Buenas prácticas

Estas prácticas ayudan a que la metodología no se convierta en una colección de automatismos frágiles.

Diseña calidad desde la spec

No esperes a la revisión final para descubrir criterios, riesgos o guardarraíles. La spec debe hacer explícito qué significa calidad para esa tarea.

Mantén el contexto vivo

Si el equipo toma una decisión de arquitectura o cambia una convención, actualiza el contexto. La IA no puede aplicar reglas que solo existen en conversaciones pasadas.

Separa roles

Usa Spec Author, Implementer y Reviewer con responsabilidades diferenciadas. Mezclar interpretación, construcción y revisión reduce control.

Trabaja por tareas pequeñas

Cuanto más pequeña sea la unidad de trabajo, más fácil será validar, revertir, explicar y aprender.

Haz explícitos los supuestos

Un supuesto escondido en código es difícil de revisar. Un supuesto escrito en spec.md puede aprobarse, corregirse o bloquearse.

Usa MCPs con intención

Conecta fuentes vivas cuando aporten información necesaria. No uses MCPs para compensar documentación estable que debería vivir en el repositorio.

Crea skills cuando haya repetición real

Una skill debe capturar un procedimiento que el equipo ya entiende. Si todavía estamos explorando, mejor iterar manualmente.

Valida siempre contra spec

La validación no depende de si la IA “parece segura”. Depende de criterios, guardarraíles y evidencias.

Registra aprendizajes

Cuando una tarea revela un patrón, una excepción o un problema recurrente, decide si debe ir a contexto, skill, troubleshooting o guardarraíl.

Default recomendado

Después de cada tarea importante, pregunta: ¿qué hemos aprendido que debería quedar versionado para que la próxima ejecución sea mejor?