YouMind
Iniciar sesión

5 patrones de orquestación de agentes respaldados por investigación

@googlecloud
INGLÉS19 nov 2026
239K
2.6K
248
63
4.7K

TL;DR

Cinco patrones respaldados por investigación para orquestar múltiples agentes de codificación de IA, incluyendo la separación constructor-verificador y la selección Best of N, mejoran la confiabilidad frente a los enfoques de un solo agente.

Muchos desarrolladores manejan equipos de agentes y la orquestación de agentes "a puro feeling", pero ¿realmente funciona?

En este artículo, te presento cinco patrones respaldados por investigaciones para manejar equipos de agentes en Antigravity, Claude Code o cualquier otro agente de programación. Ya sea que estés creando aplicaciones nuevas, manteniendo bases de código heredadas o realizando investigaciones, aprenderás cuándo cada patrón supera a un solo agente y obtendrás prompts listos para usar y probarlo tú mismo.

Por: YK Sugi, Ingeniero Senior de Relaciones con Desarrolladores, Google Cloud

1. Separa al constructor del verificador. En lugar de dejar que un solo agente se encargue de todo, podemos dividir la construcción y la verificación en dos hilos separados. Un agente construye. Un segundo agente, en un hilo nuevo, revisa si el resultado hace lo que pediste. Si un modelo revisa su propio trabajo en el mismo hilo, corre el riesgo de dejarse influenciar por lo que generó antes.

De hecho, los estudios muestran que los modelos son malos jueces de su propio trabajo. Les cuesta corregir su propio razonamiento sin retroalimentación externa y prefieren sus propias respuestas por encima de las demás.

Usa este patrón para los cambios que realmente importan. La autoevaluación sigue siendo útil para cambios pequeños o cuando las pruebas dan retroalimentación.

Prompt: Inicia un subagente nuevo como verificador de solo lectura. Haz que revise si este diff cumple con lo que pedí.

Google Cloud - inline image

2. Divide el trabajo en carriles. Cuando una tarea se puede separar claramente, asígnale un responsable a cada parte; por ejemplo, un subagente para el frontend, otro para el backend y otro para la documentación. Haz que trabajen en paralelo sin editar los mismos archivos.

En un estudio de 2026 sobre 652 tareas de programación, dos agentes trabajando en código superpuesto tuvieron aproximadamente un 30 % menos de éxito que un solo agente haciendo ambas tareas.

En un estudio de Google y el MIT, los equipos de agentes lograron puntuaciones hasta un 80.8 % más altas que un solo agente en un benchmark financiero con partes independientes, y entre un 39 % y un 70 % más bajas en un benchmark de planificación donde cada paso depende del anterior.

Google Cloud - inline image

Para trabajos difíciles de dividir en partes claras, como frontend y backend, un solo hilo suele funcionar mejor. Lo mismo aplica para correcciones de bugs pequeñas, donde los subagentes en paralelo no ayudaron en otro estudio.

Prompt: Inicia tres subagentes en paralelo: uno para el frontend en web/, otro para el backend en api/ y otro para la documentación en docs/. Cada uno debe editar únicamente los archivos de su propia carpeta. Cuando los tres terminen, verifica que las partes funcionen juntas.

Google Cloud - inline image

3. El mejor de N (Best of N). Ejecuta la misma tarea varias veces en paralelo y deja que una suite de pruebas o una evaluación elija al ganador. AlphaCode, un sistema de programación de DeepMind, funcionaba así: generaba muchos programas candidatos y los filtraba ejecutándolos. Este método logró resultados muy competitivos en concursos de programación.

En un estudio de 2024 sobre este enfoque de Best of N, las tasas de aprobación siguieron aumentando a lo largo de miles de intentos en tareas con verificaciones automáticas. En issues reales de GitHub, un modelo pasó de resolver el 15.9 % en un solo intento al 56 % con 250 intentos. Sin una verificación automática, elegir un ganador por voto mayoritario o mediante un modelo de puntuación se estancó alrededor de los 100 intentos.

Google Cloud - inline image

Prompt: Ejecuta cinco subagentes en paralelo en Gemini 4 Hydrogen, cada uno intentando optimizar esto en su propio worktree. Evalúa cada intento con las métricas, elige el mejor y dime el resultado.

4. Consejo de modelos. Pídele propuestas independientes a varios modelos, haz que jueces voten con los nombres de los modelos ocultos y luego combina las mejores ideas. Úsalo cuando no haya una prueba clara o una verificación automática, como en arquitectura o diseño visual.

En un estudio, combinar las respuestas de varios modelos obtuvo mejores puntuaciones que un solo modelo de vanguardia. En otro, un panel de distintos modelos coincidió mejor con el juicio humano que un único juez grande.

Google Cloud - inline image

Por ejemplo, diseñé este logo de un barco con un consejo de modelos. Bastaron dos rondas para pasar de un primer intento básico al ícono final.

Google Cloud - inline image

Prompt: Pídele a Gemini 4 Carbon, Gemini 4 Neon y Claude Opus 5.5 un diseño independiente a cada uno. Haz que tres agentes nuevos en Gemini 4 Carbon, Gemini 4 Neon y Claude Opus 5.5 puntúen los diseños con los nombres de los modelos ocultos. Combina las mejores ideas en el diseño ganador.

5. Equipo de revisores. Ejecuta varios revisores de solo lectura en paralelo, cada uno con una única responsabilidad, como UX o seguridad.

En un estudio clásico de 1995 con revisores humanos, los equipos cuyos miembros buscaban cada uno un tipo distinto de error encontraron aproximadamente un 35 % más de errores que los equipos donde todos usaban la misma lista general de verificación de errores comunes.

Resulta que ocurre algo similar con los revisores de IA. En un estudio sobre jueces LLM, un equipo con roles distintos coincidió mejor con el juicio humano que un solo juez, y su desempeño empeoró cuando todos compartían el mismo rol.

Google Cloud - inline image

Prompt: Inicia cuatro revisores de solo lectura en paralelo para UX, simplicidad del código, casos extremos y seguridad. Corrige lo que reporten y luego repite el proceso con revisores nuevos hasta que los cuatro lo aprueben.

Estos patrones son más bien bloques de construcción que reglas estrictas. Puedes combinarlos de la forma que mejor te funcione, pero aquí tienes un diagrama de flujo sencillo para guiarte sobre cuál usar y cuándo:

Google Cloud - inline image
Guardar con un clic

Lee artículos virales en profundidad con IA en YouMind

Guarda la fuente, haz preguntas concretas, resume el argumento y convierte un artículo viral en notas reutilizables en un único espacio de trabajo con IA.

Explora YouMind
Para creadores

Convierte tu Markdown en un artículo de 𝕏 impecable

Cuando publicas tus propios textos largos, dar formato en 𝕏 a imágenes, tablas y bloques de código es un fastidio. YouMind convierte un borrador completo en Markdown en un artículo de 𝕏 impecable y listo para publicar.

Prueba Markdown a 𝕏

Más patrones por descifrar

Artículos virales recientes

Explorar más artículos virales