Seis ingenieros, seis flujos de trabajo de IA: sin ceñirse a una configuración uniforme y popular, cada ingeniero personaliza su flujo de trabajo según su estilo personal, combinando la intuición humana con la inteligencia artificial para lograr una colaboración eficiente. (Autora: @RheaPurohit1) El artículo profundiza en el flujo de trabajo diario de los seis ingenieros de @every, revelando cómo desarrollan software de forma eficiente utilizando un conjunto de herramientas personalizadas en la era de la IA. Como un equipo pequeño (solo seis personas), mantienen simultáneamente cuatro productos de IA (como el organizador de archivos Sparkle, el asistente de correo electrónico Cora, la herramienta de reutilización de contenido Spiral y la aplicación de transcripción de voz Monologue), servicios de consultoría y un boletín informativo diario para más de 100.000 lectores. La idea central del artículo es que la IA no es una panacea, sino un amplificador. Los ingenieros aceleran el desarrollo utilizando herramientas como Claude Code y Codex mediante un ciclo cerrado de planificación, ejecución y revisión, pero siempre haciendo hincapié en el enfoque, la supervisión y el control humano para evitar la "ilusión" o los sesgos de la IA. 1. Yash Poojary (Gerente General de Sparkle): Equilibrio entre experimentación y gestión de límites Yash pasó de un funcionamiento en una sola máquina a un procesamiento paralelo en dos: una Mac Studio con Claude Code y otra con Codex. Probó las diferencias con las mismas instrucciones para acelerar la iteración. El diseño de la interfaz del nuevo Sparkle se importó directamente a la IA mediante la integración de Figma MCP, evitando así las capturas de pantalla manuales. Entre sus herramientas diarias se incluían una terminal Warp y un documento de notas de aprendizaje (que acumulaba información contextual en la nube). Para evitar distracciones, creó su propia aplicación AgentWatch para monitorizar las conversaciones multiagente y las dividió en dos modos: ejecución por la mañana y exploración por la tarde, para garantizar que el resultado no se desviara del objetivo. 2. Kieran Klaassen (Director General de Cora): Ciclo cerrado impulsado por la planificación Kieran considera la planificación como un pilar fundamental, utilizando Claude Code para generar planes de tres niveles (funciones pequeñas, medianas y grandes) e integrándolos con Context 7 MCP. Tras subir el plan a GitHub, se transforma en tareas de IA: Claude Code se encarga principalmente del desarrollo orientado al control, mientras que Codex o Amp gestionan la lógica compleja. Una vez finalizado, Claude Code, junto con herramientas como Cursor, revisa el código, creando un ciclo iterativo hasta su implementación. Este proceso garantiza la fiabilidad de Cora (una herramienta de correo electrónico con IA) y representa un enfoque sistemático «desde la planificación hasta la entrega». 3. Danny Aziz (Director General de Spiral): Desglose de hitos liderado por CLI Danny programa el 70 % en la interfaz de línea de comandos de Droid: GPT-5 Codex gestiona la planificación de las funcionalidades principales, anticipando las consecuencias secundarias (como los cuellos de botella de la base de datos) y dividiéndolas en hitos. Warp se encarga de la multitarea en pantalla dividida, y el editor Zed revisa los detalles. Abandonó Cursor, optando por una configuración sencilla de una sola pantalla, e incorporó Figma para dos pantallas únicamente durante la fase de diseño. Esto le permitió rediseñar rápidamente Spiral, destacando el papel de la IA en la gestión de la complejidad. 4. Naveen Naidu (Gerente General de Monologue): El proceso es la verdad. Naveen utiliza Linear como herramienta central de gestión de proyectos, unificando el archivo de todos los requisitos (Discord, correo electrónico, etc.) para garantizar la trazabilidad. Tras migrar a Codex, las tareas pequeñas implican copiar manualmente el contexto a la nube para ejecutar el agente; las tareas grandes utilizan la CLI de Codex para generar un archivo plan.md como plantilla. La ejecución se divide entre sesiones de lluvia de ideas en la nube (generación de solicitudes de extracción y exploración de casos límite) y compilaciones locales (terminal Ghostty + backend Cursor). La revisión incluye la revisión integrada de Codex, la comparación manual y la verificación de los registros de Sentry. Su propio sistema de transcripción de voz, Monologue, se utiliza durante todo el proceso para proporcionar indicaciones verbales, lo que mejora la eficiencia. Esto refleja la filosofía de "trazabilidad y monitorización de extremo a extremo". 5. Andrey Galko (Supervisor de Ingeniería): Minimalista, comprometido con la eficiencia. Andrey evitó buscar herramientas innecesarias y confió en Cursor durante mucho tiempo, pero cambió a Codex debido a limitaciones de cuota. El código inicial de OpenAI era "perezoso", pero mejoró significativamente después de GPT-5: destaca en lógica no visual y generación de interfaces de usuario, rivalizando con la creatividad de Claude Code. Andrey elogia a OpenAI por "romper la hegemonía del código de Anthropic", adhiriéndose al principio de "usar lo que es útil", centrándose en la entrega de productos mínimos viables (MVP) y siendo apto para un rol de liderazgo de equipo. 6. Nityesh Agarwal (Ingeniero de Cora): Enfocado en tareas de un solo hilo, con supervisión similar a la del águila. Nityesh ejecuta Claude Code en una MacBook Air, dedicando tiempo previamente a investigar el código fuente y a desarrollar un plan detallado. Se concentra intensamente en una sola terminal mientras programa para evitar la interferencia de múltiples agentes, interrumpiendo con frecuencia la IA para buscar explicaciones, reduciendo ilusiones y perfeccionando sus propias habilidades. Su mecanismo de revisión de solicitudes de extracción en GitHub es único: los comentarios humanos se importan a la terminal de Claude Code para correcciones colectivas. Esto lo expone a riesgos de dependencia cuando Claude Code falla, pero también refuerza su creencia de que «la confianza requiere supervisión». Cursor/Warp se utiliza solo como herramienta auxiliar. Implicaciones generales: El artículo sobre el poder colectivo de las pilas personalizadas no es solo una lista de herramientas de IA, sino una demostración de cómo la IA puede evolucionar de «asistencia» a «componente central», sin dejar de requerir intervención humana (como modos de enfoque y ciclos de revisión). El éxito de cada una radica en la diversidad: desde el fervor experimental de Yash hasta la simplicidad de Andrey, cada pila puede ser diferente, pero todas comparten una mentalidad de ciclo cerrado y gestión del contexto. Esto inspira a los desarrolladores: la IA puede multiplicar por diez la productividad, pero, en última instancia, el éxito o el fracaso se determina por la colaboración entre humanos e IA. Dirección del artículo:
