← Últimos artículos
💻 computer science

Configuring Agentic AI Coding Tools: An Exploratory Study

Este estudio presenta un análisis sistemático de los mecanismos de configuración de herramientas de IA agénticas en 2.923 repositorios de GitHub, revelando que los archivos de contexto (especialmente AGENTS.md) dominan el panorama actual mientras que las funciones avanzadas como habilidades y subagentes tienen una adopción superficial y varían según la cultura de cada herramienta.

Autores originales: Matthias Galster, Seyedmoein Mohsenimofidi, Jai Lal Lulla, Muhammad Auwal Abubakar, Christoph Treude, Sebastian Baltes

Publicado 2026-03-24
📖 4 min de lectura☕ Lectura para el café

Autores originales: Matthias Galster, Seyedmoein Mohsenimofidi, Jai Lal Lulla, Muhammad Auwal Abubakar, Christoph Treude, Sebastian Baltes

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que los agentes de IA (como Claude Code, GitHub Copilot o Cursor) son como nuevos empleados muy inteligentes que acabas de contratar para tu empresa de software. Son geniales, pero si no les das instrucciones claras, pueden cometer errores, escribir código extraño o no entender cómo funciona tu negocio.

Este estudio es como un gran inventario que los investigadores hicieron para ver cómo los programadores están "entrenando" a estos nuevos empleados. Analizaron casi 3,000 proyectos de código abierto en GitHub para entender qué herramientas usan para darles instrucciones.

Aquí tienes los hallazgos principales, explicados con analogías sencillas:

1. El "Manual de Instrucciones" es el Rey (Context Files)

La forma más popular de dar instrucciones es mediante Archivos de Contexto (como CLAUDE.md o AGENTS.md).

  • La analogía: Imagina que le das a tu nuevo empleado un cuaderno de notas (un archivo de texto) en su escritorio. En ese cuaderno, le escribes: "Aquí usamos Python", "No olvides probar el código", "Así se llama nuestro jefe".
  • Lo que descubrieron: Casi todos los proyectos usan este método. Es lo más fácil y común. De hecho, está surgiendo un "estándar universal" llamado AGENTS.md. Es como si todos los empleados, sin importar si trabajan para Google, Microsoft o Anthropic, empezaran a usar el mismo tipo de cuaderno para que sea más fácil cambiar de jefe sin tener que reescribir todo.

2. Las "Habilidades Especiales" están subutilizadas (Skills)

Los creadores de estas IAs ofrecieron una función llamada Skills (Habilidades).

  • La analogía: Piensa en esto como si pudieras darle a tu empleado una caja de herramientas mágica. En lugar de solo leer un cuaderno, podrías darle un script que diga: "Si el cliente pide un reporte, ejecuta este programa automáticamente".
  • Lo que descubrieron: Aunque esta caja de herramientas es muy potente, la gente apenas la usa. La mayoría de los programadores solo ponen instrucciones escritas (texto estático) en lugar de crear scripts ejecutables. Es como tener una caja de herramientas llena de martillos y destornilladores, pero la gente solo usa el martillo para escribir notas. Se están perdiendo la parte de "automatización real".

3. Los "Sub-empleados" (Subagents)

Existe la opción de crear Subagentes, que son como asistentes especializados a los que el empleado principal puede delegar tareas difíciles.

  • La analogía: Si el empleado principal es el gerente, un subagente sería un especialista en contabilidad o en diseño.
  • Lo que descubrieron: Muy pocos proyectos usan esto. Además, aunque algunas IAs permiten que estos subagentes tengan una "memoria" (un cuaderno donde guardan lo que aprenden para siempre), nadie lo está usando todavía. Es como tener un empleado que olvida todo al día siguiente porque nadie le ha enseñado a llevar un registro.

4. Cada herramienta tiene su propia "cultura"

El estudio notó que los usuarios de diferentes IAs tienen hábitos distintos.

  • La analogía: Es como si los empleados de una empresa de tecnología usaran camisetas de un color, y los de otra empresa usaran gorras.
    • Los usuarios de Claude usan muchas herramientas diferentes.
    • Los usuarios de Cursor se enfocan mucho en reglas estrictas.
    • Los usuarios de Copilot suelen quedarse solo con el cuaderno básico.

¿Qué significa todo esto para ti?

  1. Empieza por lo básico: Si quieres usar una IA para programar, lo primero que debes hacer es crear un archivo llamado AGENTS.md. Es el "punto de entrada" más fácil y funciona con casi todas las herramientas.
  2. No te conformes con solo leer: La IA puede hacer mucho más que solo leer instrucciones. Podrías darle scripts para que ejecute tareas complejas, pero la mayoría de la gente aún no se ha atrevido a hacerlo.
  3. El futuro: Estamos en una etapa temprana, como cuando la gente empezaba a usar los primeros teléfonos móviles. Ahora todos usan el teclado para escribir mensajes (el archivo de texto), pero pronto quizás todos usen la cámara y la voz (scripts y automatización) de forma natural.

En resumen: Los programadores están usando estas IAs, pero principalmente les están dando un "manual de instrucciones" en lugar de programarlas para que trabajen de forma autónoma y compleja. El estudio sugiere que el futuro está en enseñarles a hacer más cosas por sí mismas, no solo a leer.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →