En mi artículo anterior, expliqué por qué el vibe coding no es un juguete y qué significa ser CTO en una startup de IA hoy. Muchos me pedisteis el flujo de trabajo concreto. Aquí lo tenéis.
Así es exactamente como construimos Agely cada día. Sin teoría. Solo las herramientas, las técnicas y cómo las encadeno.
El principio fundamental
Antes de entrar en herramientas, hay que entender una cosa: el objetivo nunca es escribir código. El objetivo es generar las especificaciones adecuadas para que la IA escriba el código por ti. Tu trabajo se convierte en orquestación, no en ejecución.
Esto requiere un cambio en la forma de pensar. Dejas de pensar "¿cómo implemento esto?" y empiezas a pensar "¿cómo lo describo con la precisión suficiente?"
Mi pipeline en 3 pasos
Uso 3 herramientas principales, cada una con un propósito específico:
1. ChatGPT con voz + Canvas para generación de prompts
Para proyectos complejos, empiezo hablando. Uso ChatGPT con entrada de voz para generar mis prompts. Explico lo que quiero hablando, y luego le pido que reformule y reorganice todo en un prompt estructurado.
La magia ocurre con Canvas. Una vez que ChatGPT estructura mi prompt, lo guardo en un Canvas. Esto me da un documento limpio que puedo copiar/pegar y también modificar directamente. Se convierte en mi especificación de trabajo que voy refinando con el tiempo.
Lo que le pido a ChatGPT que incluya:
- El rol (como qué debe actuar la IA)
- Qué hacer
- Qué NO hacer
- La metodología a seguir
- El formato de salida esperado
La clave es que no tecleo, hablo (en francés o en inglés, da igual). Es 10 veces más rápido y captura mejor los matices.
2. Claude Opus para investigación profunda
Cuando necesito entender un tema complejo antes de construir, uso Claude Opus en modo de investigación extendida. Aquí es donde ocurre la magia.
La IA no consulta solo 10 o 20 fuentes. Explora cientos, a veces más de mil fuentes. Lleva tiempo, a veces más de una hora, pero obtienes un informe completo en markdown que se convierte en tu material de referencia.
Lo uso para:
- Investigación técnica de estado del arte
- Análisis competitivo
- Comprender nuevos dominios antes de programar
- Encontrar las mejores librerías y enfoques
El resultado es un informe que luego puedo inyectar en mis prompts de código. Esto significa que la IA que escribe mi código tiene acceso a conocimiento de vanguardia, no solo a sus datos de entrenamiento.
3. Windsurf + Claude Opus 4.6 Thinking para generación de código
Para la generación de código real, uso Windsurf (otros prefieren Cursor, ambos funcionan). El modelo es siempre Claude Opus 4.6 Thinking. Sí, es caro. Pero cuando aceleras de 10x a 30x, el coste se vuelve irrelevante.
El proceso:
- Pego mi prompt estructurado del paso 1
- En 10 a 15 minutos genera la funcionalidad
- Dedico 2 horas iterando con prompts más cortos
- Agrupo de 5 a 10 ajustes en un solo prompt
Consejo: en Windsurf pagas por prompt. Así que agrupar múltiples tareas en un prompt no solo es más rápido, es más barato. Siempre junto correcciones y ajustes relacionados.
Lo que inyecto en cada proyecto
Las plantillas y el contexto importan. Siempre incluyo:
- Configuraciones de linter
- Plantillas de tests end-to-end
- Archivos básicos: .gitignore, .editorconfig
- Un README completo
Antes metía todo esto directamente en mis prompts. Mis prompts iniciales a menudo tenían 300 a 500 líneas, solo para establecer el contexto correctamente.
Eso cambió cuando adopté el estándar AGENTS.md. Ahora todo el contexto del proyecto, convenciones, límites y comandos de build viven en archivos AGENTS.md dentro del árbol del proyecto. Windsurf los lee automáticamente.
El resultado: mis prompts de conversación pasaron de 500 líneas a 10. Describo la intención, la IA ya sabe el resto. Cuanto más contexto das, mejor es el resultado. Eso no ha cambiado. Pero ahora el contexto vive en el proyecto, no en tu portapapeles.
Por qué me ciño a librerías populares
La IA funciona mejor con herramientas bien documentadas y ampliamente usadas. En realidad es un buen mecanismo de disciplina.
Si estás recurriendo a una librería exótica, pregúntate: ¿por qué no uso lo que usa todo el mundo? Hay cuestiones de estabilidad y mantenimiento. Las librerías populares se mantienen, perduran, y la IA las conoce bien.
Si absolutamente necesitas algo menos común, la IA puede leer código fuente en GitHub y adaptarse. Pero las librerías populares dan mejores resultados más rápido.
El ciclo de iteración
Así es un desarrollo típico de funcionalidad:
- Prompt por voz a ChatGPT → especificación estructurada en Canvas
- Si es necesario: investigación profunda con Claude → informe de referencia
- Generación inicial en Windsurf → prototipo funcional en 15 minutos
- Validación rápida del resultado
- Iteración con prompts agrupados → 5-10 correcciones por prompt
- Tiempo total: 2 a 4 horas para lo que antes llevaba días
Qué validar
No leo cada línea del código generado. Eso anularía el propósito.
Lo que realmente reviso:
- Archivos esenciales (puntos de entrada, lógica central)
- Organización general y estructura de carpetas
- Patrones de diseño utilizados
- Algoritmos complejos y lógica de negocio
- Controles de seguridad y almacenamiento de datos
¿El resto? Si compila, pasa los tests y respeta mis reglas de linter, confío. El punto es centrar tu atención donde importa: decisiones de arquitectura, lógica compleja y asegurarte de que la IA entendió tu intención.
Esto es lo que separa el vibe coding eficiente de la confianza ciega o de microgestionar cada línea.
Construyendo Agely con este flujo de trabajo
En Agely, cada funcionalidad pasa por este pipeline.
Lo que habría requerido un equipo de 10 personas durante meses lo está construyendo un desarrollador, potenciado con IA. No porque la IA haya reemplazado el pensamiento, sino porque ha eliminado el cuello de botella de teclear.
El paradigma ha cambiado. Las herramientas están aquí. La pregunta es si construirás el flujo de trabajo que te haga 10 veces más productivo, o seguirás escribiendo código línea por línea.