Claude Code Agents: una guía práctica para flujos de trabajo de programación autónomos

Si me preguntasen qué hace diferente a Claude Code frente a ChatGPT o GitHub Copilot, no empezaría por el modelo de lenguaje. Empezaría por el flujo de trabajo.

Imagina abrir un terminal dentro de un repositorio Git y escribir un único prompt:

Add request validation to every FastAPI endpoint,
write tests for the new validation logic, update the documentation, 
and commit everything using a descriptive Git commit message.

En lugar de lanzar decenas de preguntas de seguimiento, Claude Code se pone a trabajar. 

Busca en tu proyecto para entender la estructura del API, identifica cada endpoint, edita los archivos adecuados, genera pruebas, corrige los fallos, actualiza la documentación y crea un commit en Git resumiendo los cambios.

Desde tu perspectiva, se siente menos como chatear con una IA y más como asignar tareas a un compañero capaz. 

Ese cambio es lo que hace tan interesantes a los agentes de Claude Code.

La función que lo hace posible son los subagentes de Claude Code. En lugar de forzar a una única sesión de IA a razonar sobre todo un repositorio, Claude Code puede lanzar trabajadores especializados que investigan distintas partes del proyecto, diseñan planes de implementación o modifican código de forma independiente antes de informar a la sesión principal. 

En lugar de intentar resolver todo dentro de una sola conversación, Claude Code puede delegar el trabajo en agentes especializados. 

Los tres tipos principales de agentes son: 

• Explore, centrado en explorar proyectos
• Plan, centrado en crear planes de implementación, y
• General-purpose, para editar código y ejecutar comandos.

Esto me ha cambiado la forma de afrontar el desarrollo. En vez de preguntar: "¿Puede la IA escribir esta función?", ahora pienso: "¿Cuál es la parte más grande del trabajo que puedo delegar con seguridad?" 

Al final de esta guía, sabrás cómo usar agentes de Claude Code de forma efectiva, cuándo tiene sentido cada tipo de subagente, cómo configurar memoria persistente del proyecto con CLAUDE.md y cómo crear flujos de trabajo autónomos que ahorran tiempo sin perder el control. 

Requisitos previos

Esta guía asume que te sientes cómodo usando un terminal y navegando por directorios con comandos básicos como cd, ls o dir. 

No necesitas ser experto en Bash, pero sí trabajar con soltura desde la línea de comandos.

También necesitarás:

• Node.js instalado en tu equipo
• Una clave de API de Anthropic
• Un repositorio Git para hacer pruebas
• Conocimientos básicos de Python, JavaScript u otro lenguaje de programación

Si eres completamente nuevo en Claude Code, te recomiendo leer Claude Code: A Guide With Practical Examples antes de meterte con los subagentes.

¿Qué son los agentes de Claude Code?

Los agentes de Claude Code son trabajadores autónomos que completan tareas de desarrollo de software en varios pasos usando tu repositorio local, el terminal y tus herramientas de desarrollo. 

A diferencia de ChatGPT o Claude Chat, Claude Code puede inspeccionar archivos, ejecutar comandos de Bash, editar código fuente y verificar su propio trabajo antes de devolver un resultado.

La mayoría de asistentes de código con IA siguen todavía un flujo conversacional. 

Haces una pregunta, recibes una respuesta y luego decides qué hacer después. 

Eso funciona bien para escribir una consulta SQL o explicar un pipeline de scikit-learn, pero se queda corto cuando una tarea abarca 20 archivos, requiere varios comandos en el terminal o depende de entender un repositorio desconocido.

Claude Code aborda esos problemas de otra manera. 

Como trabaja directamente dentro de tu repositorio Git, puede investigar el código antes de tomar decisiones. En vez de pedirte que pegues archivos en una ventana de chat, lee el propio proyecto y reúne el contexto que necesita.

Supón que pides:

Replace every custom customer ID validator with Pydantic models, 
update the FastAPI endpoints, rewrite the affected pytest tests, 
and summarize the migration.

Un chatbot tradicional probablemente generará código de ejemplo y pedirá más información. 

