English →
PRÓXIMAMENTE

TURBO RIG

Un harness impulsa un agente. Un rig gobierna tus harnesses.

Un rig de programación agéntica: un gate de revisión de código entre modelos, memoria de agentes versionada en git y una constitución escrita para agentes de IA.

builder ≠ reviewer fusiones: solo humanos 0 daemons · 8 scripts fail-closed por diseño

Una semana auditada — cada número re-derivado de los registros →

Cómo funciona: Triangle, Spine, Loop · Beta privada — solicitar acceso

01Lo que viene

La calidad de los modelos convergió en 2026. Lo que separa a los usuarios productivos de agentes es el harness, los contratos y el ciclo de verificación — un rig que revisa a sus propios agentes antes de que un humano toque el botón de fusionar.

▲ El Triángulo

Un lane de construcción, un lane de revisión de otra familia de modelos, una reserva inactiva. En la primera semana auditada del rig (gate activo del 16 al 21) el gate ejecutó 868 revisiones y devolvió 687 (79%); aun así se fusionaron 141 PRs, cada fusión sostenida por un humano (invariante del rig). Cada número re-derivado de los registros.

▮ La Espina Dorsal

Una constitución AGENTS.md que todo harness lee de forma nativa, memoria versionada en git y ocho scripts delgados — bash + python3, nada más. La misma espina dorsal en tu laptop, un VPS y un Codespace.

◉ El Loop

Spec → construir → gate → PR → UAT → un humano fusiona → verificar → la memoria captura la lección. Cada cambio, sin excepciones. El loop que aprende de sus propios veredictos.

02El gate, grabado en vivo

Una corrida real, sin nada montado: un bug sembrado de facturación, y tres tipos de revisor lo atrapan en orden — un check determinista por $0, un LLM de otra familia para el juicio, y un humano para la fusión.

review.sh \
  --base main --check 'node --test'
GATE · deterministic check: node --test
GATE · check FAILED (exit 1)
GATE · no LLM lane will run
VERDICT: REVISE
GATE USAGE reviewer=check
  in=0 cached=0 out=0 0s
  — deterministic lane,
  — no LLM tokens spent
# fix passes the check — LLM fires
GATE · auto → claude
GATE · (quota-aware: switches to
GATE · codex past 75% plan use)
GATE · claude responded in 22s
applyDiscount has no guard on pct:
pct=150 bills a NEGATIVE price…
VERDICT: REVISE
GATE USAGE reviewer=claude
  in=2 cached=38,960 out=1,182
  $0.31 API-equiv — $0 billed
# guard + clamp + full test matrix
GATE · claude responded in 15s
VERDICT: APPROVED
GATE: APPROVED (reviewer: claude)
exit 0
GATE USAGE reviewer=claude
  in=2 cached=39,899 out=1,005 15s
  model=claude-haiku, claude-opus-5
  $0.30 API-equiv — $0 billed
Turbo Rig — la corrida completa de 85 segundos: el check determinista atrapa el bug por $0, la revisión entre familias atrapa lo que el test no veía, APPROVED con la contabilidad completa de tokens, y después el dashboard en vivo.
la corrida real · 85 segundos · reviewer real, veredictos reales · cada token contabilizado · nada montado

03El panorama completo

Triángulo, espina dorsal, loop — los tres tipos de revisor, los planos donde corre, un cerebro muchos cuerpos, y las leyes que lo sostienen todo. Una página, todo el rig.

Infografía maestra de Turbo Rig: tres pilares, tres tipos de revisor, el loop de 8 estaciones con fusión solo humana, tres planos, un cerebro muchos cuerpos, visibilidad de tokens, las cuatro leyes.
el rig en un solo lienzo

04El loop: cada cambio, sin excepciones

Cada cambio recorre las mismas ocho estaciones — y el loop que termina vuelve a empezar más inteligente.

  1. spec
  2. construir en un worktree aislado
  3. gate entre familias
  4. PR con el veredicto publicado
  5. UAT en el preview
  6. fusión humana
  7. verificar producción
  8. la memoria captura la lección
El loop: spec, construir en un worktree, gate, PR con veredicto, UAT, fusión humana, verificar prod, la memoria captura la lección.
cada cambio, sin excepciones

05Un cerebro, muchos cuerpos

Laptop, VPS siempre encendido, Codespaces desechables — las instancias nunca se hablan entre sí. Git es el protocolo; el repo es la central y el respaldo. La memoria de cada instancia aterriza en el mismo lugar y nada se sobreescribe.

