¿Puedes desarrollar software sin saber escribir código?

Como desarrolladores e ingenieros, hemos observado una gran variedad de herramientas que se utilizan para simplificar el proceso de creación de software. Cuando éramos estudiantes, utilizábamos Scratch para diseñar un canal de bloques que operaba de acuerdo con situaciones condicionales. En aquella época, existían herramientas que no requerían código que los usuarios con grandes ideas, pero con poca experiencia técnica, podían utilizar para crear aplicaciones. El último avance que simplifica el proceso de desarrollo de aplicaciones está en los modelos de lenguaje. Estos interpretan los comandos de lenguaje natural (como "Crea una aplicación de Quarkus con frontend en React que muestre códigos de cotización") para automatizar distintas tareas, como la configuración de proyectos, la generación de código y la ejecución de pruebas. Esta tendencia se conoce como "vibe coding" y se basa en la inteligencia artificial con agentes. Ya forma parte de los entornos de desarrollo actuales, pero ¿qué implica esta tendencia? ¿Causa más perjuicios que beneficios?

La evolución de la asistencia para codificar

Vibe coding es el acto de interactuar con una petición para que la inteligencia artificial genere código útil, a menudo a pesar de no tener las habilidades técnicas necesarias para codificar de forma independiente. Hace poco, observamos cambios importantes en los editores de código. Un caso es GitHub CoPilot, que salió al mercado en octubre de 2021, incluso antes del lanzamiento de los servicios públicos de modelos de lenguaje similares a GPT, y se adoptó ampliamente con rapidez como una herramienta para completar el código de forma automática. Por ejemplo, si escribieras System.out.print, GitHub CoPilot podría completarlo de manera automática con ln("¡Hola, mundo!"). Sin embargo, incluso esto requiere que sepas escribir un poco de código para que CoPilot tenga algo que completar.

Una vez que se simplificó la codificación con el lanzamiento de Cursor, un entorno de desarrollo integrado (IDE) que se basa en inteligencia artificial, la conversación sobre vibe coding cobró protagonismo entre los líderes del sector, como Andrej Karpathy, miembro fundador de OpenAI, quien dio su opinión y acuñó el término "vibe coding".

Cursor, que se diseñó con el popular entorno de desarrollo integrado de Visual Studio Code como base, es similar a muchos otros editores de código a primera vista. Sin embargo, la noción de vibe coding propuesta por Karpathy te permite describir un resultado deseado para el proyecto o un cambio en el código con lenguaje natural, y el backend del modelo sugiere cambios o los realiza de forma autónoma. Este es quizás el caso práctico más común de la inteligencia artificial con agentes. En él, un modelo tiene autonomía o acceso a herramientas para ampliar sus funciones. En el caso de las herramientas de codificación asistida por inteligencia artificial, esto puede incluir la lectura y la escritura en archivos, el acceso en línea a la documentación y las páginas web, el acceso a la terminal para ejecutar pruebas y mucho más. 

Sin embargo, un recurso fundamental para esta función es la ventana de contexto extendida para los modelos de lenguaje, que se amplió de cientos a millones de tokens a la vez. Esto permite que el vibe coding use toda la base de código como contexto con un modelo de lenguaje. Por ejemplo, Llama 2 admitía una ventana de contexto de 4096 tokens, Llama 3 ofrecía inicialmente una ventana de 8192 tokens y Llama 4 gestiona por su cuenta hasta 10 millones de tokens en su contexto. Cuanto más grande sea el contexto, mayor será su utilidad para los desarrolladores y los usuarios interesados en el vibe coding.

¿Qué necesitas saber para aplicar el vibe coding? 

No todos somos desarrolladores experimentados. Sin embargo, a muchos nos interesa bastante la tecnología y queremos ver que las ideas se hagan realidad, sin necesariamente entender los pormenores de la sintaxis y el punto y coma. A muchos de nosotros, las herramientas como Cursor nos permiten soñar con poder diseñar aplicaciones útiles. Analicemos la experiencia típica de un usuario que quiere aplicar el vibe coding para comprender mejor dónde tiene éxito, dónde falla y cómo alguien puede usar esta técnica para mejorar sus propios flujos de trabajo. 

Descargué Cursor del sitio web, donde había instaladores ya compilados para Linux, Mac y Windows. No sabía cuál era la mejor manera de comenzar, así que subí una captura de pantalla de Cursor a un asistente de inteligencia artificial y pedí orientación. Seguí las instrucciones, creé una carpeta para almacenar todos los archivos del proyecto y la abrí con el botón Open project.  