Claude Code busca en el repositorio, identifica la lógica de validación existente, edita los archivos relevantes, ejecuta la batería de pruebas, corrige las regresiones que haya introducido e informa del trabajo completado.

Ese paso de responder preguntas a cumplir objetivos es lo que hace que programar con agentes en Claude Code se sienta diferente en el día a día.

¿Cómo funciona el bucle del agente? 

Cada agente de Claude Code sigue el mismo ciclo de decisión: leer información, decidir qué hacer a continuación, actuar y evaluar el resultado antes de repetir el proceso. 

El bucle es simple, pero repetirlo decenas de veces permite a un agente recuperarse de errores en lugar de detenerse tras un único intento fallido.

Imagina que pides a Claude Code reparar una batería de pruebas que falla. El flujo de trabajo suele ser algo así:

Diagrama que muestra cómo opera Claude Code al arreglar pruebas que fallan

Creo que este es el modelo mental más sencillo para entender Claude Code. 

El agente no intenta resolver todo el problema en un paso. Toma una serie de pequeñas decisiones basadas en lo que ocurrió tras la acción anterior.

Un subagente sigue exactamente el mismo bucle, pero lo hace en su propio contexto aislado. 

Esa distinción importa porque una llamada a herramienta ejecuta una sola acción, mientras que un subagente puede dedicar decenas de pasos de razonamiento a un único objetivo antes de informar de vuelta.

¿Por qué Claude Code usa subagentes? 

Claude Code usa subagentes porque los repositorios grandes rara vez caben en un único contexto de trabajo. Un monorepo con servicios en Python, aplicaciones React, migraciones SQL y configuración de Terraform contiene mucha más información de la que un agente debería razonar de una vez. 

En lugar de tratar el repositorio como una única tarea enorme, Claude Code delega investigaciones enfocadas a trabajadores especializados. 

Un agente Explore puede analizar la autenticación, otro inspeccionar los modelos de base de datos y un tercero revisar las rutas del API. El orquestador combina esos hallazgos antes de decidir qué hacer después.

Esta arquitectura tiene otra ventaja práctica: muchas investigaciones ocurren en paralelo. 

En vez de leer tú cada directorio o esperar a que un agente inspeccione todo el repositorio, varios subagentes pueden explorar áreas distintas a la vez.

Verás este patrón a lo largo del tutorial. Los agentes Explore recaban información, los Plan organizan la implementación y los de propósito general realizan el trabajo de desarrollo.

Si quieres una introducción más amplia a cómo funcionan los sistemas de IA autónomos más allá de Claude Code, el artículo de DataCamp LLM Agents Explained: Architecture, Frameworks, and Use Cases ofrece una excelente visión conceptual.

¿Cómo se instala y configura Claude Code? 

Antes de empezar a usar agentes de Claude Code, necesitamos primero una instalación funcional. 

Por suerte, ponerse en marcha solo lleva unos minutos.

Instalación de Claude Code

Claude Code se distribuye como un paquete de npm, así que necesitarás Node.js instalado en tu equipo. Para ver las instrucciones, te recomiendo seguir la documentación de npm sobre instalación de Node.js y npm.

Instala Claude Code globalmente con:

npm install -g @anthropic-ai/claude-code

A continuación, crea una clave de API de Anthropic desde la consola de Anthropic y añádela a tu entorno.

En macOS o Linux:

export ANTHROPIC_API_KEY="your_api_key_here"

En Windows PowerShell:

$env:ANTHROPIC_API_KEY="your_api_key_here"

Para comprobar que todo está instalado correctamente, ejecuta:

claude --version

Si Claude Code imprime su versión instalada, estás listo.

Llegados a este punto, también conviene confirmar que Git está disponible, ya que muchos flujos de trabajo de Claude Code implican leer el historial del repositorio, crear commits o comparar cambios. 

Si no tienes Git, sigue las instrucciones de instalación de Git para empezar.

Ambos comandos deberían ejecutarse correctamente antes de continuar.

Tu primera sesión con Claude Code

Con Claude Code instalado, navega hasta cualquier proyecto Git usando cd my-project.

Luego lanza Claude Code: claude.

