@jotaele_tello Gracias José, mañana lo lanzo open source, ahora estoy con miles de cosas, me encantaría que lo pruebes
Español
Diego Silva
4.2K posts
Diego Silva
@diego_silvaai
ai engineer | freak
buenos aires Katılım Ekim 2018
457 Takip Edilen75 Takipçiler
Este último mes estuve trabajando a full en cómo crear mejores "specs", uno de los mayores problemas sigue siendo el consumo de tokens, a nivel inferior, pero en proyectos grandes ese gasto se agiganta
Lo primero que se me ocurrió fue usar los "specs" como embeddings, simple, metada para alimentar agentes e indicar dónde debe ingestar información, conectando directamente intención e implementación.
Hoy les traigo una demo simple que estoy trabajando, me estoy enfocando en algo visual primero a través de grafos de jerarquías.
Porque hoy en día se pueden generar miles de specs, software, sin decisiones de productos o sin contemplar outcome por feature.
Espero convertirlo en algo más operativo y crear instancias de agentes en el mismo "OS", pero esa es la parte sencilla.
Demo: intagent.diegosilvaai.com
Español
Diego Silva@diego_silvaai
Este último mes estuve trabajando a full en cómo crear mejores "specs", uno de los mayores problemas sigue siendo el consumo de tokens, a nivel inferior, pero en proyectos grandes ese gasto se agiganta Lo primero que se me ocurrió fue usar los "specs" como embeddings, simple, metada para alimentar agentes e indicar dónde debe ingestar información, conectando directamente intención e implementación. Hoy les traigo una demo simple que estoy trabajando, me estoy enfocando en algo visual primero a través de grafos de jerarquías. Porque hoy en día se pueden generar miles de specs, software, sin decisiones de productos o sin contemplar outcome por feature. Espero convertirlo en algo más operativo y crear instancias de agentes en el mismo "OS", pero esa es la parte sencilla. Demo: intagent.diegosilvaai.com
QME
What Tom ( @t_blom) is describing is actually a context graph. Every company will need a world model of how it operates.
We have been building something closely related at PlayerZero, an engineering world model for software, and two things become obvious fast.
1) You can't ask people to leave their work and start documenting what they know. It's not a good use of anyone's time, and it's why wikis, knowledge bases, and internal docs all become graveyards within months.
The context graph has to emerge from the exhaust of work already happening. Engineers shipping code, agents solving problems, support teams resolving tickets. The graph accumulates because useful work runs through it.
2) No single person can map how a company actually operates. Someone in engineering can describe their work, someone in support can describe theirs, but the connections across every function, every service boundary, every customer configuration, that's a task no human can do manually. The structure has to be discovered by observing real workflows across the entire organisation.
He is right about the system compounding over time. More work generates more decision traces, richer traces make agents more capable, more capable agents get deployed more broadly. We went from 54% simulation accuracy to 95+% in six months, purely from accumulated context. The compounding is the whole game.
Y Combinator@ycombinator
Company Brain @t_blom Every company has critical know-how scattered across people's heads, old Slack threads, support tickets, and databases, and AI agents can't operate like that. We think every company in the world is going to need a new primitive: a living map of how the company works that turns its own artifacts into an executable skills file for AI.
English
Un ejemplo práctico con Droid, para los que no lo conocen. Está súper enfocado en research y sobre todo en "autoresearch"
Es bastante potente, justo dejé de pagarlo porque tengo miles de providers y me vuelvo loco si no, pero seguro le dé una vuelta más
0xSero@0xSero
Oh my, this is amazing. Generate an explainer wiki via slash command, gives you a full site with all the exact details, links to those details. I remember seeing something similar by ZAI (Zread) this feels like a very natural way to communicate with these models info density
Español
@arielsbdar Tranqui Ariel, los pibes y pibas que quieren crecer te ven como inspiración, sí sólo nos enfocamos como decís en esa grieta e impartir para todos los mismos, no avanzamos.
Español
NUESTRO COMPROMISO ES CON LA EDUCACIÓN FINANCIERA, NO CON LA GRIETA.
