RepositoriosOckham

Plugin de Claude Code · en desarrollo · MIT

Ockham

El cambio más pequeño que funciona, comprobado.

Ockham hace que un agente de código escriba solo el código que la tarea necesita, reutilice lo que el proyecto ya tiene y compruebe lo que ha escrito antes de decir «hecho». Un prompt puede pedirlo; lo que no puede es ver si pasó. Ockham añade lo que un prompt no puede hacer: un índice del proyecto y comprobaciones al terminar la tarea.

  • Claude Code · Codex
  • Node.js 20+, sin dependencias
  • Fases 0–3 de 9 hechas
  • MIT
Un ticket del benchmark dado a un agente de código sin Ockham y con él. Sin él, la segunda copia del fallo se queda; con el aviso de Ockham, se arreglan los dos sitios.
Un ticket del benchmark, dibujado a partir de dos sesiones grabadas. Sin herramienta, la segunda copia de este fallo se arregló en 0 sesiones de 5; con el aviso de Ockham, en 15 de 15.

Estado

En desarrollo. Están hechas las fases 0 a 3 de 9: los cimientos, el benchmark, las reglas y el índice. La fase 4, las comprobaciones al terminar la tarea, está construida y medida. La norma del proyecto: nada sale antes de que una medición diga que ayuda.

Cómo funciona

Cuatro momentos en cada tarea

Empieza la sesión

Ockham carga siete reglas (314 palabras) y una lista de lo que el proyecto ya tiene: las funciones auxiliares que comparten sus ficheros y dónde están sus pruebas.

Antes de escribir código

Cuando una edición sustituye una línea que otro fichero también tiene, dice qué fichero y qué línea. Así se arregla la segunda copia de un fallo.

Termina la tarea

Compara los ficheros cambiados con lo que eran: una dependencia nueva, una segunda versión de una función, una copia sin arreglar, una comprobación quitada, lógica delicada sin prueba, pruebas sin ejecutar. Si encuentra algo, se lo dice al agente una vez y este lo arregla.

Después

Registra el coste, los atajos y lo aprendido. Este paso llega con las fases siguientes.

Medido

Lo que dice el benchmark

Cada celda es una sesión de agente sin interfaz sobre una copia limpia de un proyecto de unos cuarenta ficheros, puntuada con comprobaciones que nunca vio. Las reglas, en las 22 tareas con las que se ajustaron, cinco sesiones por tarea:

MedidaSin nadaponytailReglas de Ockham
Pasó todas las comprobaciones ocultas87/11086/110105/110
Aguantó entradas que el ticket no mencionaba103/110100/110110/110
Llegó a todos los sitios del fallo14/2511/2520/25
Dejó una prueba donde la lógica la necesita0/707/7060/70
Coste por sesión0,030 $0,036 $0,054 $

Con el índice, en seis tareas nuevas, se llegó a todos los sitios del fallo en 15 sesiones de 15 (sin herramienta: 9 de 15). De 64 sesiones paradas por las comprobaciones del final, 63 arreglaron lo que se les dijo. Las tablas completas están en el repositorio.

Lo que no hace

Dónde se para

  • Sigue en desarrollo: la revisión, la memoria y la banda de estado (fases 5 a 7) no están hechas, y la parte de Codex sigue abierta.
  • Cuesta más que no usar nada, unos 0,05 $ por sesión frente a 0,03 $, sobre todo por las pruebas que pide. OCKHAM_TESTS=off quita esa regla.
  • Una segunda versión de una función escrita dentro de otra casi nunca se detecta al final: 1 de 7 colocadas a propósito.
  • Hay una tarea en la que aún no ayuda nada: una redirección tras iniciar sesión que 3 sesiones de 5 dejan abierta, con reglas o sin ellas.

Instalación

Dos comandos

Claude Code

claude plugin marketplace add Octonove/ockham
claude plugin install ockham@ockham

En Claude Code 2.1.275 o posterior es un solo paso desde una sesión: /plugin install ockham --marketplace Octonove/ockham. claude plugin update ockham@ockham trae la última versión.

O solo para una sesión

git clone https://github.com/Octonove/ockham.git
claude --plugin-dir ./ockham

Carga Ockham solo para esa sesión, sin instalar nada.

Necesitas

  • Node.js 20 o posterior
  • Sin dependencias en ejecución

La idea de un conjunto de reglas que hace que un agente escriba menos la popularizó ponytail (MIT). Ockham está escrito desde cero y usa ponytail como brazo de referencia de su benchmark.

El código, las incidencias y el historial están en GitHub.

Dale una estrella si te sirve; abre una incidencia si falla.

Ver en GitHub