Un loop agéntico necesita una razón para empezar, trabajo que ejecutar, una forma de comprobar el avance y un lugar donde recordarlo. En el video lo explico con el framework DAME: disparador, agente, meta y estado.
La idea es reducir la cantidad de veces que tienes que volver a escribir “continúa”. Para conseguirlo, hay que definir qué significa avanzar y qué evidencia permite parar. Pedir que algo quede “perfecto” suele dejar ambas cosas demasiado abiertas.
En el video del 22 de junio de 2026 muestro mi forma de trabajar con tareas que revisan contenido, buscan ángulos para YouTube y organizan información de Imperio Agéntico.
Video completo y ejemplos de loops
Ver la explicación y las pruebas en YouTube. La explicación de DAME comienza cerca del minuto 10 y los comandos se muestran desde el minuto 19.
De una instrucción a un proceso que conserva el avance
Una tarea puede necesitar investigar, producir, revisar y corregir varias veces. Si cada vuelta depende de que tú vuelvas al chat, tu atención funciona como disparador de todo el proceso.
Un loop organiza esa continuación. Puede ejecutarse por un horario, por un evento o porque todavía no se ha cumplido una condición. Sigue siendo una forma de automatización, aunque parte de las decisiones se deleguen a un modelo y no estén enumeradas como ramas fijas.
El artículo de Addy Osmani sobre loop engineering desarrolla esta idea y la relaciona con herramientas, memoria y verificación. El marco DAME es mi forma de explicarla en el canal y llevarla a encargos concretos.
DAME: las cuatro piezas
| Pieza | Pregunta que resuelve | Ejemplo del trabajo con contenido |
|---|---|---|
| Disparador | ¿Cuándo comienza otra vuelta? | Cada cierto tiempo o al iniciar un objetivo |
| Agente | ¿Qué trabajo puede hacer? | Consultar fuentes y preparar candidatos |
| Meta | ¿Cómo sabemos si avanzó o terminó? | Cubrir la lista definida y justificar cada resultado |
| Estado | ¿Dónde queda lo aprendido? | Un archivo con IDs, fuentes, decisiones y pendientes |
Disparador: el reloj no define el encargo
“Cada hora” describe una frecuencia. Todavía falta explicar qué buscar, dónde, con qué criterio y qué hacer si no hay novedades. Cuanto más claro esté el encargo, menos tiempo gastará el agente en reconstruir tu intención.
En el video planteo búsquedas de videos y tendencias para el canal. Un encargo útil conserva los enlaces encontrados y evita presentar el mismo candidato cada vez. También distingue una señal reciente de una pieza antigua que acaba de descubrir.
Agente: herramientas y alcance
El agente necesita acceso a las fuentes que va a consultar. Tener un modelo potente no basta si no puede abrir el material o si recibe una colección incompleta.
Antes de arrancar un proceso largo, prueba una vuelta. Comprueba que encuentra un resultado real, que puede abrir la fuente y que guarda correctamente el archivo de salida. Esta pequeña comprobación ayuda a detectar fallos antes de repetirlos durante horas.
La guía de skills y MCP en Claude Code explica cómo conectar instrucciones reutilizables con herramientas. Un loop puede ejecutar un procedimiento ya definido en una skill, manteniendo el criterio en un solo lugar.
Meta: una condición que se pueda demostrar
“Mejora mi web” deja demasiado espacio. Un encargo más claro especifica qué páginas revisar, qué comportamiento corregir y cómo comprobarlo. No hace falta convertir todo en un número, pero sí dejar evidencia revisable.
Para recopilar publicaciones, puedes definir una lista de páginas de origen, un identificador por entrada y una regla para los duplicados. Si alguna página falla, el resultado debe mostrar ese hueco. Un archivo con muchas filas todavía puede estar incompleto.
Una evaluación cualitativa también puede tener un final: por ejemplo, entregar dos alternativas revisadas con una rúbrica concreta. Por eso “finito” y “determinista” no son sinónimos. Puedes limitar una tarea creativa aunque parte del juicio siga siendo humano.
Estado: lo que queda cuando termina un turno
El estado incluye archivos del proyecto, decisiones aceptadas, intentos fallidos y próximos pasos. Su función es que el agente no repita trabajo ni pierda el motivo de una decisión al reducirse el contexto.
Una estructura sencilla puede guardar fuente, estado de revisión, resultado y fecha de comprobación. No necesitas empezar con una base de datos compleja. Necesitas que esa información sea legible y se actualice al completar cada unidad de trabajo.
Para el archivo de contenido, puedes complementar este enfoque con la wiki en Obsidian o un grafo con Graphify. Indexar información mejora su recuperación; no significa reentrenar automáticamente los pesos del modelo.
