01
Hipótesis
Context engineering no es prompt engineering. Es ingeniería de sistemas para agentes de IA. El dato que motivó el experimento: el 76% del contexto cargado en los LLM se ignora (CL-Bench). No te falta prompt. Estás sobrecargando.
La pregunta: ¿compilar 14 fuentes de investigación en un squad coherente produce algo que funciona mejor que cada fuente por separado?
02
Método
Fusión con el pipeline Squad Supreme. 14 fuentes ingeridas por 4 agentes en paralelo. Arquitectura: 9 agentes, 8 skills y 6 workflows. Principio de diseño: "los agentes piensan, las skills ejecutan". Menos agentes, más poder por agente.
7 ciclos de construcción: fundación, agentes por capa (ciclos 2 a 4), skills ejecutables, workflows y scripts, y validación contra las 6 puertas de calidad.
03
Resultado
34 archivos. 7.781 líneas. Nota 87/100. 19 antipatrones catalogados y deduplicados. 4 patologías de contexto validadas por un estudio con Gemini 2.5: envenenamiento, distracción, confusión y choque. 2 scripts Python incluidos para diagnóstico y validación automáticos.
El hallazgo más relevante: "los agentes piensan, las skills ejecutan" es más elegante y más potente que hacerlo todo con agentes. Cada agente lleva sus frameworks completos, sin referencias externas. Precio definido: US$ 34,90.
04
Qué cambió
El squad se volvió el primer producto real en el marketplace squads.sh. Compilar fuentes diversas en un sistema coherente probó que la densidad supera a la cantidad. El estándar quedó definido: "nuestro nombre está en juego, calidad de obra maestra". Ese estándar rige todos los squads siguientes.