AVANZADO · 8 MÓDULOS · 64 LECCIONES

Agentes de código en paralelo con Orca

Trabaja con varios agentes de código al mismo tiempo sin que se pisen: ponlos a competir por una tarea, pásales trabajo entre ellos y coordínalos como un equipo.

Es para ti si
Ya usas un agente de código a diario y sientes que esperas más de lo que trabajas.
Al terminar
Sabrás cuándo conviene paralelizar, comparar los resultados de varios agentes y coordinar un equipo de agentes con tu revisión en cada decisión.
Necesitas
Git cotidiano, Python 3.12 o superior y al menos un agente de código; para un módulo, cuenta de GitHub.
  1. 01Por qué paralelizar el trabajo con agentes8 LECCIONES
    1. Introducción: de un agente a una brigada
    2. El cuello de botella del agente en serie
    3. Worktrees: el aislamiento y sus límites
    4. Qué es Orca y qué no es
    5. El costo de paralelizar
    6. Cuándo no paralelizar
    7. Los cuatro patrones
    8. Proyecto: un plan de paralelización para lumen-tasks
  2. 02Instalación y primeros worktrees8 LECCIONES
    1. Introducción: el piso para trabajar en paralelo
    2. Instalar Orca
    3. Instalar tus agentes e iniciar sesión
    4. Crear el repo lumen-tasks
    5. Agregar el repo y la base ref
    6. Tus primeros worktrees con tres agentes
    7. orca.yaml y .worktreeinclude
    8. Proyecto: tres agentes, un repo
  3. 03Carrera y comparación de diffs8 LECCIONES
    1. Introducción: el mismo plato, tres cocineros
    2. Anatomía de una carrera
    3. Escribir el encargo de la carrera
    4. Vigilar tres agentes a la vez
    5. Leer diffs en Orca y con git
    6. Calificar y elegir al ganador
    7. Integrar al ganador y limpiar
    8. Proyecto: carrera de tres agentes sobre el bug del orden
  4. 04Terminales, CLI y handoff8 LECCIONES
    1. Introducción: el intercomunicador de la cocina
    2. Las terminales en Orca
    3. Registrar el CLI y los selectores
    4. Leer, esperar y enviar
    5. Comentarios y estado de los worktrees
    6. Controlar Orca desde Claude Code
    7. Handoff entre agentes
    8. Proyecto: entregar la validación de títulos
  5. 05Orquestación supervisada8 LECCIONES
    1. Introducción: el jefe de cocina
    2. El modelo de orquestación
    3. Diseñar el DAG de tareas
    4. Lanzar workers
    5. El ciclo del coordinador
    6. Preguntas, escalamientos y puntos de decisión
    7. Cierre y limpieza
    8. Proyecto: un coordinador y dos workers
  6. 06Navegador embebido y Design Mode8 LECCIONES
    1. Introducción: la ventanita del pase
    2. El navegador de cada worktree
    3. Un puerto por worktree
    4. Design Mode: del puntero al código
    5. Automatizar el navegador desde el CLI
    6. La verificación visual como aceptación
    7. Comparar variantes de interfaz entre worktrees
    8. Proyecto: arreglar el botón Done con Design Mode
  7. 07Automatizaciones, integraciones y worktrees remotos8 LECCIONES
    1. Introducción: la cocina que trabaja sin ti
    2. Automatizaciones programadas
    3. GitHub: revisiones, checks e issues
    4. Linear como fuente de tareas
    5. Pull requests apilados
    6. Worktrees por SSH
    7. Servidores remotos y la app móvil
    8. Proyecto: un resumen semanal y un PR apilado
  8. 08Riesgos y proyecto final8 LECCIONES
    1. Introducción: el servicio completo
    2. Conflictos de merge entre ramas paralelas
    3. Tokens, límites y presupuesto
    4. Secretos y permisos
    5. La revisión humana como punto de control
    6. Proyecto final, diseño: la feature de etiquetas
    7. Proyecto final, ejecución: correr el coordinador
    8. Proyecto: entregar las etiquetas con tres agentes
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab