RespuestasPublicado12 fuentes
La lección de V5: menos infraestructura propia y más pruebas del flujo real
La recomendación es congelar la capa de ejecución de V5, pero conservar sus análisis, decisiones y evidencia histórica. La arquitectura propuesta asigna la orquestación a bmad loop, la ejecución a Cline y las comprobaciones de alcance a controles externos.
Publicado porImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- La recomendación es congelar la capa de ejecución de V5, pero conservar sus análisis, decisiones y evidencia histórica.
- La arquitectura propuesta asigna la orquestación a bmad loop, la ejecución a Cline y las comprobaciones de alcance a controles externos.
- Las 231 pruebas unitarias registradas son un resultado histórico, no una verificación del flujo remoto completo; no se volvieron a ejecutar en este análisis.
- El principal bloqueo es demostrar que Cline satisface el contrato de sesiones de bmad loop y que una revisión independiente puede impedir un envío cuando corresponde.
![[GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you operate via client side tool execution on the](https://d15bya8fi85z1v.cloudfront.net/chat/U0oDXR2yOIV8X9qOFcgLiFJcoUp2/images/A90C0EC23DEF257BE45D/1FF656F82B0EAD4E36E8.png)
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: [GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you operate via client side tool execution on the. Article summary: <tool call {"name":"attempt completion","arguments":{"result":"建议冻结 V5 执行层，完整保留分析层；V6 条件采用“上游编排器＋单一 Cline 执行框架＋外部验证＋文本经验”。但当前不能宣布 V6 已可启动：Cline 生命周期适配、独立盲审隔离、Jev 外部门禁和真实断开闭环仍缺运行证据。\n\n BMRalph V6 目标架构方案与 V5 历史病理解剖报告\n\n . Topic tags: general web, llm, ai, workflow, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
La propuesta para BMRalph V6 parte de una idea sencilla: dejar de ampliar la infraestructura de ejecución de V5 y apoyarse en componentes existentes, cada uno con una función acotada. La combinación prevista es bmad-loop para orquestar, Cline para ejecutar, controles externos para verificar y un archivo de texto para conservar aprendizajes útiles.
Pero esa arquitectura todavía es una propuesta, no un sistema listo para usar. Faltan pruebas de compatibilidad entre Cline y el ciclo de vida que espera bmad-loop, de aislamiento de la revisión y de funcionamiento de las barreras externas ante fallos.
Qué se sabe —y qué no— de V5
El archivo bmad_control_store.py que se revisó tiene 315 líneas y guarda registros en archivos; no es una base de datos SQL. La cifra de 1.728 líneas atribuida a una versión anterior y el historial de esa versión no quedaron acreditados en la evidencia disponible.
El código sí mantiene controles sobre rutas, permisos, bloqueos, versiones y continuidad de los registros. Sin embargo, su propia respuesta delimita lo que hace: no autentica a la persona, no autoriza ni inicia una ejecución y tampoco guarda el progreso de una tarea. La crítica, por tanto, no es que la seguridad sea innecesaria, sino que se construyó un mecanismo de registro sin demostrar antes el circuito completo entre una decisión y una tarea terminada.
Tampoco hay pruebas suficientes para afirmar que el tamaño del módulo causó una “explosión de contexto”: eso dependería de cuánto contenido se introdujera efectivamente en las entradas del modelo. Y aunque el uso de bloqueos puede añadir fricción, el mecanismo revisado rechaza una operación si el bloqueo ya está ocupado; no basta con eso para concluir que hubo un bloqueo infinito o un interbloqueo real.
Otro dato que conviene poner en contexto: el plan registra 231 pruebas unitarias específicas aprobadas históricamente, según una confirmación anterior. No se repitieron aquí. Esas pruebas pueden respaldar comportamientos puntuales, como el manejo de rutas o versiones, pero no demuestran que un agente real complete una tarea en el VPS, que la revisión sea independiente o que el sistema siga adelante tras desconectarse el cliente.
