Diseñá loops que trabajan mientras dormís

Loop Engineering en Claude Code: guía paso a paso para crear agentes autónomos que trabajan sin supervisión | ADMP

2026-07-05 Por Ariel Di Stefano

La diferencia entre promptear y diseñar

La mayoría de la gente usa la IA como si fuera un asistente al que le pedís cosas. Escribís un prompt, recibís una respuesta, la corregís, volvés a pedir. Es como tener un empleado al que tenés que supervisar cada 5 minutos.

Loop engineering es lo contrario. No le decís a la IA qué hacer en cada paso. Diseñás un sistema que toma decisiones solo, itera, verifica, y vuelve cuando terminó.

Boris Cherny, el tipo que construyó Claude Code, lo dijo mejor que nadie:

"Ya no prompteo a Claude. Tengo loops corriendo que promptean a Claude. Mi trabajo es escribir loops."

Leé esa frase de nuevo. Porque ahí está todo.

El tipo que inventó la herramienta de código más avanzada para IA te está diciendo que él no escribe prompts. Escribe condiciones para que la IA se promptee sola.

Y sin embargo la mayoría sigue sentada frente a un chat escribiendo prompts como si fuera 2023.

Los 6 componentes de un loop

Cada loop de IA tiene exactamente 6 piezas. Si te falta una, el loop se rompe o produce cualquier cosa.

1. Trigger. Lo que arranca el loop. Puede ser un schedule (/schedule en Claude Code), un evento (llegó un mail, se creó un archivo), o simplemente el output de otro loop. El trigger determina cuándo empieza, no qué hace.

2. Execution layer. Donde la IA hace el trabajo. Lee el estado actual, ejecuta acciones, produce output. Sin intervención humana. Este es el paso que más miedo da al principio — dejar que la IA haga sin mirar — y es el que más valor genera.

3. Verifier. El checkpoint que te asegura que la IA no está produciendo basura. Pueden ser tests automatizados, una captura de pantalla para comparar, un modelo más chico que revisa el output. El verifier es lo que separa un loop profesional de un loop que alucina.

4. Stop rules. Todo loop necesita dos condiciones de parada: una para éxito (tests pasan, tarea completa) y una para fracaso (se excedió el límite de reintentos, error irreversible). Sin stop rules el loop corre para siempre y te come todo el presupuesto.

5. Memory (progress file). Un archivo markdown donde el loop registra lo que hizo. Así podés verificar su trabajo, retomar si falla, y entender qué pasó. Parece obvio, pero es lo primero que se saltea cuando alguien arma su primer loop.

6. Skills (CLAUDE.md). Instrucciones guardadas que congelan el conocimiento del proyecto. Sin skills, el loop arranca de cero cada vez, aprende lo mismo, comete los mismos errores.

Cómo se escribe un loop (no es un prompt)

Acá está el error más común: la gente usa la misma sintaxis para prompts que para loops. No funciona.

Un prompt le dice a la IA qué hacer. Una goal condition le dice a la IA cuándo parar.

La diferencia es sutil pero letal.

Si le decís a un loop "investigá el mercado de agentes autónomos", el loop va a investigar para siempre porque nunca llega a un estado verificable de "terminado".

Si le decís "investigá el mercado hasta tener un documento de 3 páginas con 5 competidores analizados, cada uno con pricing, founders, y funding", el loop sabe exactamente cuándo parar.

Toda goal condition fuerte tiene tres cosas:

  • Un estado final verificable. No "hacé un análisis", sino "entregá un PDF con 10 fuentes citadas".
  • Una restricción de alcance. No "todo el mercado", sino "solo startups Series A de US y Europa".
  • Una regla de parada. "Máximo 20 iteraciones o USD 5 de API".

El template que uso:

/loop [estado final verificable] + [alcance] + [regla de parada] + skills relevantes + archivo de memoria

Loop engineering no es solo para código

Este es el punto que más cuesta que la gente entienda.

Los loops no son solo para programar. Funcionan para escribir, investigar, planificar, analizar datos, armar estrategias de contenido. Cualquier tarea que tenga un estado final definible y pasos repetitivos es candidata a loop.