Español
@nicoproducto Conecto Whatsapp a la compu para hablar con clientes, y va, no necesito nada más
Español
¿Alguien más no usa el celular para nada? Seguro que no soy el único rarito
Justo le respondí a Nico (@nicoproducto) , y me olvidé que muchos ocupan ChatGPT, Claude en móvil y no sé, algo lejano para mí
Español
@nicoproducto See, claramente, pero hoy no creo que su objetivo sea masividad, OpenAI, tiene más soporte para móviles, pero tampoco te sabría decir, tengo sólo whatsapp en el celular jeje
Español
@diego_silvaai Me imagino que no es tribial, pero estaría bueno, sobre todo en momentos de urgencia poder continuar desde la app en el celular un chat con Claude Code
Español
Algo que está faltando mucho en los productos digitales de esta era es la compatibilidad entre dispositivos
Ejemplos:
- la app de Claude en Mobile no levanta los chats de su versión web o desktop
- Los borradores de tweets acá no están sincronizados entre app y versión web
Español
Cada vez más cerca de orquestar a la velocidad de la luz, veremos que tal este proyecto opensource
Caspian 東澔@caspian_1016
Introducing Helmor The open-source, local-first answer to Conductor. A more refined, faster GUI for orchestrating coding agents. No cloud. One-click import from Conductor. AI made coding faster. @helmor_ai is about finishing the rest of the loop: orchestration, workspaces, review, testing, and merge. We believe the next generation of GUI agent orchestration should be built in the open — by the community.
Español
Introducing Helmor
The open-source, local-first answer to Conductor.
A more refined, faster GUI for orchestrating coding agents. No cloud.
One-click import from Conductor.
AI made coding faster.
@helmor_ai is about finishing the rest of the loop:
orchestration, workspaces, review, testing, and merge.
We believe the next generation of GUI agent orchestration should be built in the open — by the community.
English
@Gaboto83 @impuestito_org Sí, Droid tiene Kimi y GLM en sus planes
No te sabría decir sobre Cursor, no lo utilizo.
Español
@diego_silvaai @impuestito_org Interesante lo de Droid, nunca lo había escuchado. Ofrece modelos chinos de forma nativa?
En cursor se puede poner openrouter, pero dice que te limita funcionalidades
Español
expertos de AI ☝️🤓
se va a poner todo muy caro dentro de poco...
🤔 la posta es planear con Opus 4.7 / GPT 5.5
🤔 y ejecutar con otro modelo más tranqui
que dicen?
Español
@Gaboto83 @impuestito_org Tenés varias opciones, justo estoy intentando crear un harness más personalizado, pero tenés Droid, que salió hace poco, y luego sólo trabajar en un solo directorio con Opencode, por ejemplo, y ya es suficiente.
Casi todo por APIs o conectar providers en Opencode
Español
Hoy me toca crear un harness desde cero, porque quiero aplicar agentes para verificación y un queue simple. Máximo dos subagentes, porque me es más simple hacer reviews de código y no me preocupa la velocidad.
Hacer un harness desde cero me va a permitir explorar más papers y ver otras formas de incluir layers de verificación, tests y hacer una separación de lo que vaya aprendiendo.
Seguro siga un poco este blog de Codex Spark, un modelo increíble por el costo y la velocidad de iteración.
Blog: cerebras.ai/blog/codex-spa…
En principio voy a intentar replicar eso sencillo, de un agente para verificar código, un parent, subagentes y no mucho más.
Seguro empieze con un adapter directo hacia opencode, porque me fascina su forma de compactar memoria y contexto
Español
@patoiturraspe_ Yo hoy el tiempo lo ocupo en un 20% de código, hay días que ni toco una implementación y me preocupo más por lo que no sé, discutiendo con agentes y haciendo brainstorming el otro 80% de mi tiempo
Español
Alguien más tratando de lograr el Claude/Life balance?