Una función clara para cada componente
La arquitectura propuesta evita tener dos sistemas que decidan qué tarea sigue o cuándo se puede enviar un cambio:
| Componente | Función propuesta | Límite principal |
|---|---|---|
| bmad-loop | Seleccionar historias, gestionar sesiones, ejecutar verificaciones y controlar reintentos y envíos | No cambiar por su cuenta los objetivos ni duplicar su propio ciclo de control |
| Cline | Realizar una sesión de desarrollo o revisión en el espacio de trabajo asignado | No convertirse en un segundo orquestador autónomo |
| BMAD-METHOD | Aportar flujos y roles de trabajo bajo demanda | No copiar las habilidades a una implementación paralela ni cargarlas todas en cada tarea |
| Jev y otros controles externos | Evaluar cuestiones estructuradas de alcance y clasificar resultados | No modificar el código ni sustituir pruebas deterministas |
experience.md |
Conservar lecciones acotadas y respaldadas por evidencia para tareas futuras | No cambiar autorizaciones, criterios de aceptación ni controles obligatorios |
“Sin un LLM en el bucle de control” no significa que el sistema no use modelos. Significa que decisiones como seleccionar la siguiente historia, limitar los reintentos y comprobar las condiciones de entrega deben corresponder al programa. El agente sigue participando en el desarrollo y, si corresponde, en la revisión.
La documentación de bmad-loop describe un flujo de desarrollo, verificación, revisión, nueva verificación y envío. También deja varios matices importantes: la revisión independiente no es obligatoria en todos los modos predeterminados; el límite de tokens por historia puede ser una alerta y no una detención estricta; y el aislamiento mediante worktrees debe activarse expresamente. La propuesta V6 tendría que configurar los controles necesarios sin duplicar el ciclo de vida del orquestador.
El bloqueo clave: probar la integración con Cline
La documentación disponible de bmad-loop no incluye Cline entre sus adaptadores integrados. Su guía para adaptadores contempla mecanismos de eventos de ciclo de vida, pero no documenta un dialecto de Hooks de Cline. Por eso, asignar nombres a perfiles como DEV y REVIEW no demuestra que la conexión funcione.
Antes de ejecutar una historia real, habría que verificar que la integración puede iniciar una sesión nueva, asociar los eventos de inicio y finalización con esa sesión y distinguir una tarea terminada de un mensaje ordinario o de una llamada a herramienta que concluyó. También debe poder cancelar una ejecución y confirmar que los procesos asociados se detuvieron. Si el consumo o el coste no se pueden consultar, el sistema debe declararlos desconocidos, no presentarlos como un límite aplicado.
La propuesta contempla dos perfiles de Cline: uno de desarrollo, con permiso para modificar el espacio de trabajo autorizado, y otro de revisión, con una sesión y un directorio de configuración distintos. Los nombres de modelo citados en el diseño son objetivos, no identificadores confirmados de proveedores; la configuración y las credenciales aún deben comprobarse.
Revisión independiente: aprobar no es lo mismo que terminar
Una sesión de revisión solo sirve como barrera si examina el cambio final con criterios definidos y puede bloquear el envío. Que el agente haya terminado no equivale a que haya aprobado. Además, si el código cambia después de la revisión, la aprobación anterior ya no debería contar para ese nuevo candidato.
El diseño plantea que el revisor reciba la historia, los criterios de aceptación, el cambio candidato y la evidencia de pruebas, pero no el chat ni la explicación del desarrollador. Esto reduce la dependencia de su relato, aunque no demuestra por sí solo un aislamiento sólido: si solo se impone mediante instrucciones, debe describirse como una separación blanda.
La comprobación previa al envío tendría que fallar de forma segura ante una revisión negativa, desconocida o incompleta. También debe distinguir esos casos de un problema de servicio o de red; un fallo de Jev no es lo mismo que una prueba de código fallida, pero tampoco debería permitir continuar como si el control hubiera aprobado.
Jev puede aportar estructura, no certeza automática
Jev se describe como un modelo de decisiones estructuradas: recibe un estado y preguntas tipadas, y devuelve respuestas como opciones o puntuaciones. No es un agente de programación ni un modelo de conversación.1
2
Por eso, su papel razonable sería evaluar una pregunta acotada sobre el cambio, por ejemplo si parece salirse del alcance aprobado. Los controles deterministas deben seguir a cargo del programa: comprobar todos los archivos modificados, incluidas las adiciones, y rechazar rutas no autorizadas sin someter esa decisión a una votación del modelo.
