Agentes de código con límites: lo que me enseñaron un hook, un worktree y un pull en la rama equivocada
Dejar que un agente de código escriba en un repo real da un poco de vértigo, y es una sensación sana. En noviembre de 2026, trabajando así todos los días, mi conclusión es que no se trata de confiar más o menos en el agente: se trata de decidir dónde están los límites y que esos límites los haga cumplir algo que no dependa de la buena voluntad del modelo. Acá cuento los que uso, los incidentes que me los enseñaron y lo que todavía me falta resolver.
Permisos: qué hace solo el agente y qué no
Trabajo con Claude Code en modo automático, con un clasificador de permisos que revisa cada acción sensible antes de ejecutarla. Al principio me parecía un freno; después entendí que es un segundo par de ojos que no se cansa.
Dos casos en los que me bloqueó y tuvo razón. El primero: el agente quiso leer credenciales de producción. El segundo: quiso levantar un servidor local para sacar datos de una página. En ninguno de los dos el agente hacía algo malicioso; estaba tratando de resolver la tarea por el camino más corto. Pero el camino más corto no siempre es uno que yo quiera que recorra sin mirar.
De ahí salió una regla de proceso que quedó escrita en las lecciones del repo: en operaciones con secrets o correo, el agente prepara el comando, yo lo ejecuto, y después el agente verifica el resultado con herramientas de solo lectura. El clasificador bloquea leer el .env y llamar APIs externas desde la terminal, así que en vez de pelearme con él, rediseñé el flujo para que esa parte sea mía. Es un poco más lento, pero la frontera queda clara: el agente razona y prepara, la persona toca lo sensible.
Hooks: los límites que no se negocian
Un permiso se puede conceder o denegar según el contexto. Un hook no se negocia. En este repo hay uno que bloquea git push --force aunque el agente lo pida, aunque lo pida con buenos argumentos y aunque yo esté distraído. Lo valioso no es solo que impida un error frecuente, sino que convierte una regla en un hecho: no hay que acordarse de nada.
Hay otro hook, de otro tipo, que se ejecuta en cada sesión. El proyecto sigue Spec-Driven Development, y una regla que llamo "regla cero" exige que, antes de cualquier acción de una tarea nueva, el agente declare qué nivel de modelo y de esfuerzo corresponde. Un hook SessionStart la reinyecta al comienzo de cada sesión. Los agentes se olvidan de las instrucciones largas a medida que el contexto crece; un hook que las vuelve a poner al principio resuelve eso sin depender de la memoria del modelo. Es parte de SDD Harness, el kit que mantengo: el hook de la regla cero llegó en la versión 0.16.1.
La misma lógica aplica a los gates. El SPEC GATE dice que no se escribe código sin una spec registrada y un ciclo abierto. Como checklist en un documento, un modelo puede racionalizar saltearlo. Como comando, no: pnpm sdd:gate devuelve APPROVED o BLOCKED con un exit code, y no hay interpretación posible. Además, el kit trae un mod opcional de Claude Code, sdd-mod, que aplica ese gate directamente a las ediciones de código: si el agente intenta editar sin ciclo abierto, la edición vuelve rechazada con un mensaje que explica qué falta. Viene apagado por defecto, y la regla del repo es que el agente nunca lo prende ni lo apaga por su cuenta: esa decisión es mía.
Cuando una edición vuelve con un rechazo, la instrucción para el agente es explícita: no reintentar ni rodear el bloqueo con comandos de shell. Si el límite se puede esquivar con otra herramienta, no era un límite.
Worktrees y sesiones en paralelo
Para que varios agentes trabajen a la vez sin pisarse, los subagentes implementan en git worktrees aislados. Cada uno trabaja sobre su copia, y yo integro a main después de revisar el diff. Esa revisión humana es el último límite de la cadena y no pienso delegarla.
Los worktrees tienen sus trampas. En uno recién creado, pnpm install no genera el cliente de Prisma y los errores de tipos parecen regresiones del código nuevo; por eso corro pnpm --filter next-cv exec prisma generate antes de typecheck y tests.