Antes de pedirle que escriba código, dedica unos minutos a ver cómo explora un repositorio. Suelo empezar con prompts como estos:

• "¿Qué hace este repositorio?"
• "Explica la arquitectura."
• "Encuentra todos los comentarios TODO."
• "¿Qué módulos contienen la lógica de negocio principal?"
• "¿Cómo está implementada la autenticación?"

Estas preguntas no generan funciones nuevas, pero le dan a Claude Code el mismo contexto que reuniría un nuevo compañero antes de ponerse a escribir código. 

Invertir 2 o 3 minutos en explorar suele dar mejores implementaciones que saltar directamente a pedir una funcionalidad.

El siguiente paso es configurar memoria persistente del proyecto con CLAUDE.md. En mi experiencia, ningún otro archivo tiene un impacto mayor en la calidad del trabajo de Claude Code a largo plazo.

¿Por qué CLAUDE.md es el archivo más importante para Claude Code?

CLAUDE.md es un archivo de instrucciones persistentes que le indica a Claude tus preferencias y cómo funciona tu proyecto antes de que empiece a razonar sobre una tarea. 

En lugar de volver a explicar tu stack, convenciones de código y flujo de desarrollo cada vez que abres una nueva sesión, lo documentas una vez y permites que todos los agentes futuros partan de ese contexto compartido.

Cuando la gente oye hablar por primera vez de los agentes de Claude Code, suele centrarse en los prompts. Creo que es el enfoque equivocado. 

Un buen CLAUDE.md mejora más la calidad de tus resultados que pulir sin fin la redacción del prompt, porque cada agente empieza con el mismo entendimiento de tu proyecto.

Piensa en cómo incorporarías a una nueva persona al equipo. 

Probablemente no empezarías dándole un ticket de Jira. Le explicarías el repositorio, cómo ejecutar las pruebas, algunas convenciones de código y qué partes del código no deberían tocarse. 

CLAUDE.md cumple exactamente esa función.

El beneficio se vuelve aún más evidente cuando empiezas a usar flujos de trabajo autónomos con Claude Code.

Un agente que debe trabajar de forma independiente necesita un contexto fiable del proyecto. 

Sin él, Claude Code pierde tiempo redescubriendo información o haciendo suposiciones que quizá no encajen con los estándares de tu equipo.

¿Qué deberías incluir en tu CLAUDE.md?

Un buen CLAUDE.md no sustituye a la documentación del proyecto ni a tu README.md. Es un compendio de instrucciones que Claude Code necesita repetidamente al leer código, escribir funcionalidades y ejecutar herramientas de desarrollo.

Suele organizarse en cinco secciones: resumen del proyecto, stack tecnológico, convenciones de código, comandos habituales y directorios a evitar. Te explico cada una brevemente.

Resumen del proyecto

Empieza con una breve descripción de lo que hace realmente el proyecto.

Customer analytics platform built with FastAPI.
The application serves machine learning predictions through REST APIs.
Production deployments run through GitHub Actions.

Esas tres líneas indican enseguida a Claude Code que trabaja con FastAPI, GitHub Actions y una aplicación de machine learning, no con un repositorio genérico de Python.

Stack tecnológico

Después, literalmente enumera las bibliotecas y frameworks principales que definen el proyecto.

Python 3.12
FastAPI
Pydantic v2
SQLAlchemy
PostgreSQL
Pytest
Ruff

Incluye siempre versiones cuando importen. 

Las prácticas recomendadas de Pydantic v2 difieren de Pydantic v1, y Claude Code no debería tener que adivinar qué API usas. 

Esto es especialmente importante si utilizas un paquete antiguo, para evitar suposiciones erróneas.

Convenciones de código

Esta sección recoge las normas que repites con frecuencia.

Always use type hints.
Prefer dependency injection.
Write tests for every new feature.
Keep business logic separate from API routes.
Reuse existing utility functions before creating new ones.

Fíjate en que son reglas prácticas de ingeniería, no preferencias de estilo. 

Claude Code suele inferir el formato a partir de los archivos existentes, pero no sabrá automáticamente que tu equipo espera que cada endpoint use inyección de dependencias o que cada funcionalidad incluya una prueba de pytest.

