Technical Lead

El Technical Lead es la persona que hace ingeniería de contexto para la squad. En un SDLC AI-native, el Technical Lead opera un stack de primitivas validadas que vuelven a los agentes del equipo rápidos, baratos y correctos.

Resumen ejecutivo

El Technical Lead es dueño del catálogo de primitivas a nivel de equipo: AGENTS.md, instrucciones con alcance, prompts, skills, hooks y la tabla de routing que los amarra. En un SDLC AI-native, el Technical Lead opera dentro de la fase de Design con un conjunto fijo de primitivas: un agente de auditoría de contexto, cuatro slash prompts, instrucciones con alcance, hooks validados por esquema y una lista curada de MCPs validados. Las salidas principales son el presupuesto de contexto auditado, el plan de scope-split para tareas grandes, paquetes de contexto preparados para nuevas features y el kit de primitivas de la squad.

Rol y responsabilidades

Piensa en el Technical Lead como el jefe de personal de un equipo quirúrgico. No sostienen el bisturí, pero se aseguran de que los instrumentos estén estériles, etiquetados y al alcance antes de que el cirujano comience. En un SDLC AI-native, los instrumentos son agentes, prompts, instrucciones, skills y hooks, y el Technical Lead es responsable de que la squad alcance la herramienta correcta sin tener que leer todo el repositorio cada vez.

Responsabilidades principales:

• Redactar y mantener AGENTS.md, el prompt raíz para cada agente en el repositorio
• Curar las instrucciones con alcance de la squad para mantener bajo el presupuesto de contexto
• Gobernar el catálogo de prompts, consolidando duplicados y retirando comandos obsoletos
• Correr auditorías de contexto sobre cada repositorio de la squad para detectar bloat y fugas
• Dividir tareas demasiado grandes en unidades paralelizables con fronteras de alcance claras
• Operar el agente Context Auditor y los prompts /audit-context, /scope-split, /prime-context, /team-primitives
• Alinear las primitivas con los principios del Enterprise Architect y el CODEMAP del Software Architect

Jobs to be done

1. Como Technical Lead, quiero que el presupuesto de contexto de la squad se mantenga bajo el umbral, para que los agentes sean rápidos y costeables.
2. Como Technical Lead, quiero que las tareas demasiado grandes se dividan en unidades paralelizables, para que la squad entregue en horas, no en sprints.
3. Como Technical Lead, quiero que el contexto se prepare antes de que un Developer empiece una feature, para que Copilot y Claude Code encuentren los archivos correctos de inmediato.
4. Como Technical Lead, quiero que el kit de primitivas de la squad sea un solo directorio, para que el onboarding de un nuevo ingeniero cueste minutos.
5. Como Technical Lead, quiero que las instrucciones con alcance lleven patrones applyTo, para que el costo en tokens escale con el diff, no con el repo.
6. Como Technical Lead, quiero que las auditorías de contexto corran en cada PR, para que el catálogo no se pudra.

Puntos de dolor antes de la era AI-native

1. AGENTS.md sin límite. Un prompt raíz crece sin revisión, empujando a cada agente al techo de tokens.
2. Sprawl de prompts. Dos squads escriben de forma independiente /implement, /build y /do. La consistencia colapsa.
3. Contexto cargado de forma ansiosa. Cada sesión lee toda la carpeta docs/. Diez mil tokens gastados antes de la primera pregunta.
4. Tareas grandes atascadas en una sola sesión. Una feature pensada para tres ingenieros le toma a un agente tres días porque nadie dividió el alcance.
5. Nuevos ingenieros que se onboardean por folklore. El conocimiento tribal sobre qué prompt usar se habla, no se codifica.

Flujo diario AI-native

El Technical Lead opera un loop fijo cada día. El loop usa primitivas de GitHub Copilot dentro de Visual Studio Code y Claude Code en la terminal, además de un pequeño catálogo de MCPs validados para contexto externo.

Setup de la mañana

1. Abrir el repositorio de la squad en Visual Studio Code. GitHub Copilot Chat carga AGENTS.md y las instrucciones de primitivas con alcance.
2. Hacer pull del último main y listar prompts, instrucciones, agentes y hooks que cambiaron durante la noche.
3. Ejecutar /audit-context para confirmar que el presupuesto de contexto de la squad esté bajo el umbral y que ningún prompt referencie un archivo retirado.
4. Revisar el dashboard de primitivas generado a partir de la telemetría del MCP de GitHub.

