¿Qué es Knowledge-Driven Development?
Knowledge-Driven Development trata el conocimiento del proyecto como un artefacto observable de primera clase para que humanos y agentes de IA evolucionen el software desde el mismo contexto compartido.
Los equipos de software siempre han funcionado sobre conocimiento: por qué un sistema tiene la forma que tiene, qué restricciones son críticas, qué se intentó antes y se descartó. El problema es que la mayor parte de ese conocimiento vive en la cabeza de las personas, en hilos de chat dispersos o en mensajes de commit que nadie vuelve a leer. Cuando un agente de IA se suma al trabajo, no hereda nada de eso: ve código, no contexto.
Knowledge-Driven Development (KDD) es un reencuadre simple: tratar el conocimiento del proyecto como un artefacto observable de primera clase que vive en el repositorio, junto al código, y hacer que tanto humanos como agentes de IA trabajen desde ese mismo contexto compartido.
Por qué el contexto es el verdadero cuello de botella
Un agente de código capaz rara vez falla porque no sepa escribir código. Falla porque no conoce este proyecto: el lenguaje del dominio, los límites arquitectónicos, las decisiones que no están en discusión. Dale solo el código y producirá con confianza cambios localmente correctos y globalmente equivocados.
La respuesta de KDD no es “escribir más documentación”. Es capturar el conocimiento que realmente impulsa las decisiones —intención de negocio, capacidades de producto, restricciones técnicas, historia de entrega— en una forma estructurada y versionada, y hacerlo observable para detectar cuándo se desvía de la realidad.
Conocimiento como artefacto, no como wiki
La distinción importa. Un wiki es prosa que se pudre en silencio. Una base de conocimiento KDD es estructurada: tiene capas (negocio, producto, tech, delivery), se versiona con el código, y puede consultarse y verificarse. Cuando aterriza un cambio, el conocimiento que lo justificó está ahí; y cuando el conocimiento deja de coincidir con el sistema, esa deriva es visible en vez de oculta.
Eso es lo que permite que un agente de IA contribuya como un compañero bien incorporado, y no como un extraño veloz.
Dónde encaja Kaddo
Kaddo es un toolkit para practicar KDD. Te da una base de conocimiento en el repo, un ciclo de vida de Work Items que conecta la intención con la entrega, y un servidor MCP para que los agentes lean el mismo contexto que tú — sin tratar nunca ese contexto como instrucciones a ejecutar a ciegas.
Si quieres los conceptos en profundidad, lee Knowledge-Driven Development. Para verlo sobre un codebase real, el caso de uso de proyecto legacy recorre cómo adoptar KDD en software cuyo conocimiento solo vivía en la cabeza de las personas. Cuando quieras probarlo, empieza por Primeros pasos.
El objetivo no es reemplazar desarrolladores por agentes. Es asegurar que quien trabaje —humano o IA— construya desde lo que el equipo realmente sabe.