Pablo Ontiveros

@G_Programming Pensaba investigarlo hoy, pero queria saber si te habia ocurrido

@G_Programming estas on-fire jejejeje. Ya he actualizado 2 veces en el dia. Grande

Gentle-AI 2.1.4 es una locura 🤪 Además que ahora también cada cosa que se hace busca evidencia real. Ver como un agente se las ingenia para resolver las evidencias es increible! he visto a mi agente crear un batch de pruebas con auto recarga en PI para probar los loops nuevos mientras los hacía !!!

@G_Programming Por cierto no he visto en esta version, pero en alguna del fin de semana vi un comportamiento raro (aun no hago la investigacion debida) donde cuando pido un reporte de algo para tomar una decision, nunca se muestra y en cambio se registra directamente en memoria

@igus_ai Claude

Voy a dejar mi trabajo para dedicarme al 100% a Claude. Le pedí que hiciera esto: Analizar mercados mal valorados en Polymarket para encontrar oportunidades de arbitraje y detectar las wallets que las están aprovechando para copiarlas. Convertí $2K en $11K de la noche a la mañana. Monitorizó +1.000 wallets. Me di cuenta de algo muy rápido. Hay bots de arbitraje contra los que no puedo competir sin saber programar. Pero sí puedo encontrarlos. Y copiarlos. Claude me construyó un terminal de monitorización conectado a un bot de copytrading en Telegram. No es un script. Ni siquiera un bot. Es un agente de IA que mejora cada vez que encuentra una nueva wallet. Analiza el comportamiento de cada wallet. Cómo opera. Sus patrones de arbitraje. El tamaño de sus posiciones. El momento exacto en el que entra. • 70% de tasa de acierto. • 7 wallets copiándose ahora mismo de entre más de 500 monitorizadas. El bot nunca se detiene. Nunca apuesta. Solo sigue las matemáticas y busca beneficio. Solo necesitas: • Claude • Un dispositivo • 1 hora al día Lo voy a compartir gratis durante las próximas 24 horas. Para conseguirlo: 1. Comenta “claude” 2. Dale like y haz RT 3. Sígueme en @igus_ai para que pueda enviártelo por DM

@domini_code Tal vez ese es mi gap, no tengo tareas de desarrollo repetitivas 😢

@pablontiv Quizás que como auto-aprende mis tareas diarias , están casi todas automatizadas

¿Te quitó la IA el trabajo? A mí tampoco. Pero busco ofertas de “dev para arreglar lo que rompe la IA” y no encuentro ni una. Raro, ¿no? El apocalipsis no llegó. Llegó otra cosa, y casi nadie la está mirando.

@ElliotSecOps Gracias, que opinas de Harvester?

@pablontiv Lo requerido para un Sr usualmente es ser capaz de diseñar plataformas confiables, reducir toil, tomar decisiones arquitectónicas seguras más allá de solo saber usar herramientas, pero también dominar Terraform, Docker avanzado, Kubernetes, crear pipelines, y un par de cosas más

Que risa que "saber" Docker sea memorizar un par de comandos docker-compose, copiar/pegar respuestas de Claude, reiniciar el daemon y rezar que salga bien, ya con eso tu salario aumentó al menos 500 USD

@JessLinuxera No más fácil, pero el grueso de la oferta ni requiere el mismo seniority que en desarrollo. Además en muchos roles cloud engineer ya piden la mayoría de lo que harías como DevOps

@pablontiv osea que es más fácil que desarrollo?

La verdad nunca lo había pensado, pero algunas empresas me han buscado para posiciones de DevOps, ustedes se cambiarían de ser fullstack ?

@cheaf25master GLM

Imagine the big four disappeared overnight. No ChatGPT. No Claude. No Gemini. No Grok. What are you using instead?

@thdxr In my experience most of haters are wannabe users. Real users fix it on their setup, power users contribute to the solution

whenever we post any feature - x already does this, you copied it - i haven't heard of x - i look into x, it doesn't do it can you guys just enjoy the tools you use and stop being so lame with it

@maxedapps How do correlate both paradigms?

Thanks to pi, I now expect all my software to be self-improvable.

@omarsar0 I hope I can remember it when it need it lol

New research from Meta. (bookmark it) It's on how to fix agents that forget previously made decisions. It's well know that long-horizon agents keep forgetting decisions they already made. Meta researchers give this failure a name, behavioral state decay, where task facts, prior attempts, and open subgoals get buried in the context window or pushed past it, so they stop influencing the next action. Their fix runs a separate memory agent alongside an unmodified action agent. It maintains a structured memory bank from the recent trajectory and decides, each step, whether to inject a memory-grounded reminder or stay silent. The module is plug-and-play with frontier agents and existing harnesses. It lifts pass@1 for both weaker and stronger action agents on Terminal-Bench 2.0 and tau-squared-Bench. Overall, they find that memory that actively surfaces the right fact at the right moment is a more useful primitive than passive retrieval that only fires when the agent thinks to ask. Paper: arxiv.org/abs/2607.08716 Learn to build effective AI agents in our academy: academy.dair.ai