Español
@trillhause_ Right now, in terms of researching, having different points to take actions or decisions with the "large datasets" that a company has, it's not possible, sure, it's the next step for research and software
English
This is going to be a tarpit idea. It’s good in theory, but impossible to pull off unless it’s an internal company effort by a tyrant like CEO.
An external company will never be able to build a software that results in a company brain. It’s mostly because no tool will have perfect adoption from all employees and data will always be fragmented across new systems.
Chaotic systems are very hard to capture. It’s impossible to perfectly extract data from all sources as companies evolve and introduces new data sources.
You will spend all the time keeping track of the data instead of doing actual work. This is same trap that the second brain productivity folks fall for.
Y Combinator@ycombinator
Company Brain @t_blom Every company has critical know-how scattered across people's heads, old Slack threads, support tickets, and databases, and AI agents can't operate like that. We think every company in the world is going to need a new primitive: a living map of how the company works that turns its own artifacts into an executable skills file for AI.
English
Esto de clonar el "cerebro" con AI, me parece un delirio.
Hoy, es imposible, no podemos resolver memoria entre relaciones, sesiones, y vamos a hacer que un LLM pueda recorrer todas las decisiones de una compañía, manteniendo coherencia, sin alucinaciones, drift, etc
Justo estaba escribiendo un artículo sobre esto llamado "Long-horizon memory", es el siguiente paso, sólo que venderlo como algo que existe es humo
Y Combinator@ycombinator
Company Brain @t_blom Every company has critical know-how scattered across people's heads, old Slack threads, support tickets, and databases, and AI agents can't operate like that. We think every company in the world is going to need a new primitive: a living map of how the company works that turns its own artifacts into an executable skills file for AI.
Español
@santtiagom_ Justo estoy investigando esto Santi, ¿revisaste Prometheus?
Un paper y repo increíble sobre "long-horizon memory"
Español
CLAUDE.md se inyecta directamente en el context window al arrancar la sesión.
Cada línea que agregás ocupa espacio que después no podés usar para código, archivos o conversación.
Y cuanto más largo, más difícil le resulta a Claude saber qué importa.
Por eso es clave cuidar el contexto que le das.
Algunos consejos prácticos:
- Mantenerlo bajo (200 líneas): a partir de ahí Claude empieza a ignorar cosas
- Instrucciones concretas y verificables: "usá 2 espacios de indentación" en vez de "formateá bien el código"
- Si el proyecto tiene áreas muy distintas, podés tener CLAUDE.md en subdirectorios: solo cargan cuando Claude abre un archivo de esa carpeta, no al arrancar la sesión
- Para cada línea preguntate: "¿Si la saco, Claude va a cometer errores?" Si la respuesta es no, cortala
santi@santtiagom_
Cuando empezás con Claude Code, uno de los conceptos más importantes es Memory.
Cada vez que abrís una sesión nueva, el agente arranca sin contexto del proyecto, sin tus preferencias, sin nada de lo que hablaron antes.
Eso hace que tengas que volver a explicar el proyecto, repetir instrucciones y corregir lo mismo en cada sesión.
Ahí es donde entra Memory.
Le permite a Claude Code recordar qué hace el proyecto, cómo trabajás y decisiones que ya se tomaron.
Hay 2 sistemas para manejarlo:
1) CLAUDE.md - lo que vos le enseñás
- Es un archivo de instrucciones que Claude lee al arrancar cada sesión. Podés tener varios alcances:
・~/.claude/CLAUDE.md → preferencias personales, aplica a todos tus proyectos
・./CLAUDE.md → instrucciones del proyecto, se comparte con el equipo
・./CLAUDE.local.md → notas personales sobre el proyecto, no se versiona
2) Auto memory - lo que Claude aprende solo
- A medida que trabajás, Claude guarda notas sobre lo que descubre: comandos útiles, decisiones de arquitectura, preferencias de estilo
Se guardan en:
・~/.claude/projects/
Español
We present SWE-chat: the first large-scale dataset of coding agent interactions from real users in the wild.
In 40% of real coding sessions, the agent writes ~all the code. Users push back 39% of the time – agents almost never stop to check.
Data, paper, & findings in the 🧵👇
English