Plantear una tarea a un agente

«Mejora la gestión de errores en el módulo de pago.» Lanzas la orden, te vas a por un café y al volver te encuentras con un diff de 600 líneas: el agente ha envuelto catorce llamadas en bloques try/except, ha creado una jerarquía de cinco clases de excepción propias, ha añadido una biblioteca de reintentos y ha modificado el formato de los logs. Línea a línea, nada es incorrecto. Pero nada es utilizable, porque no puedes ni validar ni rechazar el conjunto: no existe ningún criterio que diga que el trabajo está terminado y bien hecho. Lo descartas, y has pagado el precio completo de la generación y de la revisión por nada.

El problema no es la longitud del prompt, sino la ausencia de una condición de éxito. Un agente optimiza hacia una señal; si no le das ninguna, recurre a «producir algo que se parezca a lo que se pide», y ese es precisamente el peor resultado: lo bastante creíble como para no ser rechazado de entrada, lo bastante arbitrario como para no ser fiable. Plantear una tarea consiste en aportar tres cosas: un estado final observable, la forma de observarlo y los límites de lo que se puede tocar. Lo demás (el tono, la cortesía, los «por favor») no tiene ningún efecto medible.