los skills tienen un ciclo de vida testeable, más cercano a ingeniería de software que a retoques de prompt.

Este post resume qué cambió, qué está viendo la comunidad y cómo adoptarlo sin frenar al equipo.

La mayoría de los agent skills fallan por una razón aburrida: editamos prompts, ejecutamos una vez y decimos que “ya está mejor”.

La última actualización de Skill Creator de Anthropic empuja un bucle más de ingeniería: primero probar, luego medir comportamiento y después refinar. Si construyes workflows de agentes internos, este es el cambio que realmente importa.

Este post reescribe el anuncio oficial como un flujo para developers que puedes ejecutar cada semana.

La mayoría de los equipos no falla con agentes por la calidad del modelo.

Falla porque elige el workflow pattern equivocado demasiado pronto: demasiada orquestación, demasiadas piezas y ninguna razón clara para tanta complejidad.

La guía reciente de Anthropic sobre patrones comunes de workflows de agentes es útil, pero este post la reescribe para developers que construyen sistemas de producción.