Comandos habituales

Claude Code valida a menudo su propio trabajo ejecutando comandos de desarrollo. Darle los comandos exactos que usa tu equipo evita prueba y error innecesarios. 

Puede ser cualquier cosa, como acciones específicas de task o scripts de CI.

pytest
Run one test file:
pytest tests/test_api.py
Lint:
ruff check .
Format:
ruff format .
Start the development server:
uvicorn app.main:app --reload

Esta sección es especialmente útil en repositorios con scripts personalizados, flujos con Docker o herramientas como poetry, uv o tox.

Archivos y directorios a evitar

Todo repositorio tiene archivos que no deberían cambiarse automáticamente.

Algunos ejemplos:

Never edit generated files.
Do not modify Alembic migrations.
Avoid changing Terraform configuration unless requested.
Do not update dependency versions automatically.

Esta sección evita más errores que casi ninguna otra. Una sola frase indicando a Claude Code que no toque el código generado es mucho más barata que revisar decenas de cambios innecesarios.

Un ejemplo de CLAUDE.md

Aquí tienes un ejemplo simplificado para un proyecto de API en Python. 

Fíjate en cómo uso formato markdown para mejorar la legibilidad y aportar más contexto a Claude.

# Project Overview

Customer analytics platform built with FastAPI.

## Technology

- Python 3.12
- FastAPI
- PostgreSQL
- SQLAlchemy
- Pydantic v2
- Pytest
- Ruff

## Coding Standards

- Use type hints everywhere.
- Write tests for new features.
- Prefer dependency injection.
- Keep business logic separate from API routes.

## Common Commands

pytest
ruff check .
ruff format .

## Avoid Editing

generated/
alembic/versions/
terraform/

No te preocupes por que tu primera versión sea perfecta. 

Mi propio CLAUDE.md ha cambiado varias veces a medida que detectaba instrucciones recurrentes que merecía la pena documentar. Trátalo como código fuente, no como documentación inamovible. 

Si quieres profundizar en cómo escribir archivos de instrucciones efectivos, la guía de DataCamp Writing the Best CLAUDE.md: A Complete Guide for Claude Code cubre ejemplos más grandes y patrones avanzados.

¿Usar un CLAUDE.md a nivel de proyecto o de usuario?

Claude Code admite dos ámbitos para las instrucciones persistentes. Entender la diferencia mantiene separadas las reglas del proyecto de tus preferencias personales.

CLAUDE.md a nivel de proyecto

Un archivo a nivel de proyecto vive dentro del repositorio.

	my-project/
	│
	├── CLAUDE.md
	├── app/
	├── tests/
	└── pyproject.toml

Todo lo que contiene se aplica solo a ese repositorio. Lo uso para decisiones tecnológicas, comandos de prueba, convenciones de código, estructura de directorios y reglas específicas del repositorio. 

Como el archivo vive junto al código fuente, todas las personas colaboradoras reciben las mismas instrucciones al clonar el proyecto. Piénsalo como un manual que recibe cada agente antes de empezar.

CLAUDE.md a nivel de usuario

Claude Code también admite un archivo de configuración global.

Este archivo te acompaña de proyecto en proyecto. Lo veo como mi manual operativo personal, más que documentación del proyecto.

Por ejemplo, mi archivo a nivel de usuario podría incluir instrucciones como:

Explain architectural trade-offs.
Suggest performance improvements when appropriate.
Default to Python examples unless another language is requested.
Keep explanations concise.

Estas preferencias tienen sentido tanto si trabajo con FastAPI, React o PyTorch.

Cómo funcionan juntos ambos archivos

Un detalle que me confundió al empezar con Claude Code es que estos archivos no son excluyentes. 

Primero se carga el CLAUDE.md a nivel de usuario y después el CLAUDE.md a nivel de proyecto añade las instrucciones específicas del repositorio.

Pienso en ello como una jerarquía. 

El archivo global define cómo me gusta trabajar. El del proyecto explica cómo funciona ese repositorio. 

Juntos, dan a cada agente tanto preferencias personales como contexto del proyecto antes de empezar a razonar.

Claude Code combina las preferencias a nivel de usuario con las instrucciones específicas del proyecto antes de empezar una tarea.

