Bob Martin publica reglas de código para agentes de IA
Bob Martin publica reglas de código para agentes de IA
La habilidad ub-mode de Robert Martin establece límites para agentes de IA que escriben código: cambios mínimos, pruebas reales y corrección de causas.
Bob Martin, autor de «Clean Code», ha publicado un conjunto de reglas que siguen sus propios agentes de IA al escribir código.
Puntos clave:
- Una comprobación que solo oculta un fallo sin eliminar su causa no puede considerarse una corrección.
- Si una prueba sigue pasando aunque todas las funciones no devuelvan nada, conviene descartar esa prueba.
- Los cambios en el código deben ser mínimos, pero suficientes para resolver la tarea planteada.
- Antes de modificar el código, hay que escribir una prueba que revele el error existente.
Al instalar esta habilidad, se puede evitar que los agentes de IA oculten errores y prevenir situaciones en las que pruebas exitosas crean una falsa impresión de que el código funciona.
Prompt de instalación:
Instala la habilidad ub-mode del repositorio de GitHub unclebob/ub-mode en mi carpeta skills y usa el comando /ub-mode en el próximo cambio de código. Si crapper, dryer o mutator no están instalados, omite los pasos correspondientes.
Repositorio: unclebob/ub-mode
Por qué es importante
AnálisisEstas reglas reducen la falsa confianza creada por pruebas que pasan sin detectar fallos reales.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Bob Martin publica reglas para agentes de IA que escriben código
Bob Martin, autor de Clean Code, publicó el repositorio de GitHub ub-mode con un conjunto de reglas para agentes de IA que generan y modifican código.
Proyecto open source con 74 habilidades para desarrollo de juegos
Un repositorio de código abierto en GitHub reúne 74 habilidades para Unity, Godot, Unreal Engine y otros motores de juegos, con selección automática y soporte para Claude Code y Codex.
Proyectos de Claude Code: cómo una IA coordina un equipo de agentes autónomos
Análisis exhaustivo de Proyectos de Claude Code: arquitectura Coordinator y Threads, ramas paralelas, memoria compartida MEMORY.md y gestión de agentes en la nube.
Top Repositorios de GitHub para SEO y Keyword Research
8 repositorios open-source verificados en GitHub para búsqueda semántica de palabras clave, auditorías técnicas y Optimización para Motores Generativos (GEO).
Agentes de IA (Agentes Autónomos)
Sistemas de software basados en LLM que pueden percibir de manera autónoma el estado del entorno, descomponer objetivos complejos, invocar herramientas externas y corregir iterativamente sus propios errores.
Marcadores de Código Generado (AI Code Smells)
Antipatrones típicos y marcadores de código sintético ('código con olor' de IA). Comentarios obvios excesivos, duplicación de utilidades en cada archivo, mocks falsos y bloques try-catch sin sentido que generan código no verificado.