El bucle de verificación de IA mide si un agente de codificación con IA puede preparar el proyecto, ejecutarlo y verificar su propio cambio sin ayuda humana. Este es el quid del trabajo autónomo de los agentes — un agente que puede comprobar su trabajo se potencia de forma compuesta; uno que no puede se limita a generar texto plausible — y por ello tiene el mayor peso en la insignia de Preparación para IA.
- Categoría: Preparación para IA (40 % dentro de la categoría)
- Peso en el índice general: 0 % — parte de la insignia independiente de Preparación para IA
- Clave de la métrica:
ai_verify_loop
Cómo se calcula el valor
| Componente | Peso | Evidencia |
|---|---|---|
| Arranque con un solo comando | 22.5 | Makefile, Taskfile, justfile, mise o noxfile |
| Pruebas automatizadas | 27 | una suite de pruebas que el agente puede ejecutar para autocomprobarse (compartida con prácticas de ingeniería) |
| Configuración de lint / formato | 13.5 | compartida con la señal de linter de ingeniería |
| Verificación estática de tipos | 13.5 | un lenguaje con tipado estático, o una configuración de verificación de tipos (mypy, pyright, tsconfig, py.typed) |
| Entorno reproducible | 13.5 | devcontainer, Dockerfile, Nix o un lockfile de dependencias |
| OpenSSF Scorecard: Pinned-Dependencies | 10 | resultado 0–10 de Scorecard, escalado a 10 puntos |
Pinned-Dependencies es evidencia compartida: aporta información de reproducibilidad de la cadena de suministro al bucle de verificación del agente, sin dejar de ser un componente pleno de Seguridad. Se excluye cuando Scorecard no está disponible o informa n/a.
Por qué este bucle decide la utilidad del agente
Cada componente elimina un modo de fallo del trabajo autónomo:
- Arranque — el agente puede pasar del clon a la ejecución sin arqueología.
- Pruebas — el agente puede demostrar que un cambio hizo lo que se pretendía.
- Lint y tipos — clases enteras de errores se detectan mecánicamente, antes de la revisión.
- Entorno reproducible — «funciona en el sandbox del agente» significa que también funciona en otros lugares.
Cabe destacar que se trata de la misma infraestructura que sirve a los contribuyentes humanos — la métrica no premia ninguna rareza específica de agentes más allá de lo que un proyecto disciplinado ya posee. Un proyecto fuerte en Calidad de Ingeniería suele partir con ventaja aquí.
Cómo leer el resultado
- Las señales confirman la existencia del bucle, no su velocidad ni su cobertura — la regla de honestidad basada en presencia de toda la insignia.
- Un bucle de verificación alto con un contexto para agentes en estado de esbozo suele indicar un proyecto bien construido que simplemente aún no ha escrito orientación para agentes — la mejora más barata posible.
Cómo mejorar el valor
- Añadir un Makefile (o justfile/Taskfile) que exponga los objetivos
install,testylint. - Mantener una suite de pruebas automatizadas ejecutable en local con un solo comando.
- Adoptar la verificación de tipos — incluso un mypy/tsconfig mínimo cuenta.
- Confirmar en el repositorio un lockfile, un Dockerfile o un devcontainer para la reproducibilidad del entorno.
Relacionado: Legibilidad del código para IA · prácticas de ingeniería