Gentleman Programming

@GoogleDevExpert Angular | @MVPAward | Front End Architect | Gentleman Programming Community Owner | Book Author

Collab: [email protected]

[Gentleman Programming @G_Programming]

Tu agente de IA se olvida de TODO cuando cierra la sesión.

Cada decisión de arquitectura. Cada bug que resolvió. Cada patrón que descubrió. Perdido.

La siguiente sesión arranca de cero. Como si nunca hubiera pasado nada.

Hoy lanzo Engram — memoria persistente para agentes de IA.

Un solo binario en Go. SQLite + FTS5. Sin Node, sin Python, sin Docker, sin ChromaDB. Funciona con CUALQUIER agente MCP: Claude Code, OpenCode, Cursor, Windsurf, Gemini CLI.

¿Cómo funciona?

El agente trabaja con vos. Resuelve un bug → lo guarda. Toma una decisión de arquitectura → la guarda. Descubre un patrón → lo guarda. Todo estructurado, indexado, buscable.

Siguiente sesión → el contexto se inyecta automáticamente. El agente recuerda.

Pero acá viene lo mejor: memoria por proyecto.

`engram sync` detecta automáticamente tu proyecto por el directorio en el que estás. Todo lo que el agente aprende se persiste en chunks comprimidos (gzipped JSONL) con content hashes, organizados en un manifiesto dentro del repo.

¿Qué significa esto para equipos?

Que cuando tu compañero clona el repo y abre su agente, tiene TODO el contexto de las conversaciones que tuviste con la IA mientras trabajabas en esa funcionalidad.

Sin Slack preguntando "che, ¿cómo hiciste esto?". Sin meetings de contexto. Sin documentación que nadie escribe.

Es documentación viva que se escribe sola mientras trabajás.

Cada dev genera chunks independientes → sin conflictos de merge. El manifiesto es append-only. Auto-import incluido.

Algunas decisiones de diseño que tomamos:

→ El AGENTE decide qué guardar, no un pipeline de compresión externo. Ya tiene el LLM, ya tiene el contexto. ¿Para qué agregar otra capa?
→ Progressive Disclosure en 3 capas: búsqueda compacta → timeline → detalle completo. Eficiente en tokens.
→ 3 capas de resiliencia para sobrevivir compactación de contexto.
→ Tags \<private\> redactados en 2 niveles antes de tocar la DB.
→ MIT License. Open source. Sin lock-in.

📦 brew install gentleman-programming/tap/engram

🔗 https://t.co/IrJSgryQcw

Si trabajás con agentes de IA para programar, probalo. Y si te copa, una ⭐ en GitHub siempre se agradece.

#AI #DevTools #MCP #ClaudeCode #OpenCode #Cursor #GoLang #OpenSource #DeveloperProductivity #AIAgents #SoftwareEngineering #GentlemanProgramming

[Gentleman Programming @G_Programming]

@NinJoan A vos por el aporte !!!!

[Gentleman Programming @G_Programming]

Ahora todos hablan de Agent Loop Engineering.

Cuando empecé con SDD, TDD strict y más de 30 harnesses en Gentle, no se llamaba así. Era exactamente lo que estaba construyendo.

El debate de fondo es interesante. Hay quienes dicen "no hagas más prompts, dejá que el agente busque su propio trabajo y haga todo solo".

Yo no confío en la IA para eso. Todavía no.

No porque los loops no sirvan. Sirven, y mucho. Pero la IA es probabilística, no determinística. Cuanto más larga la cadena sin control, más probable que derive a algo que no querías.

El poder no está en el loop abierto que consume infinito. Está en el loop conciso, reducido y controlado.

Video en comentarios.

#AI #AgenticEngineering #SoftwareEngineering

[Gentleman Programming @G_Programming]

@synthwavedd Opencode+ https://t.co/kKINXa2nns 😏

[Gentleman Programming @G_Programming]

@ivanosquis13 Mejor usalor en WLS, windows es un horror. También con scoop se actualiza a través de scoop

[Gentleman Programming @G_Programming]

@Rideck_magic @_nasch_ Yes, es uno de los harnesses que puse jeje

[Gentleman Programming @G_Programming]

@carlosredondo Let's goo !! Es una colección de flujos de trabajo y demás agnósticos para cualquier tipo de trabajo así que me pone SUPER contento que cumpla con lo prometido

[Sakana AI @SakanaAILabs]

Introducing Sakana Fugu: A full multi-agent orchestration system accessible via a single model API.

Our ‘Fugu Ultra’ model matches the performance of Fable and Mythos, delivering frontier capability without the risk of export controls.

Try it: https://t.co/hhO6qTawgb 🐡

[Gentleman Programming @G_Programming]

@VergaraMar60414 Prefiero no salir de la terminal en mí caso, cumple mí flujo de trabajo perfecto jejej

[Gentleman Programming @G_Programming]

¿Cuántas veces vas cambiando de pane en pane para ver cuál de tus agentes se trabó?

Si corrés varios agentes a la vez (uno en la API, otro en el front, otro tomando notas), conocés el baile: Ctrl+B, flecha, mirar, no era ese, otra vez, flecha, ahí está, me estaba esperando hace cinco minutos.

Eso se terminó. Saqué tmux-agent-state, open source.

