Episodi 004: Domar la IA per programar amb precisió

Introducció

Imagina que trobes una llàntia màgica a la platja. La fregues, n’apareix un geni… però no el de Disney. N’apareix un geni antic, caòtic i entremaliat que escriu codi que “més o menys funciona”. Aquesta metàfora obre l’episodi d’avui, on analitzem a fons la presentació “Augmented Coding: Mapping the Uncharted Territory” d’Ada Kessler per descobrir com domesticar la intel·ligència artificial i convertir-la en un col·laborador precís per a la programació.

Temes tractats

• La podridura del context (Context Rot): La il·lusió que la IA “aprèn” durant la conversa és falsa — els pesos del model estan congelats. L’historial es reenvia sencer amb cada missatge, i a mesura que creix, l’atenció del model es degrada fins a ignorar instruccions crítiques. La solució: gestió activa del context amb “documents de coneixement” destil·lats i reinicis nets periòdics.

• L’antipatró de l’agent distret: Centralitzar tot el coneixement en un únic agent generalista dilueix la seva atenció fins a extrems inoperants. L’alternativa que demostra Kessler: eixams de petits agents altament especialitzats i efímers, cadascun amb una sola responsabilitat (ex: un agent dedicat exclusivament a commits que detecta errors que el superagent ignorava).

• MCP i les eines automàtiques acceleren la degradació: Connectar protocols com el Model Context Protocol no amplia l’atenció de la IA — de fet, injecta milers de línies d’instruccions i codi al context, col·lapsant-lo encara més ràpidament.

• No determinisme com a eina: En lloc de buscar la resposta perfecta al primer intent, la clau és multiplicar intents paral·lels (amb Git Worktrees) i avaluar els resultats. L’exemple del joc Ricochet Robot il·lustra com combinar la lògica brillant d’una versió amb la interfície impecable d’una altra.

• El biaix de compliment (Compliance Bias): Els models prefereixen obeir ordres absurdes en silenci abans que qüestionar l’usuari. La solució: instruccions explícites al sistema que forcin fricció intencionada — obligar la IA a aturar-se, preguntar i mostrar el seu pla abans de generar codi.

• Zoom semàntic (Semantic Zoom): La capacitat única dels LLMs d’adaptar la densitat d’informació en temps real — comprimir un fitxer cargo.toml complex a una frase, o expandir una sola línia a una explicació profunda. El text com a interfície definitiva entre humans i màquines.

• Del gargot al codi: L’anècdota del hackathon on un dibuix en un tovalló es transforma en codi funcional mitjançant una cadena de traduccions textuals (foto → ASCII art → Markdown → diff amb codi actual → implementació), eliminant el no determinisme amb passos seqüencials validables.

• El futur: de creadors a directors d’orquestra: L’habilitat més covejada ja no serà el domini d’un llenguatge de programació, sinó l’art de dissenyar sistemes d’avaluació continus (EVALS) per supervisar eixams d’agents autònoms.

Fonts

• Augmented Coding: Mapping the Uncharted Territory (Ada Kessler) — lexler.github.io/augmented-coding-patterns Presentació completa sobre com domesticar la IA en tasques de programació, estratègies d’optimització de context i arquitectura d’agents especialitzats.

• Video: Augmented Coding Patterns — YouTube Xerrada narrada i visual que acompanya la presentació anterior, amb exemples pràctics del dia a dia.

• Transcripció automàtica de l’episodi — 004-domar-ia-precisio-transcripcio.txt Transcripció completa generada amb OpenAI Whisper (model large-v3).

Important: Aquest episodi ha estat generat amb intel·ligència artificial basant-se en fonts públiques. La transcripció s’ha generat automàticament amb OpenAI Whisper (model large-v3). Consulta sempre les fonts originals per obtenir la informació completa.