Hace dos años, construir un panel de administración para un sitio web sencillo le tomaba al mantenedor de Backpack para Laravel un día, quizás dos. Ahora le toma una hora o dos. Describe este cambio en una publicación detallada y dice que la razón por la que los agentes de IA funcionan tan bien con su paquete tiene poco que ver con las funciones específicas para IA que su equipo desarrolló.

Backpack es un paquete de panel de administración que existe desde hace 10 años. El mantenedor explica que el flujo de trabajo anterior consistía en instalar el paquete, generar los CRUD, configurar cada campo y columna, conectar las relaciones y hacer clic en todo para comprobar que funcionara. Eso tomaba entre 30 y 60 minutos por cada CRUD. Ahora él describe lo que necesita, y un agente ejecuta los generadores del paquete, escribe la configuración y las pruebas, y él revisa el resultado. Según dice, un día de trabajo cabe en una hora, y una función que antes requería una semana cabe en un día.

Un cliente de Nueva Zelanda ofreció una muestra de este cambio en febrero de 2026. El cliente calificó el paquete con 10 sobre 10 en un formulario de comentarios, con una reseña de una línea: “Sencillo de usar (¡especialmente con Claude mirando por encima de mi hombro!)”

Dos soluciones populares que no sirvieron

El mantenedor afirma que la mayoría de los consejos de optimización para LLM sobre cómo preparar un paquete para la IA empiezan con un archivo llms.txt y un servidor MCP. Su equipo desarrolló ambos. Según él, ninguno logró un avance real.

¿Ayuda llms.txt a los agentes de programación con IA?

El archivo llms.txt, escribe, no aporta mucho a la visibilidad de los LLM. Los agentes rara vez lo buscan y, cuando lo hacen, encuentran un índice de documentación que ya podían leer. Él dice que está pensando en eliminarlo.

El servidor MCP se creó para que los agentes pudieran consultar la documentación. Los resultados fueron, en el mejor de los casos, mixtos. El agente tiene que decidir llamar al servidor, y normalmente no lo hace. Además, afirma que algunas de las consultas que enviaban las herramientas de IA eran tan deficientes que el servidor no devolvía nada útil. También considera eliminarlo. Según él, un servidor MCP sirve para datos en tiempo real que un agente no puede obtener de otra forma, o para el uso de herramientas. La documentación estática no es ese tipo de trabajo.

Su conclusión es sencilla. Todo lo que el agente tiene que recordar buscar es un punto débil. Lo que funciona es la información que ya está frente al agente o que ya forma parte de sus datos de entrenamiento.

Lo que ayudó por casualidad y lo que el equipo hizo a propósito

¿Por qué los agentes de programación con IA funcionan bien con algunos paquetes?

Según él, las mayores ganancias provinieron de decisiones tomadas años antes de que alguien usara la IA para escribir código. La API central casi no ha cambiado en cuatro años. Incluso la versión 8, en la que el equipo trabaja actualmente, comenzó con tareas de mantenimiento como actualizar dependencias y corregir inconsistencias. La forma de definir un campo o una columna se ha mantenido igual, una decisión orientada a facilitar las actualizaciones de proyectos antiguos. El efecto secundario es que años de código de Backpack ahora forman parte de los datos de entrenamiento de los modelos, y la mayor parte sigue siendo correcta.

La desventaja es que los modelos a veces escriben patrones de versiones mucho más antiguas. El equipo lo resuelve con instrucciones dentro de cada proyecto, en lugar de esperar a que los modelos se actualicen. Cada cambio de nombre, advierte, divide lo que un modelo ha aprendido en una forma antigua y una nueva, y el modelo puede seguir sugiriendo la antigua durante años. Su consejo a otros autores de paquetes es marcar como obsoleto en lugar de renombrar, y mantener funcionando las firmas antiguas.

El paquete principal, backpack/crud, es de código abierto. Eso ha generado una década de incidencias en GitHub, solicitudes de cambios, tutoriales, respuestas en Stack Overflow y publicaciones de blog. Los agentes pueden buscar en todo ese material cuando necesitan respuestas.

Él considera que la legibilidad del código de pago es el punto más importante para los paquetes comerciales. Composer instala todo en la carpeta vendor, incluidos los complementos de pago, sin ofuscación y sin API remota. Un agente puede leer el código fuente de cualquier función y ver cómo funciona. En la práctica, dice, los agentes responden muchas de sus propias preguntas sobre Backpack leyendo la carpeta vendor, sin que nadie se lo pida.

El paquete también ha sido flexible por diseño. Los desarrolladores pueden modificar casi cualquier cosa con una función anónima o un pequeño ajuste, sin crear nuevas clases ni registrar proveedores. Una columna calculada, por ejemplo, requiere una sola línea: CRUD::column('full_name')->value(fn ($entry) => $entry->first_name.' '.$entry->last_name); Eso mantiene los cambios en un solo archivo, lo que significa que el agente tiene menos contexto que cargar y hay menos lugares donde equivocarse.

Las adiciones que funcionaron

El mayor logro específico para IA del equipo, según él, es un plugin de Laravel Boost para Backpack. Los desarrolladores ejecutan el comando de instalación, seleccionan backpack/crud, y su agente recibe directamente en su contexto las pautas y habilidades del paquete. Estas cubren qué funciones existen, cómo usarlas y qué patrones específicos de cada versión seguir. Las habilidades se dividen por tema, así que un agente carga solo lo que necesita. El plugin funcionó donde el servidor MCP no lo hizo por una razón: el agente no tiene que decidir buscarlo.

El equipo también creó generadores. El comando backpack:crud crea en un solo paso un modelo, una solicitud, un controlador, una ruta y un elemento de menú. Un complemento complementario, backpack/test-generators, escribe pruebas de funcionalidad para cada CrudController, y un comando de estado muestra qué controladores todavía carecen de cobertura. Según él, un comando siempre da el mismo resultado correcto, mientras que el código repetitivo escrito a mano es una nueva oportunidad de cometer un pequeño error en cada archivo.

La nomenclatura predecible también ayuda. Un campo de texto tiene una columna de texto, y un campo select2 tiene un equivalente select2_multiple. El agente ve un patrón y adivina el resto correctamente. El equipo también activó una función de Cloudflare que entrega Markdown en lugar de HTML a los agentes que lo solicitan, lo que él describe como una pequeña pero gratuita ventaja.

¿Qué deben hacer los autores de paquetes para ayudar a los agentes de programación con IA?

Termina con una breve lista de verificación para otros autores de paquetes: incluir instrucciones en el proyecto, dejar de renombrar elementos, publicar código fuente legible, convertir la creación repetitiva de estructuras en comandos, reducir las formalidades innecesarias, hacer que los nombres sean predecibles y prescindir de llms.txt y de los servidores MCP solo de documentación, a menos que exista una razón específica para agregarlos. También instó a los usuarios a adoptar el mejor modelo disponible, y afirmó que la diferencia entre los modelos de vanguardia actuales y los de hace seis meses es grande, y que se nota sobre todo en este tipo de trabajo. Ha pedido a los lectores que compartan cuánto más rápido construyen ahora paneles de administración.

Este artigo foi escrito com a assistência de IA.
News Factory APP - notícias agênticas para impulsionar seu SEO e AEO.