La idea es simple: un puntito de color en la barra de tabs te dice el estado de cada agente sin que tengas que entrar a mirarlo.

→ Naranja: el agente está laburando.
→ Rojo: te está esperando A VOS (un permiso, una pregunta). Y si no lo estás mirando, suena.
→ Sin punto: terminó o no está corriendo. Cuando uno que estaba ocupado termina, también suena.

La gracia: el sonido solo dispara para el agente que NO estás mirando. Si ya lo tenés en pantalla, no te molesta. Y el tab siempre muestra el peor estado de sus panes, así con un vistazo sabés dónde mirar.

Anda con opencode, pi, Claude Code y Codex. Un core compartido, y cada agente se prende por separado, así que el instalador nunca toca una herramienta que no le pediste.

Lo dejé lo más fácil posible de probar:

git clone, cd al repo, y ./install.sh --all

Después abrís un tmux nuevo, reiniciarás tus agentes, y listo.

Es de esas herramientas chiquitas que no sabés que necesitabas hasta que la usás una semana y ya no podés volver atrás. Es así.

Link al repo en los comentarios 👇

#OpenSource #DeveloperTools #AI

[Gentleman Programming @G_Programming]

@Pandeldia2025 @_nasch_ Se puede instalar en Hermes :)

[Gentleman Programming @G_Programming]

@jordimurgo Yes ! Está es mí alternativa porque se salía mucho de mí flujo de trabajo, no me era tan cómodo

[Gentleman Programming @G_Programming]

@juan_barbat Eso mismo, tengo harnesses justo para eso 🤗

[Gentleman Programming @G_Programming]

@germanburgardt Yes, yo tengo un monitor de 42, pero me gusta dividir mis proyectos y agentes según estos mismos. Para ir cambiando de contexto por necesidad. Puede llegar a pasar que tenga 4 proyectos cada uno con 3 agentes al mismo tiempo y me gusta leer todo lo que hacen a profundidad

[Gentleman Programming @G_Programming]

@NachoPNG Pero esto es para Tmux con múltiples agentes, aparte que no me gusta Claude jajaja uso Opencode o pi, y acá uno tiene que pensar que hay una comunidad 🤗

[Gentleman Programming @G_Programming]

@Getoxdd Aparte aparte

[Gentleman Programming @G_Programming]

@v11ckth4r Pasa por discord que tenemos un canal exclusivo para esta pregunta que me dices ;)

[Gentleman Programming @G_Programming]

@ndresDavid @herdrdev Justamente hice esto luego de probarlo, herdr iba un poco en contra de mí flujo y me quitaba velocidad, así que traje lo que más me gustó a mí Tmux

[Gentleman Programming @G_Programming]

https://t.co/8e2YsOCnwd

[Gentleman Programming @G_Programming]

@GonDev97 lo dejo en recomendados para codex, puedes robar de ahi

[Gentleman Programming @G_Programming]

Hoy fue el día más coordinado del ciclo. Cuatro releases en menos de media hora, y juntas cuentan una sola cosa: el lifecycle de memoria llegó al ecosistema entero, no a un producto suelto.

09:27 UTC, Engram v1.16.2. Las memorias ahora tienen estado: active o needs_review. Nuevo MCP tool mem_review para listar y marcar. Rutas HTTP nuevas para que el Pi-native lo consuma.

09:30 UTC, gentle-engram v0.1.8. El soporte nativo en Pi. Listar memorias que necesitan revisión y marcarlas revisadas, todo desde el chrome compacto de Pi.

09:41 UTC, gentle-pi v0.5.0. El orquestador adopta el contrato: prefiere mem_review cuando está disponible, fallback seguro a mem_context/mem_search cuando no, trata needs_review como contexto stale a verificar, nunca auto-marca. Forward-compatible. Y de yapa: autonomous runtime guard opt-in con deny rules que NO se pueden relajar por config (force push, reset hard, rm peligrosos quedan siempre bloqueados).

09:53 UTC, gentle-ai v1.40.1. El lifecycle entra a los prompts de los agentes, más los 4R review agents para diff reviews adversariales.

Pero hay algo en esta de gentle-ai que merece su propio párrafo: el canal nightly.

Ahora podés probar lo último de Gentle AI directo desde main, junto con lo último de Engram desde main, sin esperar a que salga la release estable. Activás con --channel nightly o GENTLE_AI_CHANNEL=nightly y ya estás corriendo lo que se mergea hoy, no lo que se libera la semana que viene. ¿Por qué me importa tanto? Porque la comunidad que reporta bugs y propone features ahora puede validar los cambios ANTES de que lleguen a estable. El loop de feedback se acorta de días a horas.

La pieza que más me importa de todo el día no es ninguna feature aislada. Es que el diseño fue cross-repo desde el principio. Engram aporta la primitiva, gentle-engram la expone en Pi, gentle-pi la adopta en el contrato, gentle-ai la integra en los prompts. Forward-compatible en todos los puntos, sin dependencias duras entre versiones.

Así se construye un ecosistema. Pieza por pieza, pero pensado entero. Es así.

Release notes completas: https://t.co/FQFSM2byAp

#OpenSource #DeveloperTools #AI

[Francisco Javier Mateo Márquez @erbolamm]

@G_Programming me tengo que acordar de ti

[Gentleman Programming @G_Programming]

https://t.co/ghjkV1eWib