📚 Master Linux with This Complete Open-Source Guide
Whether you're a beginner or an experienced Linux user, this repository covers almost everything in one place. Learn Linux fundamentals, desktop environments, package managers, security hardening, WireGuard, cloud, gaming, file systems, distributions like Ubuntu, Fedora, Debian, Kali, and much more. A valuable reference for cybersecurity professionals, developers, and anyone serious about mastering Linux.
🔗 https://t.co/r2mQTJx5qF
#Linux #CyberSecurity #OpenSource #SysAdmin #DevOps
10 repositorios de GitHub para scrapear todo internet
Guárdalos todos. Cada uno extrae datos limpios de cualquier web. Ese nivel de acceso normalmente exige llamadas de ventas y contratos.
Un abogado pierde una semana en un contrato de 500 páginas. Un contador, cuatro días en 200 facturas. Un investigador, dos semanas en 50 PDFs.
Todos copiando y pegando.
MinerU lo cambia todo.
Herramienta gratuita y open source que convierte cualquier PDF, Word, Excel o imagen escaneada en Markdown limpio en segundos: • Texto en orden correcto • Tablas en HTML • Ecuaciones en LaTeX • OCR potente • 109 idiomas
Un PDF de 200 páginas → Markdown perfecto en 90 segundos.
Funciona en CLI, Python o web (https://t.co/VExoMDvOOD). Corre en tu PC. 100% privado.
Más de 68.000 estrellas en GitHub.
La abogada: contrato listo en 4 min. El contador: 200 facturas en 12 min. El investigador: revisión lista en una tarde.
Adiós papeleo manual. Bienvenido tu tiempo.
Hoy Anthropic soltó algo grande y quiero que lo entiendas bien, no que lo repitas de memoria.
Salió Claude Fable 5. Y no es "un modelo más". Es el primero de la clase Mythos que llega al público general, y Mythos es un escalón POR ENCIMA de la línea Opus. Otra categoría, papá.
¿Qué lo hace distinto de verdad? Las tareas largas. Cuanto más larga y compleja la tarea, más se despega del resto. Stripe lo probó y comprimió meses de ingeniería en días: una migración sobre un código de 50 millones de líneas en Ruby que a un equipo entero le hubiera llevado más de dos meses, la resolvió en un día.
Lo que importa en números:
- State of the art en software engineering, knowledge work, visión e investigación científica.
- Visión nivel bestia: reconstruye el código de una web a partir de capturas de pantalla, y se pasó el Pokémon FireRed con visión pura, sin mapas ni ayuditas.
- Memoria y contexto largo: se mantiene enfocado a lo largo de millones de tokens y mejora su propio laburo con sus notas.
- Más eficiente en tokens. Hace más, gastando menos.
Y lo que más respeto: la seguridad la pensaron en serio. Fable trae clasificadores, y si le preguntás de ciberseguridad, biología, química o distillation, no te responde Fable, te cae automáticamente a Opus 4.8 y te avisan. Pasa en menos del 5% de las sesiones. Modelo brutal, con los frenos puestos a propósito.
Aprovechá la ventana: desde hoy hasta el 22 de junio está incluido en Pro, Max y Team sin costo extra. El 23 lo sacan y vas a necesitar usage credits hasta que tengan capacidad para devolverlo al plan.
Ahora la parte que SIEMPRE repito, y que ningún modelo nuevo te la saca de encima: que sea más capaz no te exime de pensar. Somos Tony Stark con Jarvis. Nosotros dirigimos, la IA ejecuta. Pero para dirigir bien tenés que SABER qué pedir y por qué lo que te devuelve puede estar mal. Un modelo que migra 50 millones de líneas en manos de alguien que no entiende la arquitectura no es un atajo, es una bomba de tiempo.
Conceptos primero. Siempre. Es así de fácil.
Links en los comentarios.
Este repositorio te enseña Ingeniería de IA desde cero.
✓ 435 lecciones
✓ 320 horas de contenido
✓ Python, TypeScript, Rust...
✓ Prompts, skills, agentes y servidores MCP
Ejercicios prácticos en cada lección y de código abierto:
https://t.co/Jz6Aac5ZJP
Cuando entendés harness engineering, empezás a ver que gran parte de la “inteligencia” de un agente no vive solo en el modelo.
También vive en cómo organizás contexto, memoria, tools, permisos y el loop de ejecución.
Muy buen recurso para entender cómo se construyen agentes.
Si hoy tuviese que aprender Claude Code, arrancaría por esto:
1) Agent loop: entender cómo Claude piensa, ejecuta acciones, verifica resultados y corrige errores mientras trabaja.
2) Permissions & Auto Mode: approvals, auto mode y qué puede ejecutar Claude automáticamente.
3) Memory (CLAUDE.md): guardar reglas, comandos y contexto para no repetir lo mismo en cada sesión.
4) MCP: conectar Claude con GitHub, Slack, databases y herramientas externas.