¿Cuáles son los tres tipos de subagentes de Claude Code?

Claude Code utiliza tres tipos de subagentes especializados porque diferentes tareas de desarrollo requieren herramientas distintas. 

Un agente que investiga un repositorio no necesita permiso para editar archivos, mientras que un agente que implementa una funcionalidad probablemente deba acceder a Bash, Git y a tu batería de pruebas.

Cuando empecé a usar Claude Code, siempre elegía el agente de propósito general porque parecía la opción más capaz. 

Con el tiempo, me di cuenta de que estaba gastando más tiempo y tokens de lo necesario. La mayoría de flujos son más rápidos si primero exploras, después planificas y por último implementas.

Comparativa de los tres subagentes de Claude Code

Los nombres son bastante descriptivos, pero cada agente cumple un papel concreto dentro de un flujo mayor.

¿Qué es un agente Explore de Claude Code?

Un agente Explore de Claude Code es un investigador de solo lectura que busca en un repositorio y resume lo que encuentra sin cambiar ningún archivo.

Es el agente que más uso al abrir un proyecto desconocido. En vez de desplazarme por decenas de módulos de Python o componentes de JavaScript, le pido al agente Explore que me explique cómo funciona un subsistema y me señale los archivos relevantes.

Buenos casos de uso incluyen:

• Encontrar dónde está implementada la autenticación
• Rastrear una petición a través de varios servicios
• Auditar el registro o el manejo de errores
• Localizar APIs obsoletas
• Resumir un paquete o directorio
• Identificar lógica de negocio duplicada

Como los agentes Explore no pueden editar archivos ni ejecutar comandos de shell, también son los más seguros para ejecutar en paralelo.

Elegir el nivel de exhaustividad

Los agentes Explore admiten distintas profundidades de investigación.

Si solo necesito localizar una función, uso el ajuste más rápido. Si me estoy preparando para un refactor entre varios paquetes, esperar un minuto más para una investigación más profunda suele compensar.

¿Qué es un agente Plan de Claude Code?

Un agente Plan de Claude Code analiza el cambio solicitado y produce una estrategia de implementación sin modificar el repositorio.

Casi nunca me salto este paso. Dedicar un minuto extra a revisar un plan es mucho más barato que descubrir a mitad de la implementación que otro subsistema depende del código que vas a tocar.

Un plan típico incluye:

• Archivos que deberían cambiar
• Orden de implementación recomendado
• Dependencias y puntos de integración
• Estrategia de pruebas
• Riesgos o suposiciones

Una vez revisado el plan, puedes refinarlo o pasarlo directamente a un agente de propósito general.

El artículo de DataCamp Claude Code Plan Mode: Design Review-First Refactoring Loops profundiza mucho más en este flujo de revisión antes de implementar.

¿Qué es un agente de propósito general en Claude Code?

Un agente de propósito general puede leer archivos, editar código fuente, ejecutar comandos de Bash, lanzar pruebas y seguir trabajando hasta cumplir el objetivo solicitado.

Este es el agente que realmente construye software. Tiene acceso al mismo contexto del repositorio que los demás, pero además tiene permiso para hacer cambios y verificar su trabajo.

Tareas típicas incluyen:

• Implementar nuevas funcionalidades
• Refactorizar varios módulos
• Migrar dependencias
• Actualizar documentación
• Coordinar cambios entre múltiples paquetes

Los agentes de propósito general consumen más tokens porque realizan mucho más trabajo. 

Esa es otra razón por la que me gusta el patrón Explorar → Planificar → Implementar. 

Los agentes más baratos resuelven las preguntas iniciales, dejando el trabajo de implementación —más costoso— para cuando el camino está claro.

A estas alturas, hemos visto las piezas que hacen que los agentes de Claude Code funcionen: memoria persistente del proyecto mediante CLAUDE.md y subagentes especializados para investigar, planificar e implementar. 

Ahora vamos a juntarlo todo construyendo flujos de trabajo completos que puedas usar en tus propios proyectos.

Ejecución de tus primeros flujos de trabajo con agentes de Claude Code

La mejor forma de sacarle partido a Claude Code es darle un objetivo, no pedirle piezas sueltas.