La otra trampa es más seria, y fue un incidente real. Varias sesiones compartían el mismo checkout. Un pull cayó sobre la rama de otra sesión, y lo resolví con un cherry-pick y restaurando la rama. No se perdió nada, pero fue un buen susto. De ahí salió la regla que me quedó: verificar la rama antes de cada pull, commit o push. Suena obvia, pero con agentes en paralelo deja de serlo, porque la rama en la que estás puede no ser la que dejaste.
Para ese problema, el kit incorporó sesiones en paralelo en la versión 0.19.0: cada sesión se ata a su ciclo o a su fix con pnpm sdd:use, y con el mod activo, la primera edición de un archivo lo reserva para esa sesión. Si otra sesión lo necesita, le deja un pedido en su bandeja, y quien ya no lo usa lo libera con pnpm sdd:release. No reemplaza a los worktrees; los complementa, porque los worktrees aíslan archivos en disco y las reservas coordinan intenciones.
Los límites que aparecen mirando el log
Hay un grupo de límites que no son técnicos sino de hábito, y vienen de incidentes concretos. Uno: un build de producción marcado como completed no prueba que la app arranque. Tuve una app caída durante doce días con el deploy en verde. Desde entonces cierro cada deploy con un GET real a producción y una lectura del log de ejecución. Otro: el CI de main estuvo rojo una semana sin que nadie lo notara, así que lo miro al abrir cada sesión. Y antes de abrir un PR, cada cambio se verifica con pnpm ci:local, para que el CI remoto sea una confirmación y no una sorpresa.
Ninguno es sofisticado: todos se apoyan en evidencia, no en confianza (un exit code, un log, un diff). Un agente puede decirme con total seguridad que todo salió bien; mi trabajo es lograr que el sistema me muestre si es cierto.
Qué me llevo
- Los permisos sirven para lo sensible, y la mejor respuesta a un bloqueo es rediseñar el flujo, no esquivarlo: el agente prepara, yo ejecuto lo que toca secrets.
- Un hook vale más que una instrucción en un documento, porque se cumple aunque nadie se acuerde.
- Un gate como comando (
APPROVEDoBLOCKED) no se racionaliza; una checklist sí. - Con agentes en paralelo, aislar archivos con worktrees no alcanza: hay que verificar la rama antes de cada operación y coordinar quién toca qué.
- La revisión del diff antes de integrar a
mainsigue siendo mía.
Sigo ajustando varios de estos límites, y seguramente algunos me van a fallar de formas que todavía no vi. Si trabajás con agentes de código en repos reales y tenés tus propios controles o incidentes, me encantaría intercambiar ideas por LinkedIn.

Sobre el autor
ESTEBAN BURGOS · Tech Lead Frontend · Ingeniero de soluciones de punta a punta
Construyo software de punta a punta para pymes y empresas: webs, plataformas y soluciones con IA. Escribo sobre lo que aprendo en proyectos reales.
Conocé mi trayectoria¿Querés algo así en tu empresa?
Contale tu idea a Tuki y en minutos tenés un rango de precio en tu moneda.
Seguí leyendo
- Video Maker: le di un estudio de video a cualquier agente de IAVideo Maker, mi estudio de video local con IA, ahora se maneja desde un plugin de Claude Code y un servidor MCP público en npm. Cuento cómo está armado, qué dejé fuera del alcance del agente y las decisiones técnicas detrás.
- Trading con IA: por qué en mi sistema el backtest decide y el LLM solo vetaCómo diseñé Crypto Trader, un sistema multi-agente para operar BTC y ETH en Binance donde las decisiones nacen de reglas calibradas por backtest y la IA solo puede vetar. Ocho roles de agente, modelo por puntaje y gates de riesgo y testnet antes de producción.
- Cuánto gasta un equipo en agentes de IA y cómo medirloDespués de medir tokens por tarea, el siguiente paso es entender cuánto cuesta cada tarea que resuelven los agentes de IA. Comparto cómo elegir el modelo según la tarea, qué registrar al cerrarla y qué mirar en un tablero de costos.
Comentarios
Sé el primero en comentar.