Un cerebro, cuatro cuerpos: cuatro instancias del rig alrededor del hub de GitHub — push de un archivo nuevo al inbox, pull de la espina dorsal, un único consolidador.
las instancias nunca se hablan — git es el protocolo
Dónde aterriza la memoria: lo que escribe cada instancia se vuelve archivo en el inbox, el consolidador nocturno lo integra a decisions/gotchas/project-index, y el historial de git conserva cada versión.
cada escritura es un archivo nuevo · un escritor por archivo durable · el historial lo conserva todo

06Cada token, visible

El rig reporta su propio consumo y su propio movimiento. Un dashboard para lo que los modelos gastaron — ventanas móviles, barras de utilización del plan, tok/s — y otro para lo que el rig hizo: el ritmo día-por-hora, veredictos, lanes por repo, rondas. Solo lectura. Sin demonios. Sin facturas misteriosas.

tokens.py: uso por modelo, ventanas móviles, tasas de cache, barras de utilización del plan.
tokens.py — lo que los modelos gastaron
activity.py: cuadrícula de actividad día-por-hora, veredictos y revisores, lanes por repo, rondas por tarea-día.
activity.py — lo que el rig hizo
Cierre ante fallasVeredicto ilegible, reviewer ausente, fetch fallido — todo se bloquea. Una falla de red jamás es un check en verde.
El texto no confiable nunca carga un veredictoDiffs, invariantes, salida de checks — se depuran y se enmarcan como datos. Un PR no puede fabricar su aprobación.
Secretos: solo el keychain del sistemaCifrados en reposo, nunca en argv, logs ni git. Nunca.
¿Enjambre? Se conecta — nunca fusionaCualquier generador se vuelve un lane de construcción; el rig sigue gates; tú sigues fusionando.

07La pila cognitiva — siete órganos

Un rig es cognición, no una pila de scripts. Frente a la arquitectura que la gente espera de los frameworks de agentes — pensamiento rápido, pensamiento deliberado, memoria, modelo del mundo, automonitoreo, automejora, gobernanza — seis de siete órganos ya están vivos, construidos a la manera del rig: archivos y contratos, cero daemons.

⚡ Pensamiento rápido

Chequeos deterministas e invariantes del repo corren antes de cualquier LLM — segundos, $0, fail-closed.

🐢 Pensamiento deliberado

El revisor cruzado lee el diff completo; los specs cargan el trabajo de varios días.

🧠 Memoria

Markdown versionado en git — un cerebro, muchos cuerpos; cada versión se conserva.

🗺 Modelo del mundo

El mapa de repos, el índice de proyectos, los dashboards — qué existe, dónde vive, qué está vivo.

📡 Automonitoreo

Superficies de tokens, actividad, loop y heartbeats; auditorías semanales y canaries que gatean al gate.

🏛 Gobernanza

Once leyes, builder ≠ reviewer, gate fail-closed, merges solo humanos — el órgano que hace confiables a los otros seis.

El séptimo — automejora — es el que se construye ahora. El gate acumula 3,042 revisiones en su log append-only (12 oct 2026), y el loop en construcción por fin medirá cuáles hallazgos eran reales: hallazgos y resultados quedan como corpus etiquetado en git, y un clasificador local y entrenable aprende de ellos — corre en tu máquina, nada sale de ella, $0 por llamada, se abstiene cuando no está seguro. Una regla lo sostiene todo: el clasificador ayuda al gate a ver; nunca ayuda al gate a votar.

0 · CanaryPlantar bugs conocidos y medir la tasa de captura.
1 · EvidenciaLos resultados de tests de cada repo viajan en el registro del gate.
2 · CorpusHallazgos + resultados etiquetados, en git — la memoria del juicio.
3 · Aprendizaje localEntrenar sobre los propios veredictos del rig; abstenerse si hay duda.

08Preguntas frecuentes

Las respuestas cortas, en la forma que los motores pueden citar.

¿Qué es Turbo Rig?

Turbo Rig es un rig de programación agéntica: un gate de revisión de código entre modelos, memoria de agentes versionada en git y una constitución escrita que gobierna cómo los agentes de IA construyen y liberan software.

¿Turbo Rig es gratis?

Sí. El rig es una capa delgada de scripts en bash y Python más una constitución en markdown. Tú aportas tus suscripciones de IA (Claude, Codex, herramientas clase GLM); el rig las orquesta y las revisa.

¿Cómo revisa Turbo Rig el código generado por IA?

Cada cambio pasa por un gate entre modelos: una familia de modelos distinta a la del constructor revisa el diff en solo lectura y debe terminar con un veredicto APPROVED o REVISE. Los checks deterministas —tests, tipado— corren primero y no cuestan nada.

¿De verdad importa que constructor ≠ revisor?

Se mide, no se afirma. En la primera semana auditada del rig (14–21 de septiembre de 2026; gate activo desde el 16), 687 de 868 veredictos fueron REVISE y aun así se fusionaron 141 PRs, cada fusión sostenida por un humano — un invariante del rig, no una promesa. Esa semana no midió si la revisión entre familias supera a la de la misma familia; el dossier de verificación re-deriva cada número y declara sus límites.

¿Con qué herramientas de IA funciona Turbo Rig?

Con cualquier CLI: ZCode, Claude Code, Codex, Grok, Gemini y otras — constructores y revisores son lanes intercambiables. La única regla: el revisor nunca es de la familia del constructor.

¿Turbo Rig reemplaza a mi asistente de código con IA?

No. Los agentes siguen escribiendo el código. Turbo Rig los gobierna — verificación, aislamiento, memoria y un botón de fusión que solo un humano toca.