Las experiencias de un "criador de camarones": los agentes de IA no son tan perfectos

Escrita por: Haotian

Como un «criador de langostas», después de varias semanas de sufrimiento continuo, comparto algunas reflexiones y aprendizajes sobre criar langostas, solo para referencia:

1. Todos saben que criar langostas es para «mejorar la eficiencia», pero la verdad es que, en la etapa actual, la mayoría de las personas comunes que crían langostas están «perdiendo tiempo». Hay muchos problemas imprevistos, como que se bloquee la cuenta de Claude, se agote el cuota de reenvío de API, Openclaw de repente actualiza y pierde la «memoria», etc., lo cual consume la mayor parte del tiempo, y la mejora en eficiencia que se obtiene en comparación es muy poca y no proporcional;

2. En la línea de tiempo de Twitter se ven todo tipo de publicaciones que venden ansiedad por la IA, solo hay que mirarlas, cosas como que un solo comando puede hacer que Claude controle toda tu computadora, que un Prompt hará que la IA tome el control permanente de tu trabajo y te deje en paz, y cosas por el estilo. La realidad es que, no solo no se relajan, sino que a menudo trabajan hasta altas horas para una función, arreglan un bug y aparece otro, es difícil imaginar cómo esas personas que ni siquiera quieren dedicar cinco minutos a una operación real, se atreven a gritar con tanta autoridad que la AGI está llegando y que la IA va a revolucionar todo;

3. Criar langostas realmente puede hacer realidad el sueño de muchas personas de tener una OPC (One Person Company), pero el límite de capacidad de los grandes modelos es igual para todos, aunque el nivel de comprensión y dominio de los grandes modelos varía mucho entre las personas. No pienses que todos pueden convertirse en Peter Steinberger, Matt Schlicht o Andrej Karpathy; un desarrollador increíble y una persona común, en cuanto a ideas, diseño de frameworks, experiencia de iteración, nivel de habilidades y resultados entregados, realmente pueden estar en mundos diferentes;

4. Crear langostas en esencia es construir tu propio sistema operativo de IA, en teoría, cuanto más tipos de grandes modelos conectes en paralelo, más gestionas la cantidad de empleados digitales, los niveles de tareas de colaboración activa y pasiva, la anidación de Skills y la combinación para entregar tareas, mayor será la probabilidad de conflictos y más difícil será optimizar. Hay que entender que criar langostas nunca ha sido un problema de «capacidad del modelo», sino de «optimización en la implementación técnica»;

5. Configurar Opus 4.6 y Gemini 2.5 Flash Lite en todos los empleados digitales puede hacer lo mismo, pero el primero implica contratar a expertos veteranos de Wall Street, mientras que el segundo es más como contratar esclavos en un barrio pobre. Quizá ambos logren una misma función, pero los costos y resultados entregados no se pueden comparar. La realidad es que el tiempo que gastas en depurar bugs, otros pueden ahorrarlo con solo tener más dinero. Criar langostas realmente cuesta mucho dinero, y lo peor es que, aunque la mayoría entiende esto, aún así tienen que conformarse con usar modelos peores y seguir optimizando;

6. Criar empleados digitales y apilar bloques de LEGO es similar: cuantos más empleados y Skills tengas, más complejos serán los escenarios de Jobs, y más probable será un colapso repentino. Para ciertas tareas, basta con tener suficiente capacidad; no hay que ser insatisfecho ni exigir «más allá» de lo que uno puede comprender. Se recomienda invertir más en ingeniería de memoria, diseño de versiones en Git, eliminación de ilusiones del modelo, etc., porque de lo contrario, habrá momentos en los que uno casi se derrumba. Puede que en un momento hayas resuelto con entusiasmo una tarea muy genial, y al siguiente, todo se derrumba y quieres llorar. No me preguntes cómo lo sé;

Eso es todo.