El vibe coding ha muerto. Bienvenido al Agentic Engineering con Markdown.
En febrero de 2025, Andrej Karpathy acuñó un término que tomó el mundo tech por asalto: el vibe coding — escribir código describiendo lo que quieres a una IA, dejándola manejar la sintaxis.
Un año después, Karpathy dice que el vibe coding ya es pasado.
¿El nuevo paradigma? El Agentic Engineering — donde no escribes código el 99 % del tiempo. Orquestas agentes IA que lo escriben por ti, actuando como supervisor en lugar de autor.
¿Y la herramienta de orquestación? Markdown.
La evolución: tres fases
Software 1.0: Escribir el código
Programación tradicional. Los humanos escriben cada línea. Python, JavaScript, C++. Piensas en sintaxis, depuras manualmente e iteras línea por línea.
Software 2.0 / Vibe Coding: Describir el código
Asistentes IA como Copilot y Cursor generan código a partir de descripciones en lenguaje natural. “Vibeas” con la IA — describiendo lo que quieres, aceptando o rechazando sugerencias. Todavía revisas cada línea.
Software 3.0 / Agentic Engineering: Dirigir los agentes
Los agentes IA operan de forma autónoma. Escribes un archivo Markdown que define objetivos y restricciones. El agente escribe código, lo prueba, itera y hace commit de las mejoras. Revisas los resultados, no el proceso.
El autoresearch de Karpathy es el ejemplo más claro: un investigador escribe program.md, y la IA ejecuta 100+ experimentos durante la noche sin intervención humana.
Markdown: la capa de interfaz
En cada fase, la herramienta del humano cambia:
| Fase | Herramienta del humano | Salida |
|---|---|---|
| Software 1.0 | Editor de código | Código fuente |
| Software 2.0 | Chat IA + editor de código | Código fuente asistido por IA |
| Software 3.0 | Editor Markdown | Instrucciones de agentes |
En el Agentic Engineering, el archivo Markdown ES el producto del trabajo humano. Todo lo que sigue — el código, los experimentos, los resultados — es producido por agentes IA que siguen tus instrucciones Markdown.
La nueva habilidad: escribir instrucciones para agentes
Si ya no escribes código, ¿qué haces? Escribes archivos Markdown que son claros, específicos y estratégicamente sólidos.
Esto requiere un conjunto de habilidades diferente:
Experiencia en el dominio — Necesitas saber cómo se ven los buenos resultados, aunque no los estés produciendo manualmente.
Escritura clara — Las instrucciones ambiguas producen resultados ambiguos. Cuanto mejor sea tu Markdown, mejor será la salida del agente.
Pensamiento estratégico — En autoresearch, el trabajo del investigador es establecer la dirección correcta de investigación, no ejecutar experimentos individuales. Tu program.md define la estrategia.
Capacidad de evaluación — Necesitas juzgar si los resultados del agente son realmente buenos. La supervisión es la responsabilidad central del humano.
Lo que realmente estás programando
Cuando escribes un program.md, un AGENTS.md, o un CLAUDE.md, no solo estás escribiendo documentación. Estás programando:
- Objetivos: ¿Qué debe optimizar el agente?
- Restricciones: ¿Qué nunca debe hacer el agente?
- Contexto: ¿Qué necesita saber el agente sobre el dominio?
- Estrategia: ¿Cómo debe abordar el problema el agente?
- Evaluación: ¿Cómo debe medir el éxito el agente?
Esto es la programación Software 3.0. El lenguaje es Markdown. El compilador es un LLM. El entorno de ejecución es un bucle de agente autónomo.
La cadena de suministro de conocimiento
El Agentic Engineering depende del conocimiento. Tus instrucciones Markdown son tan buenas como tu comprensión del dominio. Esto crea una cadena de suministro de conocimiento:
- Capturar conocimiento de la web (documentación, artículos, entradas de blog, ejemplos)
- Organizar en un sistema nativo de Markdown (Obsidian, Notion, archivos planos)
- Sintetizar en instrucciones de agentes (program.md, AGENTS.md, CLAUDE.md)
- Desplegar agentes que ejecuten tus instrucciones
El primer paso — capturar conocimiento web como Markdown — es donde encaja Save. Conversión con un clic de cualquier página web a Markdown limpio, lista para incorporar a tu flujo de trabajo de instrucciones de agentes.
Las personas que escriben las mejores instrucciones de agentes en 2026 no empiezan desde cero. Construyen sobre una biblioteca cuidadosamente curada de referencias en Markdown que pueden sintetizar en instrucciones claras para agentes.
Empezar con el Agentic Engineering
No necesitas ejecutar autoresearch para practicar el Agentic Engineering:
- Empieza con AGENTS.md en tu proyecto actual. Escribe instrucciones claras para asistentes de codificación IA.
- Itera según los resultados. Cuando la IA cometa un error, no te limites a corregirlo — actualiza tus instrucciones Markdown para que no vuelva a ocurrir.
- Construye tu biblioteca de referencia. Guarda documentación útil, ejemplos y mejores prácticas como Markdown. Los referenciarás al escribir instrucciones de agentes.
- Piensa estratégicamente. En lugar de decirle a la IA qué código escribir, dile qué problema resolver y qué restricciones respetar.
El cambio del vibe coding al Agentic Engineering no es una predicción futura. Está ocurriendo ahora mismo, y Markdown es la interfaz.
Save convierte cualquier página web a Markdown limpio — construyendo la biblioteca de conocimiento que impulsa el Agentic Engineering efectivo. Prueba Save gratis.
## Continue reading
De README.md a PROGRAM.md: Markdown ya es un lenguaje de programación
README.md era para humanos. AGENTS.md es para asistentes de código. PROGRAM.md es para investigación autónoma. Markdown ha evolucionado de la documentación al lenguaje de programación para agentes de IA.
Los 'dos grupos' de usuarios de IA según Karpathy — ¿en cuál estás tú?
Andrej Karpathy dice que hay una brecha creciente en la comprensión de las capacidades de IA. Un grupo piensa que la IA es un juguete. El otro experimenta 'AI Psychosis'. Esto es lo que los separa — y cómo cruzar la brecha.
Autoresearch para todos: cómo ejecutar 100 experimentos de IA mientras duermes
El autoresearch de Karpathy ejecuta más de 100 experimentos ML en una sola noche con una sola GPU. Así funciona, qué necesitas, y por qué un script de Python de 630 líneas está cambiando la investigación de IA.
El commit de Git como descubrimiento científico: cómo Autoresearch convierte el control de versiones en un laboratorio de investigación
En el autoresearch de Karpathy, cada experimento exitoso es un commit de git. Cada fallido es un git reset. El control de versiones se ha convertido en la memoria de la investigación IA autónoma.
Written by
Jean-Sébastien Wallez
I've been making internet products for 10+ years. Built Save on weekends because I wanted my own reading library in clean markdown for Claude and Obsidian. Write here about web clipping, AI workflows, and the small things that make a personal knowledge base actually useful.