@tonysimons_ What can you do now that was a pain or not possible back then? I tried in two different moments but I can only do repetitive simple tasks

I can finally talk about this. I’ve been using Hermes Agent for about 4 months now. My life is considerably better than it was before using Hermes Agent. 🪽

@GithubProjects github.com/pablontiv

_________________ ___________ | Share your GitHub profile | | ___________________________| ¯\_(•‿•)_/¯

@G_Programming Jeje sigue siendo una métrica. Si note que Claude carga gran parte del framework todo el tiempo. Estaba evaluando separarlo hacia agents, skills, rules, etc pero vi que ya tenías PR's/issues alrededor de ello

@pablontiv No te voy a mentir, es una estimación clásica aprox, tokens aproximados = caracteres / 4. Entonces al ver la cantidad de caracteres eliminados se puede estimar unos 2600 tokens menos en esta release 😊

Hoy mejoré mi sistema de review adversarial a la mañana, y ese mismo sistema custodió todo lo que shippeé el resto del día. Nació y se pagó solo en la misma sesión. Te cuento el proceso completo, porque acá lo que vale no es el resultado, es cómo se llegó. Empezó con una auditoría de tokens a mi propia herramienta. Resulta que gentle-ai le inyectaba unos 13.600 tokens de contexto fijo a CADA sesión de Claude Code antes de que escribas una sola palabra. El protocolo de memoria entraba tres veces por canales distintos. La persona entraba dos veces. Y lo peor: las dos copias habían drifteado, eran textos parafraseados diciendo casi lo mismo con wording distinto. Eso no es solo plata, locura. Instrucciones repetidas con palabras diferentes te degradan el compliance del modelo. Es calidad la que se te va. ¿Cuál fue la regla? No tocar una sola línea de código sin proceso. Cada cambio pasó por el ciclo completo de Spec-Driven Development: exploración, propuesta, diseño, tareas, implementación con TDD estricto, verificación. Y arriba de todo eso, judgment day: dos jueces ciegos revisando en paralelo, un ledger de findings persistido, y re-reviews acotados solo a lo que tocaron los fixes. Y acá viene el dato que me parece el más importante del día. Cinco veces el verify formal dio PASS. Y las cinco veces los jueces adversariales encontraron críticos reales. Un data race reproducido con go test -race. Un GET HTTP a la API de GitHub metido en cada session start que nadie había pedido. Reglas de contenido perdidas en una migración que los tests no veían, porque comparaban versión nueva contra versión nueva y nunca contra la fuente de verdad. En total: 54 findings encontrados, arreglados y verificados antes de mergear. Los números finales quedaron una flor: entre 1.700 y 2.600 tokens menos por sesión. Y reviews que antes churneaban infinito ahora convergen de verdad. Cinco findings, después uno, después uno, después cero. Finish. La parte que más me gusta ya te la spoileé arriba, pero mereces el detalle: el primer feature que shippeamos a la mañana era justo el contrato de review con ledger. Ese mismo sistema custodió los otros tres durante el resto del día. Construimos la herramienta de calidad primero, y la herramienta se pagó sola. Tres lecciones que me llevo. Un test de regresión vale lo que vale su baseline. A los agentes la evidencia se les dicta verbatim, porque cuando parafrasean, inventan. Y la IA es una herramienta: el humano dirige, la IA ejecuta, y los procesos existen para que ninguno de los dos se mienta a sí mismo. gentle-ai v1.44.0 y engram v1.19.0 ya están afuera, con todos los artefactos y ledgers de review archivados en los repos para el que quiera auditar cada decisión. Esto es lo que pasa cuando dejás de pedirle código a la IA y empezás a construir SISTEMAS con ella. Éxitos, nos vemos ahí. Y disfruten el nuevo Gentle-Ai !!

@thdxr I want to work with you guys to get priority access to those models 😏

i've never hyped a model release, we're generally conservative with how we use these things but gpt-5.6 has had a massive impact on our team, we're using 5x the tokens as we used to it's not even smarter than fable or anything, but it's just so reliable and fun to use

@ManuelZapata Gracias, no conocía orca. Es este onorca.dev?

Me pidieron que compartiera mi stack de IA. Hace poco dije que en vez de perseguir cada novedad, mejor te vuelves muy bueno en el stack que ya tienes. Así que va el mío. - Chat: Gemini. - Desarrollo: Claude Code. - Revisiones de código: CodeRabbit. - Servidores MCP: Linear, DBHub, CircleCI, Chrome DevTools. - Orquestación de sesiones: Orca. Un stack pequeño que dominas le gana a uno enorme que apenas probaste. ¿Qué tiene tu stack de IA?