100 Claudes pelean por tu respuesta

Lo que pasa por dentro

Cien entran, uno sale

Es un torneo de eliminación directa. Cada competidor recibe la misma tarea, palabra por palabra, y una carta distinta que le dice cómo atacarla. Después se emparejan, se atacan, se defienden y un juez decide. El que pierde se va.

Cuando el número es impar, uno pasa libre («bye»), y nunca el mismo agente dos veces mientras haya otro esperando. Salen del plan que imprime el propio bracket.py para 100 agentes.

1. Reparto. Cien sub-agentes y una carta cada uno

   Todos reciben el mismo texto. Lo que los hace distintos es la carta: un modo de razonar (hay 15), un flujo de trabajo (12) y una estrategia (12). Son 2,160 combinaciones, y el repartidor no repite ninguna.

   Primeros principiosInversiónAnalogíaAdversarialRestricción primero Ejemplo resueltoSocráticoContrarioPensamiento sistémicoDescomposición Hacia atrásProbabilísticoDialécticoEvidencia primeroPanel de expertos

   Esos son los 15 modos de razonar, traducidos. En la skill están en inglés, en strategies.json, y se pueden editar.

   Cartaa017

   Modo de razonar

   Inversión

   Pregúntate qué haría fallar la respuesta y construye la que vuelve imposible cada falla.

   Flujo

   Primero las pruebas

   Estrategia

   Casos extremos primero

   Cartaa042

   Modo de razonar

   Primeros principios

   Reduce la tarea a los hechos que nadie discute y reconstruye la respuesta sólo con eso.

   Flujo

   Borrador, crítica y reescritura

   Estrategia

   Lo más simple que funcione

   Cartaa088

   Modo de razonar

   Panel de expertos

   Responde como lo harían tres expertos distintos y quédate con la idea más fuerte de cada uno.

   Flujo

   Tres borradores, elige uno

   Estrategia

   Claridad ante todo

   Tres cartas de ejemplo que armé con las listas reales de strategies.json, para que veas la forma. En una corrida las reparte la skill.

2. Ataque. Cada uno ataca la solución del otro

   Los emparejan evitando que choquen dos agentes con el mismo modo de razonar. Cada lado busca qué está mal, qué requisito se saltó y la entrada exacta que lo rompe. Hasta siete ataques, etiquetados FATAL, MAJOR o MINOR: las etiquetas que salen en el video.

3. Defensa. Cada uno contesta lo que le tocó

   Concede o rebate con pruebas cada ataque que recibió y reescribe su solución para arreglar lo que concedió.

4. Juez. Otro sub-agente lee las dos y puntúa

   Revisa los ataques por su cuenta y puntúa con una rúbrica escrita. Nunca ve las cartas. Un script suma los puntos y pasa el total más alto, y una solución con un fallo FATAL comprobado no le puede ganar a una sin él.

5. Y otra vez. Los que ganan pasan con su solución ya corregida

   Se repite ronda tras ronda: 100, 50, 25, 13, 7, 4, 2 y 1.

6. Resultado. La que sobrevivió, con sus cicatrices

   Te regresa la solución, los ataques que aguantó, su carta y cuántas rondas hicieron falta. Si empezaste desde una respuesta que no te gustó, un último juez la compara con la ganadora a ciegas y te dice la puntuación, aunque gane la vieja.

Con qué puntúa el juez

Cada criterio vale de 0 a 10 y pesa distinto sobre 100. Está escrito en rubric.md: puedes leerlo y cambiarlo.

La rúbrica dice lo que no premia: la longitud («una respuesta corta que cumple todo le gana a una larga que cumple lo mismo»), la seguridad con que se defiende («un “ya lo arreglé” no es prueba»), hablar bien de sí misma, ni que coincida con el gusto del juez donde la tarea no lo pide.

Para pegar

Tres tareas bien escritas

La skill le pide a Claude que la tarea incluya cinco cosas: tu pedido, cada requisito que dijiste, el contexto que necesitaría un extraño, cómo se ve «listo» y qué no te gustó de la respuesta anterior. Estas tres siguen ese molde. Son mías, no del repo: cambia lo que va entre corchetes.

/arena --quick Escríbeme el titular de la página de inicio de [tu producto].

Para quién es: [tu cliente, en una línea].
Qué problema le resuelve, en sus palabras: [lo que él diría, no tú].
Qué lo distingue de [lo que usan hoy]: [una sola cosa concreta].
Reglas: máximo 10 palabras, sin adjetivos vacíos como "innovador" o "líder", y que
diga el resultado que obtiene.
Lo que no me sirvió de la respuesta anterior: [por qué no te gustó].

/arena Arma mi semana de lanzamiento de [qué lanzas].

Tengo [6] horas al día, de lunes a viernes.
Tiene que estar listo el viernes: [las 3 cosas sin las que no se lanza].
Ya está hecho: [lista].
No puede cambiar: [la fecha, el presupuesto, lo que ya prometí].
Entrégalo como una tabla día por día, con lo primero que hago cada día y cuánto me
toma. Si algo no cabe en mis horas, dime qué se queda fuera en vez de apretarlo.

/arena --agents 32 El test [nombre] en [ruta] falla de forma intermitente: 1 de cada [10] corridas.

Lo que ya probé y no funcionó: [lista].
Lo que no se puede tocar: [archivos o comportamiento].
Lo que quiero: la causa raíz y el arreglo como diff, no una lista de sospechas.
Si el arreglo cambia más de [20] líneas, explícame por qué hacía falta.

Los tres arrancan con el tamaño elegido a propósito: el titular es una tarea de diario (--quick), el plan va con los 100 porque lo vas a ejecutar toda la semana, y el bug con 32 porque tiene una respuesta que se puede comprobar. Escribe todo en la misma petición: lo que sólo dijiste antes en la conversación, los sub-agentes no lo ven.