Un nuevo marco de flujos de trabajo para asistentes de programación con IA ya está disponible como versión estable, y sus desarrolladores afirman que puede reemplazar las sesiones de programación con indicaciones poco estructuradas por una entrega de software estructurada y verificable. El proyecto, llamado AI-DLC, abreviatura de AI-Driven Development Life Cycle (ciclo de vida del desarrollo impulsado por IA), está alojado en GitHub bajo la organización awslabs. Ejecuta un núcleo único e independiente del entorno de forma nativa en siete herramientas: Claude Code, Kiro CLI, Kiro IDE, Codex CLI, Cursor, opencode y GitHub Copilot.
La documentación del proyecto defiende de manera específica este enfoque. La programación con IA improvisada, según afirma, pierde contexto a medida que los proyectos crecen. AI-DLC intenta mantener requisitos, decisiones, implementación, pruebas y trabajo operativo vinculados mediante un único ciclo de vida auditado. El marco describe cinco fases y 33 etapas, desde la inicialización hasta la operación.
Instalación y configuración de un proyecto
La instalación se realiza con un único script. En macOS, Linux o el Subsistema de Windows para Linux, los usuarios ejecutan un comando de shell que descarga el instalador de la versión más reciente. Los usuarios de Windows, en cambio, ejecutan un comando de PowerShell. El instalador configura el comando nativo aidlc junto con todos los entornos de ejecución de las herramientas, y los usuarios no necesitan instalar Bun ni Node.js para la ruta estándar.
El instalador de Windows coloca la herramienta en la cuenta del usuario actual y agrega automáticamente su directorio bin a la variable PATH del usuario. La documentación advierte contra ejecutar el instalador desde una ventana de PowerShell abierta con derechos de administrador, lo que provoca una advertencia y una solicitud de confirmación. Los usuarios que quieran evitar cambios en PATH pueden pasar una marca para omitir dicho cambio. Quienes prefieran gestionar los archivos del proyecto por sí mismos, o que no puedan instalar un ejecutable nativo, pueden usar una ruta de copia manual. Esta ruta requiere Bun.
Una vez instalado, el usuario selecciona un entorno desde la raíz del proyecto con un comando como aidlc config --harness claude, y luego ejecuta aidlc doctor para verificar la configuración. Los entornos compatibles incluyen kiro-ide, kiro, codex, cursor, opencode y copilot. Cada herramienta tiene su propia forma de iniciar un flujo de trabajo. En Claude Code y opencode, los usuarios escriben /aidlc seguido de una descripción del trabajo. Codex CLI utiliza $aidlc en su lugar. En Kiro IDE, los usuarios primero eligen aidlc en el selector de agentes del panel de chat.
Cómo funciona un flujo de trabajo
Después de que un usuario describe una tarea, AI-DLC selecciona un flujo de trabajo según la solicitud, pide las decisiones que aún necesite y se detiene en puertas de aprobación antes de pasar al siguiente paso. El marco incluye 11 perfiles de flujo de trabajo que cubren funcionalidades, correcciones de errores, infraestructura, seguridad, pruebas de concepto y entrega empresarial. Su documentación recomienda empezar con Classic, Express y los flujos de trabajo específicos para compararlos.
El marco se apoya en 14 agentes: 11 expertos de dominio, dos revisores y un compositor adaptativo. Mantiene un registro de auditoría de 119 eventos, junto con estado persistente, conocimiento del equipo y reglas aprendidas. La revisión está vinculada al material fuente, lo que la documentación describe como evidencia de revisión limitada a la fuente.
El acceso a los modelos depende del entorno. La configuración del proyecto incluida conserva el proveedor y el modelo que el usuario ya haya elegido. En las superficies compatibles, el comando aidlc config providers puede aplicar la configuración de Amazon Bedrock. Kiro CLI y Kiro IDE no requieren respuesta sobre el proveedor, porque el acceso a los modelos viene incluido con Kiro. Actualmente, el proyecto recomienda Claude Opus 4.8 y señala que, por lo general, los modelos de razonamiento más capaces funcionan mejor.
La documentación también incluye una advertencia de confianza. En Kiro IDE, al abrir una carpeta de proyecto que no ha sido marcada como confiable, se le pide al usuario que decida si la confía. Confiar en una carpeta permite que sus hooks .kiro ejecuten comandos en la máquina del usuario, por lo que el proyecto aconseja confiar únicamente en carpetas que el usuario sea dueño o que ya haya revisado. El proyecto también advierte que la IA generativa puede cometer errores y que los usuarios deben revisar el resultado generado y los costos antes de actuar con base en ellos.
Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.