Herdr: aplicación de escritorio abierta para ejecutar en paralelo y orquestar programadores de IAArtículo · digest del 3 de noviembre
Ventana de escritorio de la aplicación Herdr con comparación paralela de respuestas de tres modelos de lenguaje locales.
Artículo3 secciones≈ 5 min

Herdr: aplicación de escritorio abierta para ejecutar en paralelo y orquestar programadores de IA

Seguro que conoces la situación: le das a un agente de terminal avanzado la tarea de reescribir un módulo antiguo de autenticación o implantar un algoritmo complejo de caché. El modelo empieza a remover archivos con entusiasmo, hace una decena de commits y, cuarenta minutos después, informa alegremente del éxito. Lanzas las pruebas y el proyecto ni siquiera compila, porque el agente eligió una versión obsoleta de una biblioteca externa y se metió en un callejón sin salida arquitectónico.

En programación no existe un único camino correcto. Los desarrolladores humanos suelen debatir enfoques, esbozar borradores en distintas ramas de Git y elegir la solución más elegante y rápida.

Precisamente ese principio de competitividad es la base de la aplicación de escritorio abierta Herdr. El programa permite lanzar en un par de clics una «carrera de modelos» paralela (Code Race): formulas una única tarea y Herdr lanza sobre ella varios agentes independientes (Claude Code, Mistral, DeepSeek), aislando a cada uno en su propia rama de Git. Anteriormente exploramos el entorno Orkas para el trabajo paralelo de equipos de agentes de IA, y Herdr lleva esa filosofía hacia una competición directa de enfoques.

Cómo funciona el mecanismo Code Race en Herdr

Herdr no intenta inventar su propio motor de generación de código: actúa como director de orquesta de las herramientas CLI existentes. La aplicación de escritorio está escrita en Electron y Rust, lo que garantiza un consumo mínimo de recursos del sistema.

El flujo de trabajo funciona así:

  1. Inicialización de sandboxes: Al iniciar la tarea, Herdr crea ramas temporales aisladas de Git (race/claude, race/mistral, race/deepseek).
  2. Ejecución en paralelo: En segundo plano se lanzan los procesos de terminal de los agentes correspondientes recibiendo el mismo contexto y prompt de sistema.
  3. Monitorización del progreso en tiempo real: En una única ventana gráfica ves cuatro terminales lado a lado: qué archivos edita cada modelo, cuántos tokens lleva gastados y qué comandos en bash se están ejecutando en ese instante.
  4. Arbitraje automático: En cuanto uno de los agentes declara terminada la tarea, Herdr ejecuta la batería de pruebas (npm test o pytest) y muestra una tabla comparativa de resultados.
  5. Merge interactivo: El desarrollador puede revisar el diff entre ramas en una ventana visual de comparación y fusionar la mejor opción en la rama principal con un solo botón.
  6. Limpieza de ramas temporales: Tras elegir al ganador, Herdr borra automáticamente los borradores de los bots perdedores sin ensuciar el historial de commits del repositorio.

Instalación y manifiesto de configuración del equipo

La instalación de la utilidad en Linux, macOS y Windows se realiza con una sola línea en la terminal:

# Instalación para macOS / Linux mediante curl
curl -fsSL https://get.herdr.ai/install.sh | bash

# Arranque de la interfaz de escritorio de Herdr
herdr start --workspace ./projects/saas-landing

La composición del equipo de bots competidores y las reglas de parada de la carrera se describen en el manifiesto herdr_team.json:

{
  "$schema": "https://herdr.ai/schemas/v1/team.json",
  "teamName": "landing-page-race-team",
  "workingDirectory": "./projects/saas-landing",
  "concurrencyLimit": 4,
  "raceMode": {
    "enabled": true,
    "evaluationMetric": "visual_and_build_success",
    "timeoutMinutes": 15
  },
  "participants": [
    {
      "agentId": "claude-code-runner",
      "model": "claude-3-7-sonnet",
      "branchPrefix": "race/claude",
      "command": "claude --dangerously-skip-permissions"
    },
    {
      "agentId": "mistral-large-runner",
      "model": "mistral-large-latest",
      "branchPrefix": "race/mistral",
      "command": "herdr-agent --provider mistral"
    },
    {
      "agentId": "deepseek-coder-runner",
      "model": "deepseek-coder-v2",
      "branchPrefix": "race/deepseek",
      "command": "herdr-agent --provider deepseek"
    }
  ]
}

Utilidad práctica y economía de la competición

Por supuesto, lanzar tres o cuatro modelos para una sola tarea triplica el gasto total de tokens. Pero en escenarios críticos ese sobrecoste se amortiza al instante:

  • Ahorro de tiempo del ingeniero: En lugar de esperar a que un modelo termine, descubrir un callejón sin salida y empezar de cero, en 10 minutos obtienes tres soluciones arquitectónicas radicalmente distintas.
  • Elección ponderada del ganador: Un bot puede escribir código más conciso pero olvidar las pruebas; el segundo implementa comprobaciones sólidas pero sobrecarga el árbol de dependencias. La persona elige la mejor rama y la fusiona en main con un clic.
  • Análisis de divergencias: Al comparar los enfoques de distintos modelos ante un mismo problema algorítmico, el desarrollador suele descubrir casos límite (edge cases) poco evidentes en los que ni había pensado.
  • Resolución automática de conflictos de entorno: Cada agente se ejecuta en un subproceso aislado con su propio conjunto de variables de entorno, lo que evita sobrescrituras mutuas de archivos temporales y bloqueos de puertos del servidor local de desarrollo.
  • Soporte de modelos locales y en la nube: Puedes enfrentar en una misma carrera al gigante en la nube Claude 3.7 Sonnet y a un modelo local DeepSeek Coder ejecutado con Ollama en tu portátil, comparando de forma visual la relación entre precio, velocidad y calidad sobre archivos reales del proyecto.

Herdr convierte el desarrollo con IA de un juego de ruleta en un concurso de ingeniería controlado de soluciones.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 2