Ejecución al mediodía

1. Preparación de contexto. Invocar /prime-context para cada feature que arranque esta semana. El agente Context Auditor produce un paquete de contexto preparado que lista los archivos exactos, contratos e IDs de requisito que el Developer debería leer primero.
2. División de alcance. Invocar /scope-split sobre cualquier tarea estimada por encima de un día de trabajo. El agente descompone el trabajo en unidades paralelizables con dependencias y handoffs explícitos.
3. Curaduría de primitivas. Invocar /team-primitives sobre cualquier nuevo prompt, instrucción o hook propuesto por la squad. El agente verifica duplicación, corrección de alcance e impacto en el costo en tokens.
4. Consulta entre squads. Levantar propuestas de primitivas en el canal de arquitectura de Teams a través del MCP del Microsoft 365 Agents SDK para feedback de Technical Leads pares.

Revisión al final de la tarde

1. Invocar /audit-context como barrida final sobre todos los PRs abiertos. Bloquear el merge en cualquier PR que rompa el presupuesto de contexto salvo que un plan de scope-split enlazado lo justifique.
2. Abrir un pull request sobre los cambios de primitivas. GitHub Copilot Code Review comenta sobre patrones applyTo, duplicación e impacto en el costo en tokens.
3. Publicar el digest diario de primitivas al canal de squad en Teams a través del Microsoft 365 Agents SDK, resumiendo las primitivas nuevas, revisadas y retiradas.
4. Actualizar la tabla de routing en docs/routing.md para que cada repositorio mapee su set canónico de prompts, agentes e instrucciones.

Primitivas recomendadas

Agente

Agente	Archivo	Propósito
context-auditor	.github/agents/context-auditor.agent.md	Auditar el presupuesto de contexto, dividir alcance, preparar contexto, curar primitivas de equipo

El Context Auditor usa claude-sonnet-4-6 por defecto. Herramientas: read, edit, search, grep, glob. Sin acceso a bash. El extended thinking se habilita solo para /scope-split, donde el análisis de dependencias se beneficia de un razonamiento más profundo.

Slash prompts

Comando	Archivo	Propósito
/audit-context	.github/prompts/audit-context.prompt.md	Confirmar que el presupuesto de contexto esté bajo el umbral y que ningún prompt referencie un archivo retirado
/scope-split	.github/prompts/scope-split.prompt.md	Descomponer una tarea demasiado grande en unidades paralelizables con dependencias explícitas
/prime-context	.github/prompts/prime-context.prompt.md	Producir un paquete de contexto preparado listando archivos, contratos e IDs de requisito exactos
/team-primitives	.github/prompts/team-primitives.prompt.md	Curar nuevos prompts, instrucciones y hooks para la squad

Instrucciones con alcance

El applyTo con alcance reduce el costo en tokens en aproximadamente 68 por ciento comparado con instrucciones globales.

Alcance (applyTo)	Archivo	Propósito
AGENTS.md	.github/instructions/agents-root.instructions.md	Formato del prompt raíz, presupuesto de tokens, sintaxis de routing
.github/prompts/**/*.prompt.md	.github/instructions/prompts.instructions.md	Frontmatter del prompt, contrato de entrada, forma de salida
.github/instructions/**/*.instructions.md	.github/instructions/scoped-instructions.instructions.md	Disciplina de applyTo y presupuesto de contenido

Hooks

Los hooks cuestan cero tokens de LLM. Son la capa de gobierno más fuerte para las primitivas.

• pre-commit: rechazar cualquier archivo de prompt o instructions que exceda el presupuesto de tokens por archivo o que carezca de frontmatter
• post-commit: regenerar la tabla de routing y el índice de primitivas
• pre-merge: correr /audit-context contra el diff del PR y bloquear el merge en hallazgos sin resolver

MCPs validados

MCP	Propósito	Dueño
GitHub MCP Server	Inspeccionar repositorios, PRs y corridas de Actions para auditar el uso de contexto a través de la squad	GitHub (oficial)
Microsoft Learn Docs MCP	Anclar primitivas en documentación vigente de Microsoft y Azure, evitando snippets obsoletos	Microsoft (oficial)
Azure MCP Server	Correlacionar el comportamiento de las primitivas con la telemetría de Application Insights sobre corridas de agente	Microsoft (oficial)
Azure DevOps MCP Server	Leer work items de Azure Boards que informan los scope splits cuando el equipo usa Azure DevOps	Microsoft (oficial)
Microsoft 365 Agents SDK MCP	Publicar digests de primitivas a Teams e ingerir feedback desde Outlook	Microsoft (oficial)

Ejemplos reales

Ejemplo 1: preparar contexto para una nueva feature

Entrada: Una feature para añadir SSO con partners al portal, con requisitos aprobados y un contrato aceptado.

Invocación: /prime-context.

Salida esperada:

1. Un docs/primed-context/partner-sso.md listando los seis archivos fuente que el Developer debería leer primero, los dos contratos que la feature toca, los cuatro IDs de requisito y el único ADR que restringe la elección del broker de tokens.
2. Un enlace de contexto preparado adjunto al GitHub issue vía el MCP de GitHub para que cualquier ingeniero que tome la tarea arranque con los archivos correctos abiertos en Visual Studio Code.