Yo sigo un flujo sencillo que funciona bien en proyectos Python, repos de data science y aplicaciones web:

1. Explora el repositorio.
2. Crea un plan.
3. Revisa el plan.
4. Implementa los cambios.
5. Verifica los resultados.

No es obligatorio, pero refleja cómo abordan cambios grandes los ingenieros con experiencia. 

Dedicar un minuto a entender el repositorio suele ahorrar varios corrigiendo ediciones innecesarias después. 

Crear un prompt más completo —incluso dedicar una hora a afinarlo— puede ahorrarte horas de trabajo más tarde.

Flujo 1: explora una base de código desconocida

Un agente Explore es el mejor punto de partida cuando heredas un repositorio nuevo o vuelves a un proyecto que llevas meses sin tocar. 

En lugar de leer directorios manualmente, pídele a Claude Code que investigue la arquitectura y resuma lo importante.

Por ejemplo:

Use an Explore agent to explain how authentication works. 
Identify the main modules involved, summarize the request flow, 
and highlight any technical debt or TODO comments.

El resultado no será un muro de código copiado. En su lugar, recibirás normalmente una explicación concisa del flujo de autenticación, los archivos implicados y las áreas que conviene revisar. 

A menudo uso ese resumen como punto de partida para la siguiente tarea, en lugar de escribir otro prompt desde cero.

Flujo 2: planifica antes de implementar

Una vez entiendas el repositorio, pide a un agente Plan que diseñe la implementación antes de escribir código. 

Es uno de los hábitos más sencillos de adoptar, y me ha salvado de varios refactors que habrían ido en la dirección equivocada.

Un prompt podría ser así:

Create an implementation plan for adding role-based access control.
Identify the files that should change, potential risks,
dependencies, and a recommended implementation order.
Do not modify any code.

Revisa el plan antes de seguir. Si todo parece razonable, puedes pasárselo tal cual a un agente de propósito general. 

Si no, es mucho más fácil ajustar un documento de diseño que deshacer cambios en una docena de archivos.

Una gran forma de aprovechar este paso es usar otra sesión de Claude Code para revisar el trabajo de la primera. Un prompt sencillo podría ser:

This is my current goal: to add role-based access control to this repository. 
Take a look at this existing implementation plan and do an adversarial review.
Once done, create a report that summarizes the strong and weak points of the plan.

Flujo 3: paraleliza la exploración del repositorio

Una de mis funciones favoritas de Claude Code es que la exploración no tiene que ser secuencial. Si tu proyecto contiene varios subsistemas independientes, puedes investigarlos al mismo tiempo.

Por ejemplo, puedes lanzar un agente Explore para inspeccionar la capa de API, otro para revisar los modelos de base de datos y un tercero para examinar el pipeline de machine learning. 

Mientras esos agentes trabajan de forma independiente, el orquestador combina sus hallazgos en una única respuesta.

No uso agentes en paralelo para todo, pero encajan muy bien en monorepos grandes o aplicaciones maduras con muchos servicios. En lugar de esperar a una investigación larga, a menudo puedes entender el repositorio mucho más rápido porque varias partes del proyecto se analizan a la vez.

La mejor forma de hacerlo es usar un agente principal que orqueste varios agentes. 

Esta orquestación basada en agentes es una gran forma de ejecutar trabajo en paralelo sin múltiples sesiones que compartan todo el contexto. 

Un buen prompt podría ser así:

I want you to look at the following components: 
Inspect the API layer, review the DB models, and examine the ML pipeline. 
Look for weaknesses. 
I want this done in parallel, so spawn subagents using Opus/Sonnet models 
in order to do this work and have each generate a concise report and share out 
one master document that outlines the work needed to be done.

Mejores prácticas para los agentes de Claude Code

La mayoría de problemas que la gente encuentra con Claude Code no los causa el modelo, sino los prompts vagos, el contexto insuficiente del proyecto o pedirle que resuelva algo que no entiende del todo.

Tras usar Claude Code con regularidad, estos son los hábitos que más han mejorado mis resultados.

Escribe prompts que los agentes puedan ejecutar

Claude Code rinde mejor cuando el objetivo, el alcance y los criterios de éxito son explícitos. 

