Lunes, 16 de noviembre de 2026
Portada de las 22:25
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Show HN

Show HN: ADRs for AI – registros de deliberación para el trabajo entre humanos e IA, versionados en Git

ADRs4AI es un método y un conjunto de herramientas para que el razonamiento que surge al trabajar con un asistente de IA quede guardado en Git como registros de decisiones. Su autor pide opiniones sobre el onboarding y la claridad de los materiales.

Leer el artículo aquíArtículo original (adrs.systems) 32 comentarios en Hacker News

Escucha la noticia3 min

El autor presenta el proyecto como solución a dos problemas de la programación asistida por IA. El primero es cómo supervisar y qué supervisar: para ello propone el formato de preguntas ORRCF (Options, Recommendation, Rationale, Confidence, Falsifier), en el que los modelos deben exponer todas sus dudas con recomendaciones completas, incluido un falsificador, para que el humano las apruebe o las anule. El segundo es cómo dar soporte a código escrito por IA que sea sostenible: los ADRs (aquí, Architectural Deliberation Records, a partir de los registros de decisiones de Nygard) los redactan los modelos y resumen el proceso de pensamiento de cada decisión de diseño, además de servir de plano para el código.

Según el autor, los registros recogen por qué se tomaron decisiones poco evidentes, desde una constante hasta la elección de una librería o el orden de una operación, y en qué condiciones se habría decidido otra cosa: otra plataforma, otros requisitos de latencia u otra audiencia. Es un marco en el que lleva trabajando más de un año y que usa como punto de partida de todos sus proyectos. Su dificultad es el onboarding, que espera aliviar con un plugin recién creado y enviado al marketplace de Anthropic, y con unos vídeos introductorios que está grabando.

La web del proyecto describe tres piezas: una plantilla de repositorio con plantillas de ADR y de «semillas», directivas y un protocolo de bandeja de entrada; una extensión de VS Code con vistas de preguntas abiertas, diagnósticos y un servidor MCP para que los agentes consulten el registro; y un cliente para iOS desde el que revisar preguntas y aceptar respuestas que se convierten en commits. El flujo básico: crear un repositorio desde la plantilla, rellenar CLAUDE.md, ofrecer la «misión» al agente y volcar el pensamiento en una primera semilla, que la IA trocea en ADRs con las palabras del autor, las opciones, el razonamiento y las preguntas abiertas. Cada pregunta se localiza con un grep de «### QST».

La web incluye un ejemplo literal de un proyecto público: una pregunta sobre cómo conservar lo que antes se creía al corregir registros, con tres opciones, una recomendación (híbrido bitemporal) con su justificación, su confianza y su falsificador, y una respuesta del autor de una línea desde el móvil. Aclara también lo que no es: ni archivo de transcripciones, ni memoria con base de datos vectorial, ni plataforma de orquestación, ni una afirmación de que la IA tenga identidad persistente. Enlaza dos artículos académicos, uno aceptado en el AAAI 2026 Fall Symposium.

En Hacker News

«Show HN: ADRs for AI – Deliberation records for human–AI work, versioned in Git» · puesto 30 · 57 puntos · enviado por lumbroso

Lo que dicen los comentarios

Los comentarios son en buena parte escépticos. Varios critican la web: les parece un muro de texto con frases de marketing generadas por un LLM y echan en falta ejemplos reales que expliquen qué problema resuelve. Sobre el fondo, quienes han probado enfoques parecidos cuentan que los registros crecen sin control, el agente acaba obedeciendo supuestos obsoletos o contradictorios y se produce hinchazón de contexto; hay quien replica que eso exige mantener los ADRs, marcando los reemplazados o desfasados. También se discute qué merece ser un ADR (se acusa a los agentes de etiquetar como tal cualquier decisión de diseño) y dónde guardarlos: junto al código que justifican o en un directorio aparte. Otros comparten herramientas propias parecidas y la necesidad de capas intermedias que proyecten el registro a cada tipo de tarea. El autor responde en varios hilos, ofrece un vídeo o un ejemplo listo para probar y promete seguir puliendo la web.

  • Hay consenso en que los agentes deberían conservarlo todo y proyectar ese estado a representaciones más útiles para cada tarea. Tu enfoque sirve de evidencia, pero en repos grandes o antiguos los registros serán demasiado detallados; hace falta un enfoque multicapa.
    — zby, leer el comentario
  • Lo usé en un código profesional con decenas de colaboradores y degrada rápido lo que da el modelo: se confunde con «restricciones» contradictorias y cita supuestos obsoletos. Es la podredumbre de la documentación, pero ahora se obedece a ciegas.
    — varyherb, leer el comentario
  • Quien adopte ADRs debe mantenerlos al día e indicar cuáles quedan reemplazados u obsoletos. Un directorio de ADRs es un registro inmutable de transacciones; si al reducirlo quedan contradicciones, el conjunto está mal mantenido.
    — azeirah, leer el comentario
  • El agente produce montones de no-ADRs etiquetados como ADRs: decisiones de diseño o requisitos con opciones A/B/C pegadas. Al final tendrás cientos de ADRs sin sentido por los que el agente debe vadear.
    — buster, leer el comentario
  • El título me interesó, pero no soporté la web: un muro de texto lleno de frases de marketing y relleno, sin una explicación clara y cuidada. Perdón por la franqueza.
    — diegof79, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.