Bucle de Desafío (Gauntlet Loop)
Transforma las instrucciones iniciales o el objetivo del usuario en un Bucle de Desafío—un ciclo de retroalimentación autónomo de constructor versus crítico basado en la técnica Claude of Duty de Matt Shumer, robonuggets/gauntlet-loop, duolahypercho/gauntlet-loop y el Marco de Tres Elementos de Ingeniería de Bucles de IA.
La mayoría de las salidas de agentes se quedan en "suficientemente bueno para IA" porque el constructor califica su propio trabajo basándose en palabras vagas. Un Bucle de Desafío reemplaza el prompting de una sola vez con un ciclo persistente construido sobre tres elementos centrales:
- Objetivo: El entregable concreto y el estado de resultado que debe hacerse realidad.
- Referencia o Métrica (El Estándar y el Crítico Severo): Un punto de referencia nombrado, obtenible y comparable lado a lado—acompañado de pruebas o métricas objetivas cuando corresponda—juzgado a ciegas por un crítico separado con contexto fresco.
- Límite: Criterios de éxito explícitos, límites de rondas/estancamiento, reglas de cambio de estrategia y puertas de seguridad/permisos que controlan cuándo se detiene o escala el bucle.
Paso 1: Identificar las Instrucciones Semilla y el Contexto
- Si el usuario pasó instrucciones en línea con
/gauntlet-loop <instrucciones>, úsalas como semilla. - Si el usuario invocó
/gauntlet-loopsin argumentos durante una conversación en curso, usa la tarea, plan o prompt actual bajo discusión. - Si no hay una tarea clara en el mensaje o historial de la conversación, pregunta al usuario qué quiere construir o lograr antes de continuar.
- Si la tarea toca un código o espacio de trabajo local, inspecciona rápidamente la estructura de directorios, el stack tecnológico, el ejecutor de pruebas o los scripts de compilación para que tus valores predeterminados propuestos hagan referencia a herramientas y comandos reales del proyecto.
Paso 2: Aclarar los Tres Elementos del Bucle (Proponer Valores Predeterminados)
Audita la solicitud del usuario contra los Tres Elementos Centrales a continuación. Siempre que falte algún elemento, esté poco especificado o use una barra de calidad vaga, pídele al usuario que confirme o ajuste los tres elementos mientras propones valores predeterminados concretos y con opinión.
Regla de vía rápida: Si el usuario ya proporcionó un Objetivo claro, una Referencia/Métrica específica y obtenible, y Límites claros—o dijo explícitamente "usa valores predeterminados" / "solo escribe el prompt"—omite la pregunta y procede directamente al Paso 3 usando tus mejores valores predeterminados.
1. Objetivo (¿Qué Resultado Concreto Debe Hacerse Realidad?)
- Reemplaza intenciones vagas ("mejorar el sitio", "escribir un buen CLI") con un estado de resultado observable y un entregable ("Construir una página de precios SaaS responsiva en Next.js + Tailwind donde un visitante por primera vez pueda comparar todos los planes y completar el pago en móvil").
- Valor Predeterminado Propuesto: Redacta un Objetivo afinado de 1 a 2 oraciones (incluyendo el stack tecnológico o formato detectado/recomendado) para que el usuario lo apruebe o modifique.
2. Referencia o Métrica (El Estándar de Calidad y el Juez Externo)
Todo en un Bucle de Desafío depende del estándar de calidad. Una barra de referencia válida debe pasar tres pruebas:
- Nombrada: Un artefacto real del mundo real, no un adjetivo o categoría. ("La página de precios en vivo de Stripe" o "capturas de pantalla de combate de Hades" funciona; "diseño SaaS galardonado" o "calidad AAA" solo falla.)
- Obtenible / Inspeccionable: El crítico puede realmente obtenerlo e inspeccionarlo durante la ejecución—capturar pantalla de la URL en vivo, leer el artículo publicado, ejecutar el binario o inspeccionar el repositorio. Si el agente no puede obtener la referencia, alucinará la comparación y aprobará trabajo mediocre.
