Wences Martinez

Currently building the first version of the Keystone MCP server, integrating it with @cursor_ai and @claudeai 😁 The next few days are going to be interesting, time to put it to the test with real projects 💪 @keystone_build

@emil_priver Then use GitLab 😆

I think merge requests is a better name then pull requests

@pmitu IMO the ones that survive aren't selling AI, they're solving a real problem and using AI to deliver the solution faster and better than before. The AI wrapper isn't the product but the insight!

Most AI startups are three Claude prompts and a Stripe checkout.

@zuess05 The senior knows when Claude is wrong! A junior accepts the output without questioning it. A senior questions it, catches the edge cases, and knows when to throw it away 😉

I am actually curious. If junior devs are using Claude to write code at a senior level... And senior devs are using Claude to write code at a senior level... What exactly is the difference between the two roles right now, other than a $100k gap in salary?

@TTrimoreau Building Keystone! An intelligent memory layer for AI agents & teams 🤖 keystoneapp.dev

Hey founders ! Looking to connect with people building in: 🍽️ SaaS 🚀 Tech 📲 Automation 🧠 AI tools 📱 Product Development 🔥 Web APP 💻 Devs Drop what you're working on before the weekend ?

@aryanlabde Yep, the distribution problem hits harder than any technical problem ever will, feeling this!

Worst part about building solo: you ship something genuinely useful and nobody sees it.

No issues so far! The pgvector integration was straightforward and having auth, storage and vector search all in one place saves a lot of complexity 🚀

@wenchodev @keystone_build @nuxt_js Postgres as a vector db is a smart move. have you run into any issues so far?

drop any Supabase questions below what are you building? what's tripping you up? what content do you want to see?

If you had to pick one... which one and why?

@teKa088 Menciona "Tomi" sin contexto 🤣 ⛳️⛳️

El cordobés que entrenó una IA para detectar si su próxima novia era igual a la ex Marcos, 31, Córdoba. Cuatro años con Carla. Terminaron mal: gaslighting, tres infidelidades, le vació la cuenta antes de irse. Seis meses después, Tinder. Pero no confiaba en su propio criterio, porque a Carla también la había elegido él. Entonces hizo algo raro: bajó los 4 años de chats de WhatsApp con la ex (38.000 mensajes) y entrenó un modelo fine-tuneado sobre Claude para detectar los patrones lingüísticos previos a cada episodio tóxico. Manipulación temprana, victimización, love bombing, triangulación. Ahora cada match nuevo pasa por el filtro. Le manda screenshots al agente y el sistema le tira un score de 0 a 100 de "similitud con Carla". Arriba de 60, ghostea. En 4 meses descartó a 23 minas. Está saliendo con la número 24 hace 5 meses. Score: 12. Lo subió a GitHub la semana pasada. Se llama ExFilter. 4.300 stars en 6 días. Lo más perturbador: tres de las descartadas le escribieron meses después pidiéndole plata prestada.

@santtiagom_ Muy buen hilo 😀 Hace un tiempo no me quedó otra que usar sticky sessions precisamente por una comunicación SSE entre el agente (backend) y el frontend, necesitaba sí o sí que cada cliente volviera siempre al mismo servidor.

Cuando tu app crece, un solo servidor ya no te alcanza. Necesitás manejar más tráfico, más usuarios, más requests. Entonces agregás más servidores. Y ahí aparece un problema: ¿cómo distribuís las requests entre todos? La solución es un Load Balancer. Es un componente que se pone entre el cliente y tus servidores y decide a cuál enviar cada request. cliente → load balancer → servers Hace 3 cosas: 1) distribuye carga → evita que un server se sobrecargue 2) maneja fallos → detecta servidores caídos (health checks) y deja de enviarles tráfico 3) desacopla → el cliente habla con un solo punto de entrada ¿Cómo decide a dónde mandar cada request? Depende del algoritmo de balanceo que uses: - round robin → va turnando entre servidores - least connections → elige el menos cargado - ip hash → el mismo usuario suele caer en el mismo server Hay un punto clave: si una request puede caer en cualquier server, no conviene depender de estado local. Podés usar sticky sessions para que un usuario vuelva siempre al mismo server, pero eso hace el sistema más rígido y difícil de escalar. Por eso, en general, el estado se mueve afuera (cache, base de datos, storage) para que cualquier servidor pueda responder.

Anyone using @opencode with @ollama models for development? Which models are you running locally? Currently working with qwen2.5-coder:3b because qwen3.5:9b is quite slow on my machine 😅 14 vs 51secs

This is what I've been building! 💪 keystoneapp.dev Early access is open, would love to hear what questions you'd want to ask your codebase first 👇

@ctatedev +1... when the agent writes the code, the real contribution is the problem definition. Somehow issues are the new commits 😅

Dear GitHub, AI is changing the contribution graph. Issues are often the real contribution now. They define the problem, shape the solution and guide the PR. If a GitHub Issue leads to a merged PR, the issue author should get contributor credit. Signed, ctate

@septicbeats @vivoplt Neither I, and usually switch between different models

@wenchodev @vivoplt I never hit subscription limits with claude 4.6 on hard effort

Is there any way to use Claude Code without hitting the usage limit

@barckcode Hay CTOs que van a tener una conversación muy incómoda en junio 😅

Madre mía el punto 9 es mortal. Si ese coste termina siendo así va a haber empresas que van a empezar a cancelar las licencias de Copilot en un momento. Yo me se de una que tiene +2K licencias...😅 a un aumento de varias X el precio.... salen MUCHOS miles de € al mes.

@vivoplt Yes, use the API directly instead of the subscription. You pay per token but there's no hard limit. More expensive if you're heavy user, but no interruptions 🤷‍♂️