Cuándo usar /loop y cuándo usar /goal
/loop repite un encargo; /goal mantiene el trabajo orientado a una condición de cierre. En el video utilizo el primero para seguir buscando y el segundo para cubrir un conjunto de información.
La documentación de /loop precisa que depende de la sesión y del computador. Las tareas recurrentes expiran a los siete días; al reanudar una conversación pueden restaurarse si todavía no expiraron. Para una programación duradera, conviene revisar las opciones de tareas de escritorio o rutinas en la nube.
Este ejemplo editorial adapta el caso de YouTube:
/loop 1h Revisa las fuentes de YouTube definidas en fuentes.md.
Añade a candidatos.md solo videos que no estén registrados.
Incluye enlace, fecha y motivo del ángulo propuesto.
Si no hay novedades, deja constancia sin duplicar candidatos.
No es necesario consultar cada minuto un canal que publica una vez por semana. Ajusta la frecuencia al ritmo de la fuente y al valor de detectar un cambio.
Cómo escribir un objetivo útil
En la demostración solicito identificar fuentes de entrada de miembros de la comunidad. El punto práctico es recorrer el conjunto definido y conservar el avance, no extrapolar atribución comercial a partir de una muestra incompleta.
Una adaptación para tu propio archivo podría ser:
/goal Revisa todas las páginas enumeradas en fuentes.md.
Registra los elementos en resultados.csv sin IDs duplicados.
El informe final debe reconciliar páginas previstas y revisadas,
identificar fallos y enlazar la fuente de cada fila.
Detente también si necesitas un acceso que no está disponible.
Según la documentación de /goal, otro modelo evalúa la condición usando lo que aparece en la conversación. No abre los archivos ni ejecuta pruebas por su cuenta. Por eso el agente debe mostrar la evidencia pertinente. Puedes consultar el estado con /goal y retirarlo con /goal clear.
La revisión del modelo ayuda a continuar, pero no convierte una afirmación de éxito en una prueba. Para verificar un archivo, ejecuta las comprobaciones sobre el archivo. Para confirmar un enlace, ábrelo. Mantén el resultado que demuestra el cierre.
Ultracode y consumo: decisiones separadas
Ultracode trata el esfuerzo y la coordinación de trabajo. Un loop trata la continuidad. Pueden combinarse, pero no necesitas lanzar muchos agentes para cada consulta repetida.
Empieza por una vuelta y observa cuánto aporta. Guarda el progreso para evitar repetir lecturas y usa un modelo adecuado a la dificultad. La comparativa de GLM y Opus muestra que una investigación puede costar más incluso con una tarifa por token inferior.
En el Motor Agéntico puedes revisar actividad y estimaciones. Separa la equivalencia API de lo que pagaste realmente por una suscripción. Ninguna de esas cifras demuestra por sí sola ingresos o retorno del negocio.
El primer loop que construiría es pequeño: una fuente conocida, un archivo de salida y un criterio que puedas revisar. Cuando produzca un resultado correcto de forma consistente, amplía el alcance.
Ve los comandos y el recorrido completo en YouTube. Los recursos y ejemplos de implementación de la comunidad están en Imperio Agéntico en Skool.
Preguntas frecuentes
¿Qué significa DAME en un loop agéntico?
Es el marco que explico en el video: disparador, agente, meta y estado. Define cuándo comienza el trabajo, quién lo ejecuta, cómo se comprueba y dónde se conserva el avance.
¿Cuál es la diferencia entre /goal y /loop?
En los ejemplos del video, /goal continúa hacia una condición de cierre y /loop repite una tarea con una frecuencia. El primero sirve para completar un conjunto definido; el segundo para volver a revisar una fuente.
¿Un loop es una automatización?
Sí. Puede incorporar decisiones de un agente dentro de un proceso automático. La diferencia práctica está en cuánto del recorrido está prefijado y qué decisiones se delegan al modelo.
¿Es suficiente pedir que una web quede perfecta?
Es un criterio demasiado abierto. Define páginas, comportamiento esperado y comprobaciones concretas. Una condición de cierre útil permite mostrar evidencia de qué se completó y qué falta.
¿Dónde debería guardar el estado del loop?
En archivos o registros que sobrevivan al turno de conversación: fuentes revisadas, resultados, IDs, decisiones y pendientes. El estado debe permitir retomar sin duplicar trabajo.
¿Necesito Ultracode para repetir una tarea?
No. La continuidad del trabajo y el esfuerzo de una ejecución son decisiones distintas. Empieza con una tarea acotada y añade coordinación de agentes cuando aporte un beneficio comprobable.
¿El consumo equivalente de API es mi gasto real?
No necesariamente. En una suscripción puede ser una estimación para comparar actividad. Separa esa equivalencia de pagos reales, y no la presentes como ingresos o retorno financiero del negocio.