- Comparable: Tanto nuestra salida real como la referencia pueden colocarse lado a lado con etiquetas eliminadas para que un crítico nuevo haga una selección binaria A/B a ciegas ("¿Cuál gana?") y nombre la única brecha más grande restante. Nunca uses una puntuación numérica del 1 al 10, que se desvía hacia arriba en cada ronda.
Gusto + Número vence al gusto solo: Siempre que el objetivo tenga una dimensión medible (conjunto de pruebas unitarias/de integración, latencia p95, puntuación Lighthouse/accesibilidad, desbordamiento horizontal cero a 360px, rendimiento de referencia, conteo de palabras o rastro de citas de fuentes primarias), combina la barra de referencia cualitativa con un verificador objetivo duro.
| Tipo de Objetivo | Barra de Referencia + Métrica Que Funciona |
|---|---|
| Sitio Web, App, UI | URL en vivo de un producto específico de primera clase (linear.app, stripe.com/pricing, vercel.com) capturada en vista de escritorio y móvil + cero errores de consola/accesibilidad/desbordamiento |
| Código, CLI, Biblioteca | Un repositorio de código abierto nombrado o la implementación de una herramienta (ripgrep, jq, esbuild) + un conjunto de pruebas automatizadas, fuzzer de propiedades y script de referencia de latencia/rendimiento |
| Juego, 3D, Interactivo | Capturas de pantalla o metraje de juego real de un título lanzado nombrado (Call of Duty, Hades, Brotato) comparado con fotogramas en vivo del juego + verificación de FPS objetivo / jugabilidad |
| Escritura, Documentos, Explicativos | 2–3 piezas publicadas específicas de un autor o publicación nombrada (ej. Julia Evans, Stripe Engineering Blog, Gwern) comparadas a ciegas con créditos eliminados + verificación de longitud/tiempo de lectura objetivo |
| Investigación, Estrategia, Análisis | Un informe de analista nombrado, sección de métodos de un artículo de referencia o memorando de ventas en corto forense + reconciliación automatizada de todas las afirmaciones contra datos de origen sin procesar |
| Presentación de Diapositivas, Entregable | Una presentación pública específica o memorando de una empresa de referencia con el mismo número de páginas/diapositivas + verificación de claridad narrativa |
- Valor Predeterminado Propuesto: Ofrece 2 a 3 barras candidatas específicas, nombradas y obtenibles (marcando la más difícil genuinamente alcanzable como
(Recomendada)), acompañadas de una métrica/verificador objetivo concreto.
3. Límite (Condiciones de Parada, Presupuestos y Puertas de Seguridad)
"Bucle hasta que sea absolutamente perfecto" motiva al crítico, pero un bucle sin límites contra una barra inalcanzable puede girar para siempre, quemar tokens o hacer cambios inseguros. Define límites explícitos en tres subejes:
- Parada por Éxito y Convergencia: Sal cuando cada componente pase su verificador objetivo y gane la comparación a ciegas contra la referencia (o cuando el "freno" designado por humanos detenga la ejecución).
- Límite de Iteración y Estancamiento: Limita las rondas por componente (predeterminado: máximo 5 rondas por pieza o detente después de 2 rondas consecutivas sin mejora significativa). Exige que el constructor cambie de estrategia si la misma brecha falla dos veces seguidas.
- Puerta de Permisos y Seguridad: Permite lectura local, borrador, edición, compilación, renderizado y pruebas. Prohíbe acciones irreversibles o externas sin aprobación humana explícita (sin despliegue a producción, eliminaciones destructivas, gasto de API pagada, cambios de credenciales/secretos o mensajes externos).
Cómo Preguntar al Usuario
Si se necesita aclaración, presenta un prompt breve y escaneable (o usa la herramienta estructurada ask_question del arnés si está disponible) que cubra solo los elementos no resueltos, con valores predeterminados prellenados para que el usuario pueda responder con una sola abreviatura (ej., "1, usa valores predeterminados"):
- Objetivo: Indica tu Objetivo afinado propuesto + stack y pregunta si algo debe cambiar.