5) Skills: crear workflows reutilizables para tareas repetitivas o específicas del proyecto.
6) Subagents: dividir tareas grandes en agentes separados para mantener el contexto limpio.
7) Hooks: automatizar validaciones, permisos y restricciones antes o después de acciones importantes.
8) Planning: cuándo usar /plan antes de tocar código o cambiar arquitectura.
9) Session management: usar /compact, /clear, --resume y --continue para manejar sesiones largas.
10) Rewind & checkpoints: volver atrás cuando Claude rompe algo o toma un mal camino.
11) Commands: aprender /permissions, /memory, /review, /agents y otros comandos clave del día a día.
12) Effort levels: cuándo usar think, ultrathink o distintos niveles de razonamiento según la tarea.
Y recién después iría a conceptos más avanzados:
context engineering, harness, context rot, multi-agent workflows y performance.
Si estás empezando con Claude, hay 12 conceptos que tienes que entender:
1) CLAUDE.md
2) Permissions
3) Plan Mode
4) Checkpoints
5) Skills
6) Hooks
7) MCP
8) Plugins
9) Context
10) Slash Commands
11) Compaction
12) Subagents
En el video lo explican TODO ⬇️
Claude Code ships with 5 architectural layers most engineers never open.
Not features. Not settings. Layers — each solving a distinct problem that LLMs alone can't solve. And four of them have nothing to do with prompting.
Here's the full Agent Development Kit:
Layer 1 — CLAUDE.md → The Memory Layer
Architecture rules, naming conventions, test expectations, repo map. Always loaded. Always active.
Two scopes:
• ~/.claude/CLAUDE.md → global
• .claude/CLAUDE.md → project
This isn't context you paste in before every session. It's context that never needs repeating. The agent's constitution.
Layer 2 — Skills → The Knowledge Layer
Each SKILL.md carries a description. Claude matches it at runtime and forks the skill into an isolated subagent. On-demand, never always-on.
Task-specific knowledge without inflating your main context window. Modular by design.
Layer 3 — Hooks → The Guardrail Layer
PreToolUse → PostToolUse → SessionStart → Stop → SubagentStop
This is the layer most teams skip. And the one they regret skipping first.
Hooks are NOT AI. They're deterministic event-driven shell commands.
• Auto-lint on every Write
• Hard-block on rm -rf
• Slack notification on Stop
Event fires → Matcher checks → Command runs
Quality enforced at the infrastructure level. Not the prompt level.
Layer 4 — Subagents → The Delegation Layer
Each subagent gets its own context window, model, tools, and permissions.
Main agent delegates down. Receives results up. That's it.
No infinite recursion — subagents can't spawn subagents. Main context stays clean. Hard boundaries by design.
Layer 5 — Plugins → The Distribution Layer
Bundle your skills + agents + hooks + commands into a plugin. One install. Whole team inherits the behavior.
Think npm packages — but for what your agent knows how to do.
Wrapping everything:
→ MCP Servers on the left (GitHub, databases, APIs, custom integrations)
→ Agent Teams on the right (parallel execution, message passing, shared permissions)
The 5-layer stack in one line:
CLAUDE.md sets rules → Skills provide expertise → Hooks enforce quality → Subagents delegate work → Plugins distribute to the team
Most production failures in agentic systems trace back to one missing layer.
Which one is the gap in your current setup?
El problema con los agentes de IA no es que sean lentos.
Es que no tienen disciplina de ingeniería.
agent-skills de Addy Osmani resuelve eso: workflows de senior engineer para Claude Code, Cursor y otros.
30k⭐ y vale cada una.
by @addyosmani
https://t.co/PHqBYX9vmk
Un japonés descubrió antes que nadie cómo aprovechar realmente el potencial de Claude Code.
Instala “Find Skills”, explica lo que quiere lograr y el sistema le sugiere automáticamente las mejores habilidades entre cientos de opciones.
Gracias a eso, su sistema automatizado de YouTube está teniendo un gran éxito.
Scrapling está rompiendo el web scraping en Python +42.9k stars y actualizado hace dias.
Esto no es otro scraper cualquiera:
• Parser adaptativo brutal: aprende de los cambios en la web y relocaliza automáticamente los elementos (adiós selectores rotos para siempre).
• Bypass nativo a Cloudflare Turnstile + fingerprint spoofing total (stealth real)
• Hasta 774x más rápido que BeautifulSoup (y destroza a PyQuery, Selectolax y BS4 en benchmarks reales)
• Framework completo tipo Scrapy: crawling concurrente, multi-sesión (HTTP + Playwright stealth), rotación automática de proxies, pause/resume con checkpoints y streaming en tiempo real
• Todo en una sola librería: desde un simple request hasta un crawler full-scale + CLI e integración con IA (MCP)
Si vives de recolectar datos, automatizaciones o proyectos serios esto es obligatorio tenerlo.