2026.07.14 (Mar)
2026.07.16 (Jue) actualizado

✨ Resumen de GPT-5.6 Sol

Un registro de dividir un objetivo en varios Work Items, entregarlos a distintos workers y hacer que un coordinador verificara e integrara los resultados.

Era distinto de los workers anteriores

En un proyecto anterior de recopilación de datos también separé workers y coordinador. Pero aquellos workers repetían el mismo batch según un goal fijo, mientras el coordinador ordenaba periódicamente los resultados acumulados.

Esta vez fue diferente. Le di al coordinador un objetivo en lenguaje natural. Definió las condiciones de finalización y los Work Items, y después repartió archivos y alcance entre los workers.

Sesiones de Codex separadas entre un coordinador y varios workers

Cada worker -W- terminó y verificó su parte, y después entregó un commit. El coordinador -C- revisó esos resultados, los integró uno a uno y volvió a comprobar el estado completo.

Qué pasó al ponerlo en marcha

El flujo era sencillo.

Entregar el objetivo
→ Dividirlo en Work Items
→ Ejecutar y verificar en cada worker
→ Entregar los commits
→ El coordinador revisa e integra
→ Verificar de nuevo el estado completo

Lo mejor fue que quedó claro quién era responsable de cada cosa. Si una tarea fallaba, las demás no se tambaleaban, y podía revisar cada resultado como un commit.

El problema también apareció enseguida. Al abrir demasiados workers, los informes llegaron todos a la vez. Las sesiones duplicadas complicaron aún más la gestión. Más paralelismo no era automáticamente mejor: había que dividir el trabajo dentro de lo que el coordinador pudiera manejar.

Lo que quiero automatizar en OpenClaw

Flujo de Orchestrator que reparte un objetivo en lenguaje natural entre varios ejecutores y verifica los resultados

No quiero reproducir exactamente en el producto las sesiones, los Worktrees y las Branches que usé hoy. Quiero automatizar las decisiones que hay detrás.

  • hasta dónde dividir un objetivo
  • quién es responsable de cada resultado
  • qué hay que comprobar para dar una tarea por terminada
  • desde dónde reanudar el trabajo tras un fallo

Poner varias IA en marcha al mismo tiempo no fue lo difícil. Lo difícil fue reunir sus resultados sin perder nada. Hoy ejecuté ese proceso a mano.

Categorías: ,

Actualizado:

Deja un comentario