Skip to content
Producto

Construya flujos de trabajo que escriben código: presentamos el paso de agente de código

Los flujos de trabajo de JieGou ahora pueden incluir agentes de código autónomos que leen, escriben, editan archivos y ejecutan comandos de shell dentro de un entorno sandbox. Así es como funciona y por qué importa.

JT
JieGou Team
· · 6 min de lectura

La mayoría de las plataformas de automatización de IA se detienen en el texto. Puede generar un informe, redactar un email o resumir un documento. Pero, ¿qué pasa si su flujo de trabajo necesita escribir código, ejecutar pruebas, actualizar un archivo de configuración o generar un script de migración?

Hoy lanzamos el agente de código — un nuevo tipo de paso de flujo de trabajo que da a sus automatizaciones la capacidad de interactuar autónomamente con bases de código.

¿Qué es el agente de código?

El agente de código es un nuevo tipo de paso que puede agregar a cualquier flujo de trabajo de JieGou. Le da una descripción de tarea y opcionalmente lo apunta a un repositorio Git. El agente entonces:

  1. Clona el repositorio (o trabaja en un directorio temporal)
  2. Explora la base de código — lee archivos, busca con glob y grep
  3. Planifica su enfoque basado en lo que encuentra
  4. Implementa cambios — escribe nuevos archivos, edita los existentes
  5. Verifica su trabajo — ejecuta pruebas, revisa errores
  6. Reporta con un resumen y lista de archivos modificados

Todo esto sucede autónomamente, turno por turno, hasta que la tarea se completa o se alcanza el límite de turnos configurado.

Seis herramientas integradas

El agente tiene acceso a seis herramientas, cada una diseñada para una operación específica:

HerramientaQué hace
readLeer contenido de archivos con rango de líneas opcional
writeCrear o sobrescribir un archivo
editReemplazo exacto de cadenas con coincidencia difusa Unicode
bashEjecutar comandos de shell con aplicación de tiempo límite
globEncontrar archivos por patrón
grepBuscar contenido de archivos con regex

Puede habilitar o deshabilitar herramientas individuales por paso. Por ejemplo, un paso de “análisis de solo lectura” podría habilitar solo read, glob y grep.

Sandbox por defecto

La seguridad es innegociable cuando se da a un LLM acceso a un sistema de archivos y shell. Cada paso de agente de código en producción se ejecuta dentro de un contenedor Docker con restricciones estrictas:

  • Sin acceso a red — el contenedor no puede hacer conexiones salientes
  • Límites de memoria — OOM kill duro a 512 MB
  • Límites de CPU — limitado al 25% de un núcleo
  • Límites de PID — previene fork bombs (máximo 50 procesos)
  • Sistema de archivos raíz de solo lectura — solo el directorio de trabajo es escribible
  • Confinamiento de rutas — todas las operaciones de archivo se validan para permanecer dentro del directorio de trabajo, con traversal de symlinks bloqueado
  • Aplicación de tiempo límite — los comandos bash se terminan forzosamente después del tiempo límite configurado (predeterminado: 2 minutos)

En modo de desarrollo, el agente usa operaciones de sistema de archivos local para iteración más rápida. La interfaz pluggable FileOperations significa que las mismas definiciones de herramientas funcionan en ambos entornos.

Compactación iterativa para sesiones largas

Las tareas de código complejas pueden requerir muchos turnos — 20, 30, incluso 50 llamadas a herramientas. Eso es mucho contexto. El agente de código usa el mismo sistema de compactación iterativa que la IA conversacional de JieGou para manejar sesiones largas:

  • Cuando los mensajes acumulados se acercan a la ventana de contexto del modelo, los turnos más antiguos se comprimen en un resumen estructurado
  • El resumen preserva objetivos, progreso, decisiones clave y referencias a archivos
  • Las compactaciones subsecuentes actualizan el resumen existente en lugar de regenerar desde cero

Esto significa que el agente nunca pierde el rastro de lo que ha hecho, incluso en sesiones que se ejecutan durante docenas de turnos.

Transmisión de eventos en tiempo real

Cada acción que el agente toma emite un evento estructurado:

  • turn_start / turn_end — rastrear conteo de turnos y uso de tokens
  • tool_call / tool_result — ver qué herramientas se están usando y sus salidas
  • assistant_message — el razonamiento y explicaciones del agente
  • compaction — cuando el contexto se comprime
  • agent_end — resumen final con total de turnos, tokens y archivos modificados

Estos eventos impulsan la visualización de progreso en tiempo real en la interfaz de ejecución de flujo de trabajo y se registran en la pista de auditoría para cumplimiento.

Casos de uso

Aquí hay algunas formas en que los equipos ya están usando el agente de código:

  • Generación automatizada de pruebas — apúntelo a un módulo y pídale que escriba pruebas unitarias
  • Actualizaciones de documentación — genere documentación de API, READMEs o changelogs a partir de cambios de código
  • Scripts de migración — escriba archivos de migración de base de datos basados en cambios de esquema
  • Generación de configuración — produzca Terraform, YAML de Kubernetes o configs de CI/CD a partir de plantillas
  • Asistencia en revisión de código — analice un diff y genere comentarios de revisión
  • Actualizaciones de dependencias — actualice versiones de paquetes y corrija cambios que rompen compatibilidad

Cómo encaja en los flujos de trabajo

El agente de código es un paso regular de flujo de trabajo. Puede:

  • Recibir entrada de pasos anteriores vía mapeos de entrada (por ejemplo, un diff de PR de un disparador de webhook)
  • Producir resultados que los pasos posteriores consumen (la respuesta del agente, lista de archivos modificados, uso de tokens)
  • Ejecutarse en modo DAG junto con otros pasos con declaraciones de dependencia
  • Usar cualquier proveedor de LLM — elija el modelo que funcione mejor para tareas de código (Claude Opus para refactorizaciones complejas, Haiku para ediciones simples)

Control de plan y estimación de costos

El agente de código está disponible en planes Pro y superiores. La estimación de costos cuenta el maxTurns configurado multiplicado por el promedio de tokens por turno, así obtiene una estimación precisa antes de iniciar una ejecución de flujo de trabajo.

Los planes Enterprise obtienen pools de contenedores dedicados para mayor concurrencia y aislamiento.

Primeros pasos

  1. Cree o edite un flujo de trabajo
  2. Agregue un nuevo paso y seleccione Agente de código como el tipo
  3. Escriba su descripción de tarea (sea específico — incluya rutas de archivo, comportamiento esperado, comandos de prueba)
  4. Opcionalmente establezca una URL de repositorio y rama
  5. Configure acceso a herramientas, turnos máximos y selección de modelo
  6. Ejecute el flujo de trabajo

El agente de código trae capacidades de ingeniería de software a la misma plataforma donde su equipo ya ejecuta generación de contenido, procesamiento de datos y flujos de trabajo operacionales. Sin herramientas separadas, sin cambio de contexto — solo otro paso en su pipeline.

Disponible ahora en planes Pro y Team. Comience.

coding-agent workflows automation devops sandboxing docker
Compartir este artículo

¿Le gustó este artículo?

Reciba consejos sobre flujos de trabajo, actualizaciones de producto y guías de automatización en su bandeja de entrada.

No spam. Unsubscribe anytime.