VibeSDK by CloudFlare

El agente trabaja mediante un ciclo de modelo y herramientas en lugar de una secuencia rígida de fases de construcción, lo que significa que puede leer un archivo, decidir qué cambiar, ejecutar el código y reaccionar a lo que devuelva en vez de avanzar a ciegas por pasos fijos. Lee y edita archivos, instala lo necesario y sigue adelante hasta que la app funciona. Así puedes cambiar de idea a mitad de la construcción y se adapta en lugar de empezar de cero.

Cuando tu petición es vaga, el agente hace preguntas de seguimiento estructuradas antes de empezar. Obtienes menos generaciones desperdiciadas porque el agente confirma lo que realmente quieres. Es un detalle pequeño que ahorra mucho retrabajo.

Cada archivo que el agente toca aparece en un editor integrado mientras trabaja. Puedes leer el código, entrar en un archivo y sugerir un cambio sin salir del navegador. Ver cómo llegan las ediciones hace que todo el proceso se sienta menos como una caja negra.

El código generado se empaqueta y se carga como un Worker en el edge, así que cada vista previa funciona sin un servidor de desarrollo permanente. Tu app está en línea segundos después de que el agente termina un cambio. Sin esperar a una canalización de compilación. La parte negativa es que las vistas previas dependen del entorno de ejecución de Cloudflare, que difiere de una configuración local de Node.

El agente inspecciona la salida de la consola del navegador, detecta errores en tiempo de ejecución y vuelve a desplegar una corrección. Seguirás encontrando fallos que no puede resolver, pero las roturas rutinarias se gestionan sin que tengas que rebuscar en los registros. No es perfecto, pero ahorra tiempo de verdad.

Cada app generada recibe su propio almacenamiento respaldado por SQLite a través de un Durable Object Facet, con herramientas para inspeccionar y reiniciar la base de datos. Tus proyectos no comparten datos, algo que importa cuando ejecutas varios a la vez.

El agente guarda puntos de restauración en Cloudflare Artifacts, y puedes volver a un estado anterior sin reescribir el historial. Si un cambio empeora las cosas, te recuperas con un clic en lugar de reconstruir archivos a mano.

Enrutas los proveedores de modelos que elijas a través de AI Gateway, que añade observabilidad centralizada y caché entre ellos. Los costes siguen a la vista, las respuestas populares se guardan en caché y cambiar de modelo no obliga a reescribir el agente.