Ejemplo 2: scope split sobre una tarea demasiado grande

Entrada: Un ticket estimado en siete días de trabajo para un solo ingeniero, para introducir rollout con feature flags a través de cuatro servicios.

Invocación: /scope-split.

Salida esperada:

1. Un docs/scope-splits/feature-flag-rollout.md con cinco unidades paralelizables, sus dependencias y asignaciones a ingenieros nombrados.
2. Cinco GitHub issues creados vía el MCP de GitHub, cada uno con un enlace de contexto preparado y un criterio de aceptación.
3. Una actualización de la tabla de routing para que cada unidad mapee al agente y set de prompts correctos.

Anti-patrones

1. Crecer AGENTS.md por acreción. Cada squad agrega un párrafo, nadie quita uno. Mitigación: el hook pre-commit impone el presupuesto raíz.
2. Copy-paste de prompts entre repos. La deriva garantiza comportamiento inconsistente. Mitigación: catálogo central de prompts con versionado semántico y curaduría con /team-primitives.
3. Cargar de forma ansiosa todo docs/. Desperdicio de tokens. Mitigación: instrucciones con alcance con applyTo y un paquete de contexto preparado por feature.
4. Dividir alcance sin dependencias. Las unidades paralelas que colisionan en silencio producen rework. Mitigación: /scope-split emite un grafo de dependencias explícito y lo impone en la tabla de routing.
5. Primitivas redactadas sin revisión. Los prompts no validados invitan a la alucinación. Mitigación: cada primitiva aterriza vía PR con Copilot Code Review y aprobación humana.

KPIs y métricas de impacto

KPI	Línea base	Meta	Medición
Cumplimiento del presupuesto de contexto a través de la squad	50 por ciento	100 por ciento	Dashboard de audit-context
Tasa de duplicación de prompts	35 por ciento	< 5 por ciento	Diff del catálogo de prompts
Tiempo para onboardear a un nuevo ingeniero	10 días	< 2 días	Encuesta de ramp
Cobertura de scope-split en tareas demasiado grandes	20 por ciento	100 por ciento	Etiquetas de GitHub issue
Adopción de contexto preparado por feature	30 por ciento	100 por ciento	Auditoría de metadata de PR de GitHub
Costo en tokens del agente por PR fusionado	1.5M	< 1M	Reporte de uso de Copilot

Madurez en cuatro niveles

Nivel	Nombre	Marcadores
L1	Manual	Sin AGENTS.md, prompts ad-hoc, contexto cargado de forma ansiosa
L2	Asistido	AGENTS.md existe pero no probado, sin instrucciones con alcance, sin auditorías
L3	Aumentado	Agente Context Auditor, cuatro slash prompts, instrucciones con alcance, MCP de GitHub, audit-context en PR
L4	Autónomo	Kit completo de primitivas, hooks forzados, contexto preparado estándar por feature, scope splits automáticos, tabla de routing en vivo

Integración con otras personas

• Desde Enterprise Architect: principios y expresiones de compuerta que restringen el diseño de primitivas
• Desde Software Architect: CODEMAP.md y contratos que informan la tabla de routing
• Hacia Developer: paquetes de contexto preparado, scope splits y prompts curados listos para usar
• Hacia QA Engineer: unidades de alcance testables con vinculación de aceptación explícita
• Hacia DevOps Engineer: hooks como capa de gobierno en cada workflow
• Hacia Engineering Manager: datos de auditoría que sustentan decisiones de capacidad y staffing
• Hacia Release Manager: tabla de routing como mapa canónico de PRs a las primitivas que los produjeron

Glosario

• AGENTS.md: prompt raíz cargado por cada agente en cada sesión, acotado por un presupuesto estricto de tokens.
• Contexto preparado: un paquete curado de archivos, contratos e IDs de requisito que una nueva sesión debería leer primero.
• Scope split: descomposición estructurada de una tarea demasiado grande en unidades paralelizables con dependencias explícitas.
• Tabla de routing: el mapa canónico de repositorios y directorios a los agentes, prompts e instrucciones que los gobiernan.
• Instrucciones con alcance: guía aplicada por coincidencia de patrones sobre rutas de archivo vía applyTo, manteniendo el costo en tokens proporcional al diff.
• Presupuesto de contexto: el techo de tokens por sesión impuesto por hooks y medido por /audit-context.

Referencias

• GitHub Copilot documentation — agent mode, prompts, instructions y controles de contexto
• GitHub Actions documentation — automatización para auditorías de contexto y gobierno de primitivas
• Azure Well-Architected Framework — pilar de excelencia operativa para primitivas de equipo sostenibles
• Microsoft Learn, prompt engineering — guía que informa la calidad del catálogo de prompts
• Microsoft 365 Agents SDK overview — integración de Teams y superficies de Microsoft 365 al flujo de la squad