«Especificaciones como deltas, no como un PRD de 40 páginas.»
OpenSpec es una CLI gratuita y de código abierto de Fission AI que permite que tú y tu agente de codificación acuerden un cambio en Markdown plano antes de que se escriba cualquier código, sin la ceremonia de fases restringidas de los frameworks más pesados dirigidos por especificaciones.
Un cambio seguro más allá de la importación de una sola línea
Migrar un asistente de IA no es lo mismo que copiar la configuración de una aplicación. La parte difícil consiste en preservar la identidad, la memoria, el comportamiento de las herramientas, las tareas programadas y el acceso a los mensajes, evitando que dos pasarelas actúen como el mismo bot.
¿Qué sigue a los LLM? La era post-transformer.
La euforia por la IA sigue un ritmo: aproximadamente cada tres años, la arquitectura sobre la que todos apuestan es reemplazada por algo más nuevo. El próximo cambio ya se está formando en los laboratorios de investigación.
¿Habilidad, servidor MCP o ambos?
Las habilidades de agentes y los servidores MCP suelen presentarse como formas competidoras de extender un agente de IA. Esa interpretación es incorrecta: una habilidad enseña al agente cómo trabajar, mientras que un servidor MCP le otorga acceso controlado a capacidades en vivo.
OpenCode desde la línea de comandos, en la práctica
La interfaz de línea de comandos de OpenCode está diseñada para la creación de scripts, pipelines de CI y la ejecución de agentes sin supervisión. Este artículo es una guía práctica para su uso en el trabajo diario.
Competencias de SDD aplicadas, instaladas con un solo comando.
Superpowers empaqueta una metodología completa basada en especificaciones en habilidades de Claude instalables, aplicando lluvia de ideas, planificación, implementación dirigida por subagentes y TDD estricto, en lugar de dejar esa estructura a tu criterio.
Un pequeño agente de programación que espera que lo configures.
Pi Coding Agent es un arnés de codificación por terminal minimalista y de código abierto que incluye cuatro herramientas predeterminadas y deja la mayor parte del comportamiento a las extensiones, habilidades y a tu propio flujo de trabajo.
Por qué su stack de IA se vuelve más dependiente cada mes.
Cada llamada a la API parece una transacción sencilla, hasta que se acumulan lo suficiente como para que tus datos de ajuste fino, tus entornos de evaluación y tus esquemas de herramientas se adapten a un solo proveedor, momento en el cual cambiar deja de ser un ajuste de enrutamiento.
Delega el trabajo ruidoso y mantén tu contexto limpio.
La mayoría de las sesiones de Claude Code se vuelven lentas y desordenadas por la misma razón: cada búsqueda exploratoria con grep, cada volcado de registros y cada “déjame revisar un archivo más” permanece en la conversación principal para siempre.
Cuándo migrar de Ollama a vLLM
Ollama es una de las formas más sencillas de ejecutar un modelo de lenguaje local, pero la comodidad puede ocultar el momento en que un experimento local se convierte en un servicio de inferencia compartido que necesita una mejor planificación y observabilidad.
Mantener el conocimiento compilado fiable
Un wiki de LLM falla cuando los datos antiguos siguen siendo plausibles, las contradicciones se vuelven pulidas y los resúmenes generados se desvían de sus fuentes.
Comparativa de GPUs de IA entre tres proveedores
El panorama del hardware para IA ha cambiado significativamente en 2026, con NVIDIA, AMD e Intel compitiendo por los desarrolladores que necesitan GPUs capaces de ejecutar modelos de lenguaje grandes (LLM) locales y cargas de trabajo de inferencia de IA.
Servidor Hermes headless con acceso a escritorio remoto
Ejecutar Hermes Agent en un servidor sin interfaz gráfica (headless) mientras se conecta desde un cliente de escritorio en otra máquina requiere dos procesos de servidor y una conexión de cliente.
La seguridad del protocolo determina quién puede actuar, no el modelo.
La inyección de prompts recibe la mayor parte de la atención en materia de seguridad en los sistemas de LLM, y merece esa atención, pero no es el único problema una vez que los agentes comienzan a invocar herramientas y delegar trabajo a otros agentes.
Las tareas A2A de larga duración superan la duración de las sesiones de chat.
La mayoría de las demostraciones de agentes de IA aún se comportan como completados de chat con pasos adicionales: envías un prompt, esperas unos segundos y recibes una respuesta en una sola salida.
Inferencia más rápida de LLM sin pérdida de calidad: una guía práctica
Un modelo de 70B genera un token por pasada hacia adelante (forward pass), y cada pasada recarga los pesos desde la VRAM, calcula la atención a través del contexto y sincroniza la memoria. Entre tokens, la GPU se queda inactiva mientras espera a que se resuelvan las dependencias secuenciales.