La interfaz de Cursor es similar a la de VS Code, a excepción de que incluye una ventana de chat a la derecha. Esta interfaz, con el entorno de trabajo y los archivos activos abiertos a la izquierda y la ventana de chat a la derecha, simplifica el flujo de trabajo, ya que no es necesario pulsar Alt + Tab entre las diferentes ventanas solo para chatear con un sistema de inteligencia artificial. Forma parte del propio editor de código.

En Red Hat, fomentamos y respaldamos la educación permanente, ya sea aprovechando los cursos de Red Hat Training and Certification sobre contenedores, Kubernetes y GitOps, o participando en proyectos open source. Esto me inspiró a diseñar una herramienta de memorización que se ejecute de forma local, para poder alojarla y compartirla con otros. 

Mi primera petición: "Crea una aplicación de tarjetas didácticas que pueda ejecutar en mi explorador. Quiero voltear las tarjetas y marcarlas como favoritas".

Un modelo en la nube procesó mi solicitud y, a continuación, Cursor generó código en tres archivos: 

• index.html: la estructura de la página principal.
• style.css: el diseño y el formato.
• script.js: la función. 

Gran parte del proceso implicó pulsar Aceptar sin pensar en cada sugerencia de archivo y código. 

Luego, obtuve un enlace a mi aplicación de tarjetas didácticas. Lamentablemente, todavía no funcionaba del todo. 

Tuve que usar mi cerebro (solo un poco) para explicar los problemas en la ventana de chat. Como Cursor y muchos modelos modernos pueden procesar imágenes además de texto, incluí capturas de pantalla con explicaciones en lenguaje natural de los problemas. Después de un poco de idas y vueltas, funcionó. 

Cursor generó una aplicación completa con tarjetas editables, animaciones fluidas para voltearlas, botones Anterior y Siguiente, y almacenamiento permanente. Abrí index.html y se ejecutó sola. No es perfecta, ya que no tiene backend, no se sincroniza entre dispositivos y ampliarla requeriría más conocimientos, pero parecía magia teniendo en cuenta que la creé con una sola petición.

Si nunca has escrito una línea de código en tu vida, Cursor o las plataformas similares no son suficientes para generar una aplicación completamente funcional. Si no se comprende el concepto del código generado con inteligencia artificial, el resultado es frágil. Enfrentarás numerosos problemas si intentas implementar tu código, gestionar la infraestructura o solucionar problemas en un entorno de producción. Sin los conocimientos básicos, es probable que te enfrentes a obstáculos a la hora de ampliar tu aplicación, protegerla o mantenerla en el mundo real.

Creo que vale la pena probarlo igualmente, sin importar tu nivel de experiencia. Puede ser complicado para los principiantes, ya que hay varias formas de realizar las tareas y, si no se conocen los conceptos básicos del comportamiento de una terminal (como escribir la contraseña de tu computadora sin poder verla o pulsar Y como confirmación), es más probable que se cometan errores. Mi consejo para los principiantes es que incluyan capturas de pantalla en Cursor cuando no puedan explicar por qué no pueden avanzar. También pueden usar otro chatbot para explicar lo que Cursor da por sentado que ya sabes y para entender qué deben pedir. Esto se está volviendo tan común que hay un término para el arte de saber qué pedir a la inteligencia artificial: la ingeniería de peticiones, es decir, saber cómo formular de manera efectiva una pregunta o solicitud a un modelo para que se obtenga el resultado deseado. 

La realidad del vibe coding

Las herramientas de codificación con inteligencia artificial y el arte del vibe coding seguirán facilitando el acceso a la codificación. Al igual que cualquier otra habilidad, oficio o profesión que se aprenda, la prueba y el error son recursos muy valiosos. Muchos desarrolladores recuerdan claramente las sesiones de depuración, los problemas con las versiones de Python o Java, y los SDK o la ejecución por pasos. Se puede generar código fácilmente, pero hacerlo bien no es tan sencillo. Debido a la forma en que se entrenan los modelos de lenguaje en este momento, parte de su conjunto de datos podría incluir respuestas imprecisas o código erróneo u obsoleto, y el usuario promedio no puede volver a entrenar un modelo por su cuenta.

La respuesta es invertir en uno mismo. En Red Hat, ofrecemos capacitaciones prácticas sobre inteligencia artificial y tecnologías básicas, como Linux y Kubernetes. En el mundo de la inteligencia artificial, el futuro del vibe coding es prometedor y se espera una mejora de las funciones en materia de programación tradicional. Podría interpretarse como el "método de depuración con patito de goma": una técnica común en la que un desarrollador explica oralmente un problema o una intención a un patito de goma para obligar a su cerebro a analizar un problema de manera objetiva. La diferencia es que, con la inteligencia artificial, el patito de goma ahora responde.