Yo uso loops para: - Escribir borradores de artículos y generar imágenes - Monitorear métricas de mis proyectos y alertarme cuando algo cambia - Investigar competidores y consolidar findings - Planificar mi semana basado en lo que quedó pendiente

Cada uno de esos loops tiene un trigger distinto, reglas de parada distintas, y skills distintas. Pero la arquitectura es siempre la misma: las 6 piezas.

Por qué esto importa ahora

Porque estamos en el punto donde la diferencia entre alguien que usa IA y alguien que realmente la aprovecha no es el modelo que usa ni el prompt que escribe.

Es si tiene loops corriendo.

El que tiene loops resuelve problemas mientras duerme. El que no, resuelve problemas uno por uno, sentado frente al chat, escribiendo prompts a mano como si fuera 2023.

No es una cuestión de tecnología. Es una cuestión de diseño.

Y diseñar loops se aprende. Arrancá con una goal condition para una tarea chica que ya hagas con IA. Agregale un verifier básico. Ponele una regla de parada.

Después contame cómo te fue.

— Ariel Di Stefano

3 ejemplos de agentes que podés crear hoy en Claude

Los componentes suenan abstractos hasta que ves un loop armado. Estos tres ejemplos son reales, arrancan en menos de 30 minutos y cubren los casos más pedidos: monitoreo, contenido e investigación.

Ejemplo 1 — Agente que monitorea tus métricas cada mañana

Un agente que junta los datos de tus proyectos (ventas, tráfico, métricas de ads), los consolida y te manda un resumen antes de que arranques el día.

Paso a paso:

  1. Creá el archivo de memoria: progress.md con las fuentes de datos y el formato de salida esperado.
  2. Definí la goal condition: "Consolidá los datos de todas las fuentes, calculá los deltas vs ayer y escribí el resumen en reporte.md. Pará cuando el reporte tenga todas las secciones llenas."
  3. Agregá el verifier: pedile que compare que cada métrica tenga su valor y que marque "dato faltante" si alguna fuente no respondió.
  4. Poné la stop rule: máximo 2 intentos por fuente, y si una API falla, seguí con las demás y anotá la falta.
  5. Programá el trigger: /schedule con cron 0 8 * * 1-5 para que corra cada mañana hábil.
  6. Corré la primera vez manual: revisá que el reporte salga como esperás antes de dejarlo solo.

Ejemplo 2 — Agente que te escribe y publica contenido

Un loop de contenido que toma una idea, la convierte en borrador, la verifica contra tu voz de marca y deja todo listo para revisar.

Paso a paso:

  1. Creá la skill: un archivo CLAUDE.md (o skill) con tu tono, tus reglas de formato y temas prohibidos.
  2. Definí el input: una carpeta ideas/ donde tirás títulos sueltos o notas de voz transcritas.
  3. Armá el flujo: para cada idea → generar esquema → escribir borrador → verificar contra la skill → guardar en borradores/.
  4. Agregá el verifier: el agente se auto-revisa contra la skill (¿el tono matchea? ¿faltan datos? ¿hay clichés?) y marca las dudas con [REVISAR].
  5. Stop rule: pará cuando el borrador pase la verificación o después de 3 iteraciones.
  6. Disparalo con: /loop o un schedule diario que procese las ideas nuevas.

Ejemplo 3 — Agente de investigación de competidores

Un agente que cada semana revisa lo que hacen tus competidores y te deja un informe de cambios accionable.

Paso a paso:

  1. Definí el scope: lista de competidores + qué mirar (nuevos productos, cambios de precio, campañas, contenido nuevo).
  2. Creá el template de salida: informe-semanal.md con secciones por competidor y por señal.
  3. Configurá el trigger: cron semanal (ej: lunes 7am).
  4. Ejecución: el agente visita cada fuente, extrae cambios y los clasifica (nuevo / relevante / menor).
  5. Verifier: cada hallazgo debe tener su fuente linkeada — si no hay fuente, no entra al informe.
  6. Stop rule: pará cuando revisó todos los competidores o pasó 1 hora de trabajo.
  7. Output: el informe queda en informe-semanal.md y el agente te avisa si hay algún cambio marcado como "relevante".

Los tres siguen la misma arquitectura: trigger, objetivo, verificación y stop rule. La diferencia es solo qué hace cada uno. Empezá por el más chico y agregale piezas de a poco.

Compartir este artículo

Te puede interesar