La mayoría de las herramientas de programación de AI son herramientas complementarias: un bucle alrededor de un modelo, junto con herramientas para leer y escribir archivos y ejecutar comandos. Claude Code, Codex, OpenCode y Pi son todas herramientas complementarias, diseñadas para un desarrollador que trabaja en la terminal.
Coroid no utiliza ninguna de ellas. Posee sus propias herramientas.
¿Por qué no recurrir a una ya existente?
Las herramientas anteriores están pensadas para sesiones supervisadas. Siempre hay alguien observando, capaz de responder preguntas, interrumpir o detectar errores. Esa premisa es lógica y condiciona todo: cómo se muestran los errores, cuánto contexto se transmite y qué ocurre cuando el modelo genera resultados inesperados.
La premisa de Coroid es justo lo contrario: no hay nadie supervisando. El trabajo se ejecuta en la nube, activado por un horario, un monitor o un evento, y debe llegar a un resultado revisable o a un fallo claro sin que nadie intervenga durante su ejecución.
Se trata de problemas distintos. Varias de las características siguientes existen precisamente por esa diferencia y no tendrían sentido en una sesión de terminal.
En qué difiere el motor de ejecución
Está diseñado para operar de forma autónoma. Cuando el modelo genera una respuesta mal formada o una llamada a herramienta incorrecta, el bucle la corrige y reintenta en lugar de mostrar un mensaje para el que no hay nadie disponible para responder. Una ejecución autónoma que se detenga para hacer una pregunta que podría resolver por sí misma supone un desperdicio de recursos.
Es multiagente por diseño. El bucle se construye en torno a roles con diferentes permisos, transfiriendo el trabajo entre ellos en un orden fijo o bajo la supervisión de un coordinador que decide el siguiente paso, en lugar de que un único agente haga todo. La verificación la realiza un agente que no escribió el código, y el coordinador no puede anularla; esta es una característica que proviene de la arquitectura y no de pedirlo amablemente. Un coordinador también puede detectar que el código ya cumple con lo solicitado en la tarea y solicitar a QA que lo verifique sin necesidad de realizar cambios. Todos los flujos terminan en las mismas etapas de control.
Cuenta con presupuestos explícitos y límites de profundidad. Cada ejecución se realiza dentro de un presupuesto de tokens y un límite de pasos. Sin ellos, un agente autónomo que haya interpretado mal su tarea seguiría operando indefinidamente.
Integra la gobernanza directamente en el proceso. Las políticas, las etapas de calidad y los puntos de aprobación forman parte del propio flujo de ejecución y no son capas adicionales; por eso una etapa de bloqueo puede detener el trabajo en curso en lugar de hacerlo después de finalizar.
El almacenamiento en caché es una prioridad clave.
El contexto supone la mayor parte del coste de ejecutar agentes, y en un entorno cloud el mismo contexto del proyecto se lee una y otra vez en múltiples tareas.
Por ese motivo, el motor de ejecución depende en gran medida del almacenamiento en caché de prompts. Puedes ver cómo funciona en el registro de ejecución, donde los pasos indican su eficiencia de caché:
9.1k used (90% cached)Una alta tasa de aciertos en la caché marca la diferencia entre una ejecución costosa y una económica. También es el motivo por el cual un proyecto bien estructurado con definiciones claras Contexto Resulta menos costoso trabajar con un contexto estable que con uno disperso: el contexto estable se almacena en caché de forma eficaz, mientras que el contexto que varía en cada ejecución no lo hace.
Esto se combina con habilidades progresivas, lo que mantiene el contexto cargado en un tamaño reducido desde el principio.
Implicaciones prácticas
- Sin configuración local. Sin CLI, sin complementos de editor ni ejecutores que alojar. Coroid está basado en API y se ejecuta en la nube.
- Sin suscripciones a herramientas de terceros. No está comprando licencias para un asistente de programación adicional a Coroid. El uso del modelo se factura como créditos o mediante sus propias claves de proveedor.
- El trabajo se ejecuta sin supervisión. Programaciones y hooks son posibles porque nada depende de que la máquina del desarrollador esté activa.
- El comportamiento es coherente. El trabajo de todos se ejecuta en el mismo entorno de ejecución con las mismas políticas, en lugar de depender de lo que haya instalado y configurado cada desarrollador. Lo instalado se detalla en soporte de lenguajes y el entorno del agente.
Lo que no cambia
El harness determina cómo se realiza el trabajo. No modifica los límites: todo cambio sigue llegando como un pull request en una rama; nada se fusiona automáticamente y sus reglas de protección de ramas y revisión se aplican exactamente igual que con los colaboradores humanos.