- Referencia y Métrica: Lista 2–3 barras candidatas nombradas y obtenibles (
A,B,C, conA (Recomendada)) más el verificador/prueba objetiva propuesto. - Límite: Propón la condición de parada predeterminada (ej., Ganar A/B ciego + pasar comprobaciones, máximo 5 rondas por pieza, cambiar estrategia después de 2 fallos idénticos, solo ediciones locales) O "Humano como freno (sigue en bucle hasta que lo detenga)", y pregunta qué modo prefieren.
Paso 3: Generar el Bucle de Desafío Transformado
Una vez que el Objetivo, Referencia/Métrica y Límite estén seleccionados (o con valores predeterminados), presenta el resultado en tres partes:
1. Tarjeta de Diseño del Bucle de Desafío
Genera una tabla de resumen concisa que fije la arquitectura del bucle:
- Objetivo: El resultado exacto y el entregable que debe hacerse realidad.
- Barra de Referencia (Gusto): El artefacto nombrado y obtenible y cómo se obtendrá/inspeccionará antes de construir.
- Métrica Objetiva (Número): La prueba automatizada, referencia, verificación de diseño o verificación factual requerida antes de una revisión del crítico.
- Regla de Descomposición: Cómo se divide el trabajo en piezas pequeñas y evaluables de forma independiente (paralelizando solo partes genuinamente independientes; manteniendo sistemas estrechamente acoplados bajo propiedad secuencial coherente).
- Protocolo del Crítico: Subagente separado con contexto fresco; inspecciona el artefacto real renderizado/ejecutado (nunca el resumen del constructor); ejecuta una comparación A/B a ciegas con etiquetas eliminadas; hace una selección binaria y nombra la única brecha más grande restante.
- Estado y Progreso: El archivo utilizado para persistir la memoria del bucle (
GAUNTLET_PROGRESS.mdo una página de progreso en vivo) que registra partes completadas, evidencia, enfoques fallidos y brechas restantes para que el contexto no se pudra. - Límite: Las reglas de parada activas, límites de rondas y puertas de seguridad.
2. El Prompt del Bucle de Desafío
Genera un prompt autocontenido y listo para copiar y pegar dentro de un bloque markdown delimitado. Proporciona el Prompt Universal del Bucle de Desafío a continuación (adaptado a la tarea, herramientas y stack del usuario), y si el usuario quiere el estilo ultracompacto de 3 párrafos de Matt Shumer o comandos de bucle específicos del arnés, adapta la cola de cierre en consecuencia (ver referencias/ejemplos.md).
Construye [ENTREGABLE / OBJETIVO] en [STACK / FORMATO].
## 1. El Estándar de Calidad y la Métrica (Obtener Primero)
El estándar de calidad es [REFERENCIA NOMBRADA Y OBTENIBLE]. Antes de construir o juzgar, obtén e inspecciona la referencia real directamente ([CÓMO OBTENER: capturar pantalla de URL en vivo en escritorio y móvil / extraer el texto publicado / clonar o ejecutar la implementación de referencia])—nunca compares contra un recuerdo o descripción de ella.
Cada pieza también debe pasar estas comprobaciones objetivas: [MÉTRICAS / PRUEBAS / REFERENCIAS OBJETIVAS].
## 2. Descomposición y Propiedad
Divide el trabajo en las piezas más pequeñas que puedan construirse, verificarse y juzgarse por sí solas: [PIEZAS CANDIDATAS INICIALES].
- Despliega subagentes constructores en paralelo SOLO para piezas que sean genuinamente independientes.
- Mantén sistemas estrechamente acoplados bajo propiedad secuencial y coherente para que los componentes no colisionen.
## 3. El Bucle Constructor vs. Crítico Severo
Para cada pieza, ejecuta un constructor y un subagente crítico separado con contexto fresco (sin acceso a la cadena de pensamiento o excusas del constructor):
1. **Construir y Verificar**: El constructor crea o revisa la pieza y ejecuta las comprobaciones objetivas ([PRUEBAS / LINT / REFERENCIA / RENDERIZACIÓN]).
2. **Inspeccionar el Artefacto Real**: El crítico abre e inspecciona la salida real ([CAPTURAS DE PANTALLA / BINARIO EN EJECUCIÓN / REGISTROS DE PRUEBA / TEXTO BORRADOR])—nunca el resumen del constructor.