En lugar de describir el objetivo final en términos generales, di al agente exactamente qué repositorio debe inspeccionar, qué archivos debe modificar y cómo sabrás que la tarea está completa.

Por ejemplo:

❌ Vago Mejora el API.

✅ Específico Actualiza los endpoints de autenticación en FastAPI para usar validación con Pydantic v2, genera o actualiza las pruebas relevantes en pytest, ejecuta la batería de pruebas y resume cada archivo modificado.

El segundo prompt le da a Claude Code un objetivo claro, límites y una forma de verificar el éxito. Suele traducirse en menos repreguntas y menos limpieza manual.

Gestiona el contexto antes de que sea un problema

Las conversaciones largas acaban acumulando tanto contexto que Claude Code gasta tokens recordando lo anterior en lugar de razonar sobre la tarea actual.

Cuando pase, usa /compact para resumir la conversación preservando el contexto importante. Es mejor compactar pronto que esperar a notar una caída de rendimiento.

Un buen CLAUDE.md también ayuda aquí porque no hace falta repetir las convenciones del proyecto en cada sesión. Claude Code carga ese contexto automáticamente, dejando más margen para el trabajo que le pides.

Para más consejos sobre gestión de contexto, desarrollo guiado por pruebas y diseño de prompts, consulta Claude Code Best Practices: Planning, Context Transfer, TDD.

Piensa en el coste de tokens

No todas las tareas necesitan un agente de propósito general.

Si solo necesitas encontrar dónde se define una función, un agente Explore suele ser más rápido y barato. 

Si estás revisando un cambio arquitectónico grande, un agente Plan suele darte suficiente información sin modificar el repositorio.

Reserva los agentes de propósito general para tareas que realmente requieran ejecución: editar archivos, correr comandos de Bash o ejecutar pruebas. Ajustar el agente a la tarea mantiene a raya tanto el tiempo de ejecución como el uso de tokens.

Sabe cuándo no usar agentes

Los agentes de Claude Code introducen cierto overhead porque hay intercambio de contexto y tokens. 

Investigan el repositorio, razonan sobre la tarea y verifican su trabajo. Para cambios muy pequeños, ese overhead no siempre compensa.

Probablemente no necesitas un agente para:

• Renombrar una sola variable.
• Corregir una errata en un archivo Markdown.
• Explicar un mensaje de error de Python.
• Responder una duda rápida de SQL.

En esas situaciones, una conversación normal con Claude Code o incluso una edición manual suele ser más rápida. Yo suelo hacerme una pregunta antes de lanzar un agente: ¿Tardaría más en explicar esta tarea que en hacerla yo mismo? Si la respuesta es sí, lo hago sencillo.

Reflexiones finales

Los agentes de Claude Code cambian el papel de la IA durante el desarrollo de software. En lugar de generar fragmentos aislados, pueden abordar problemas más complejos como investigar repositorios, diseñar implementaciones, modificar código, ejecutar pruebas y trabajar en objetivos de varios pasos con relativamente poca supervisión.

La mayor lección que he aprendido es que los buenos flujos de trabajo importan más que los buenos prompts. 

Un CLAUDE.md claro, unos minutos de exploración del repositorio y un plan de implementación pensado dan mejores resultados que saltar directo a generar código.

A medida que uses más Claude Code, probablemente desarrollarás tu propio flujo. El mío casi siempre empieza igual: primero explorar, luego planificar y por último implementar.

Es un hábito sencillo, pero me ha ahorrado innumerables ciclos de revisión y me ha ayudado a confiar mucho más en los flujos de trabajo autónomos que al principio.

Si quieres aprender más sobre las ideas detrás de los sistemas autónomos, te recomiendo estos recursos:

• Introduction to AI Agents 
• Introduction to Claude Models 
• Claude Code Hooks: A Practical Guide to Workflow Automation 
• Claude Agent SDK Tutorial: Create Agents Using Claude Sonnet 4.5 
• How to Build Claude Code Plugins 
• Claude Code 2.1: A Guide With Practical Examples 
• Model Context Protocol (MCP): A Guide With Demo Project 
• AI Agents with Hugging Face smolagent