Git Worktrees: haz competir dos modelos de IA
Contenido del curso
Kenneth Angulo L
Nicolás Alejandro Vargas Cárdenas
Alvaro Rafael Guete Puello
Daniel Alfredo García Serna
Kenneth Angulo L
Huy !! Este video tiene mal el audio se apago el canal derecho. Y se escucha muy apagado.
Equipo pltazi, favor aplicar el skill: normalizar-audio y distribuir_en_stereo
Hola! Te quedaron muy bacanas las infografías de resumen de cada clase. Me dio curiosidad saber qué herramienta utilizaste para crearlas y cómo mantuviste la consistencia del diseño entre todas. ¡Quedaron muy bien!
📚 CLASE: GIT WORKTREES — HAZ COMPETIR DOS MODELOS DE IA
━━━━━━━━━━━━━━━━━━
🎯 IDEA PRINCIPAL
🟡 Git Worktree permite trabajar simultáneamente con varias copias independientes del mismo repositorio.
🔵 Esto permite asignar el mismo spec a distintos modelos y comparar sus soluciones sin que interfieran entre sí.
━━━━━━━━━━━━━━━━━━
⚡ RESUMEN ULTRA RÁPIDO
🔵 Un branch separa líneas de trabajo, pero normalmente trabajas cambiando entre ramas.
🔵 Un worktree crea otra copia de trabajo asociada al repositorio y permite trabajar en paralelo.
🟢 Puedes asignar exactamente el mismo problema a dos agentes utilizando worktrees independientes.
🟡 Después comparas código, arquitectura, tests y cambios antes de integrar una solución.
🟣 El objetivo no es saber qué modelo es “mejor”, sino obtener alternativas técnicas comparables para una misma tarea.
━━━━━━━━━━━━━━━━━━
🔑 LO IMPORTANTE
🔵 Cada worktree mantiene su propio directorio de trabajo, aunque las copias pertenezcan al mismo repositorio.
🟡 El aislamiento evita que dos agentes modifiquen simultáneamente los mismos archivos de trabajo.
🔴 No compares únicamente cantidad de código: una solución más grande puede introducir complejidad innecesaria.
🟢 Evalúa cada resultado mediante criterios definidos previamente: funcionalidad, tests, arquitectura, simplicidad y mantenimiento.
🟡 En la clase, ambos agentes implementan el mismo evaluador de feature flags con lógica pura y pruebas.
🟣 La decisión final permanece contigo: los agentes producen alternativas, pero tú decides cuál integrar.
━━━━━━━━━━━━━━━━━━
🧩 MODELO MENTAL
🔵 Mismo spec → Worktree A + Modelo A → Worktree B + Modelo B → Comparar → Validar → Integrar
🟡 Convierte la selección de modelos en un experimento controlado, no en una discusión teórica.
🟣 Define los criterios antes de ver los resultados para reducir el sesgo hacia la primera solución que funcione.
━━━━━━━━━━━━━━━━━━
🚀 ACCIONES PARA HOY
🟢 Elige una funcionalidad pequeña y suficientemente aislada de tu proyecto.
🟢 Escribe un spec con requisitos y criterios de aceptación concretos.
🟢 Crea dos worktrees independientes partiendo del mismo estado del repositorio.
🟢 Ejecuta exactamente el mismo prompt y spec con dos modelos diferentes.
🟢 No intervengas innecesariamente mientras ambos agentes trabajan.
🟢 Compara diffs, tests, dependencias, complejidad y estructura de ambas soluciones.
🟢 Ejecuta las mismas pruebas sobre las dos implementaciones antes de elegir.
🟢 Integra únicamente la solución que cumpla tus criterios definidos previamente.
━━━━━━━━━━━━━━━━━━
🟣 VENTAJA PROFESIONAL
🟣 Puedes utilizar este método como un benchmark práctico de modelos dentro de tu propio stack.
🟣 No necesitas preguntar qué modelo funciona mejor en general; puedes comprobar cuál resuelve mejor tu problema específico.
🟣 Hack: úsalo especialmente cuando existan varias soluciones razonables de arquitectura, algoritmos o UI.
🟣 También puedes enfrentar dos implementaciones frontend y comparar UX, accesibilidad, rendimiento y complejidad.
🟣 La metodología encaja con el flujo anterior del curso: specs definen el trabajo, agentes lo ejecutan y worktrees permiten comparar alternativas aisladas.
━━━━━━━━━━━━━━━━━━
📝 CIERRE
🟡 El principiante pregunta qué modelo debería usar; el profesional prueba modelos sobre problemas reales y mide los resultados.
🟢 Cuando tengas una tarea con varias soluciones posibles, deja que dos agentes la resuelvan en paralelo y convierte la elección en evidencia.
