En el dinámico mundo del desarrollo de software, las discusiones sobre el manejo de solicitudes de cambios o «pull requests» han tomado un giro inesperado. Creadores de diversas plataformas se encuentran enfrentando una nueva tendencia: el aumento de solicitudes generadas por agentes automatizados, como Copilot o herramientas internas de plataformas como AutoGPT.
Nicholas Tindle, ingeniero fundador en AutoGPT, es uno de los que lidian diariamente con este desafío. En mayo, durante una entrevista realizada durante el Mes del Mantenedor, Tindle compartió que AutoGPT había acumulado alrededor de 180,000 estrellas y tenía cerca de 150 solicitudes abiertas, muchas de ellas escritas por estos agentes. La reacción común entre los mantenedores suele ser cerrar la puerta a estas intervenciones automatizadas para evitar sobrecargar al equipo con revisiones infructuosas.
No obstante, Tindle ve una ventaja en dejar que los agentes contribuyan si así lo desean. Argumenta que es como tener a alguien más pagando por el procesamiento computacional necesario, mientras los mantenedores ajustan el acceso a través de reglas claras y directrices específicas, colocadas estratégicamente en archivos como «AGENTS.md».
El equipo de AutoGPT ha experimentado con diversas estrategias para mejorar la interacción con contribuciones automatizadas, desde directrices y wikis hasta la implementación de archivos de instrucciones como «CLAUDE.md», que intentan guiar a estos agentes en sus contribuciones. Estos archivos son cruciales porque los agentes solo leen lo que está directamente dentro de su directorio de trabajo, una lección aprendida a base de ensayo y error.
AutoGPT ha implementado diferentes tipos de barreras, como plantillas para las solicitudes de cambio que deben seguirse estrictamente. También han sido innovadores en exigir planes de prueba dentro de las plantillas, lo que induce a los agentes a ejecutar y verificar los cambios propuestos automáticamente, reduciendo así errores en el código.
Además, AutoGPT ha introducido mecanismos como la exigencia de firmar un Acuerdo de Licencia de Contribuidor (CLA) para verificar la autenticidad humana detrás de las contribuciones y así evitar infiltraciones automatizadas indeseadas.
Aunque no todas las medidas empleadas fueron efectivas —como los comentarios automatizados tras fallos de chequeo que generaron más ruido que soluciones—, el equipo aprendió a seleccionar y apagar aquellas que no ofrecían un claro beneficio. Este enfoque deliberado reduce la carga de los mantenedores y filtra contribuciones de calidad.
Además de las barreras técnicas, Tindle sugiere recordar que no toda pull request debe ser aceptada; a veces, reconstruir la solución de manera interna es la dirección correcta. También promueve reconocer a los contribuyentes, co-escribiéndolos incluso cuando la solución final sea del equipo, lo que fomenta una comunidad colaborativa y agradecida.
Estas prácticas de AutoGPT ejemplifican cómo la comunidad open source está evolucionando al incluir estas nuevas tecnologías en un marco de cooperación explícita, sin perder el control total sobre lo que se acepta dentro del proyecto. Tindle subraya la importancia de colocar las directrices junto al código, donde ya están presentes los contribuyentes y sus herramientas automatizadas, propiciando así interacciones más fluidas y efectivas.
vÃa: Github Open Source