3. **Selección A/B a Ciegas**: El crítico coloca nuestro artefacto junto a [REFERENCIA NOMBRADA] a ciegas con etiquetas eliminadas, hace una selección binaria de cuál es mejor y, si el nuestro pierde, identifica la **única brecha más grande restante** con evidencia concreta y la envía de vuelta al constructor.
4. **Sin Calificación Suave**: El crítico debe ser despiadadamente severo. Están prohibidos los elogios y las puntuaciones numéricas del 1 al 10. Si el nuestro no gana la comparación a ciegas ni pasa todas las comprobaciones objetivas, sigue en bucle.
## 4. Seguimiento de Estado y Cambios de Estrategia
Mantén un `GAUNTLET_PROGRESS.md` compacto (y/o una vista de progreso en vivo) después de cada ronda registrando: pieza actual, número de ronda, veredicto del crítico, la única brecha objetivo, enfoques fallidos y resultados de comprobaciones objetivas. Si la misma brecha falla dos veces seguidas, abandona el enfoque actual y prueba una estrategia estructuralmente diferente.
## 5. Pasada de Integración Final y Límites
- **Crítico de Integración**: Una vez que las piezas individuales ganen, genera un crítico de integración fresco para inspeccionar el artefacto completo ensamblado de extremo a extremo en busca de consistencia, costuras, rendimiento y ajuste con el objetivo original.
- **Límites**: [CONDICIONES DE PARADA: ej., Detenerse cuando todas las piezas + la integración ganen el A/B ciego y pasen todas las comprobaciones objetivas, o después de N rondas por pieza / 2 rondas consecutivas sin ganancia medible]. Acciones permitidas: [ACCIONES LOCALES PERMITIDAS]. No hagas [ACCIONES PROHIBIDAS: desplegar a producción, eliminar datos, gastar dinero o tocar credenciales] sin aprobación humana explícita.
[COLA DE BUCLE DEL ARNÉS: Sigue en bucle hasta que el crítico elija el nuestro en cada pieza, ejecutando constructores y críticos como subagentes. / O para Claude Code: `/loop` en cada pieza hasta que gane; despliega subagentes y `ultracode`. / O para Codex: `/goal` hasta que cada pieza gane.]
3. Oferta de Ejecución
Termina preguntando:
"¿Te gustaría que ejecute este Bucle de Desafío ahora mismo como orquestador principal, modificar alguno de los tres elementos (Objetivo, Referencia/Métrica, Límite) o cambiar el estilo del prompt (Universal Acotado vs. Prompt Clásico de 150 Palabras para
/loopde Claude o/goalde Codex)?"
Si el usuario dice que lo ejecute, adopta inmediatamente el prompt generado como tus instrucciones operativas activas: obtén la referencia primero, inicializa GAUNTLET_PROGRESS.md, descompón las piezas y comienza la Ronda 1.
Qué Rompe un Bucle de Desafío (Barreras de Seguridad)
Nunca permitas que estos modos de fallo entren en un prompt de Desafío generado:
- Una barra vaga o no obtenible: "Hazlo de clase mundial" o nombrar un artefacto detrás de un muro de pago/inaccesible obliga al crítico a alucinar la comparación y aprobarlo todo.
- El constructor juzgando su propio trabajo: Un constructor recuerda cada compromiso que hizo y los racionaliza. El crítico debe ser un subagente con contexto fresco (o una pasada de verificación limpia despojada de justificaciones del constructor).
- Puntuaciones numéricas del 1 al 10 en lugar de una selección binaria: Las puntuaciones de 10 se desvían de 7/10 a 9/10 automáticamente a lo largo de las rondas. Exige una selección binaria A/B a ciegas ("¿Cuál gana?") más la única brecha más grande restante.
- Crítico leyendo resúmenes en lugar de inspeccionar el artefacto: Un informe de estado reluciente en markdown no es evidencia. El crítico debe inspeccionar píxeles renderizados, ejecutar el binario/pruebas o leer el texto real.
- Paralelizar código estrechamente acoplado: Desplegar 10 subagentes en el mismo bucle de estado o tubería de renderizado compartida causa colisiones de fusión y costuras visuales. Despliega solo piezas independientes y exige