El resultado de Jev tampoco debe tratarse como garantía de que se detectará cualquier incumplimiento o se identificará correctamente la causa de un fallo. La propuesta todavía tendría que concretar qué datos se envían, cómo se valida la respuesta y qué sucede cuando el servicio no está disponible. Ese control externo no puede deshacer efectos secundarios que ya ocurrieron durante la ejecución; el aislamiento del espacio de trabajo y los permisos siguen siendo importantes.
Harness²: inspiración limitada, no una implementación completa
El análisis propone reutilizar una idea de Harness²: convertir experiencias respaldadas por tareas reales en aprendizajes que puedan servir en el futuro. La adopción inicial sería un archivo de texto con condiciones de aplicación, una lección concreta, enlaces a la evidencia y casos en los que no aplica.
Eso no equivale a instalar o reproducir el sistema completo. La documentación revisada describe un enfoque de dos niveles, mientras que la propuesta para V6 solo toma una parte: la reflexión entre tareas. Tampoco conviene convertir un fallo aislado en una regla general ni permitir que una experiencia cambie los permisos o las condiciones de aceptación.
Qué debería demostrar un primer piloto
Una historia sencilla puede servir para probar el flujo completo, siempre que sus criterios y archivos autorizados estén definidos de antemano. El ciclo propuesto sería:
- bmad-loop selecciona una historia aprobada y prepara su espacio de trabajo.
- Cline inicia una sesión nueva de desarrollo y modifica únicamente el alcance permitido.
- El sistema revisa todas las rutas modificadas, ejecuta las pruebas acordadas y aplica la evaluación externa requerida.
- Se congela e identifica el candidato que se revisará, junto con sus criterios y resultados de prueba.
- Una sesión nueva de revisión examina ese candidato y emite un resultado explícito.
- Un control final confirma que el candidato no cambió después de aprobarse y que todas las barreras obligatorias pasaron.
- El envío lo realiza bmad-loop, sin un segundo bucle de reintentos o una rutina paralela de recuperación.
El piloto debería ensayar también fallos deliberados: desconexión del cliente, pruebas fallidas, servicio externo inaccesible, revisión negativa, cambios posteriores a la aprobación y una interrupción durante el envío. Si el VPS queda sin acceso a los servicios remotos, el resultado esperado no es seguir invocándolos sin conexión, sino pausar con evidencia y estado recuperables.
El criterio decisivo de continuidad remota es que se produzca una nueva etapa real después de desconectar el cliente. Que una sesión de tmux siga abierta no basta. Para validar que las lecciones se transfieren a tareas futuras, además, haría falta observar un segundo caso nuevo; una única historia no demuestra aprendizaje entre tareas.
Decisión recomendada
Congelar la capa de ejecución de V5 y conservar como referencia sus análisis, decisiones y resultados históricos, sin marcarlos como validación de V6. Crear para V6 un plan y una decisión arquitectónica nuevos, y no presentar todavía la integración como lista para arrancar.
El siguiente paso prioritario no es escribir otro controlador: es demostrar que Cline puede cumplir el contrato de ejecución de bmad-loop y que las revisiones y los controles externos bloquean de verdad una entrega cuando fallan. Si la integración no supera esas pruebas, conviene detenerse en ese límite antes que recrear, con otro nombre, la infraestructura que se quiere dejar atrás.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La lección de V5: menos infraestructura propia y más pruebas del flujo real"?
La recomendación es congelar la capa de ejecución de V5, pero conservar sus análisis, decisiones y evidencia histórica.
¿Cuáles son los puntos clave a validar primero?
La recomendación es congelar la capa de ejecución de V5, pero conservar sus análisis, decisiones y evidencia histórica. La arquitectura propuesta asigna la orquestación a bmad loop, la ejecución a Cline y las comprobaciones de alcance a controles externos.
¿Qué debo hacer a continuación en la práctica?
Las 231 pruebas unitarias registradas son un resultado histórico, no una verificación del flujo remoto completo; no se volvieron a ejecutar en este análisis.