¿Querés comunicarte mejor con tu perro?
- Clases individuales a domicilio
* Obediencia básica y avanzada
* Modificación de conducta
- Educación en cachorros
- Clases grupales
Ig: lecoc_adiestramiento
Ayudanos con un RT.
Muchas gracias! 🐕
¿Qué caraj* pasó hoy en los mercados?
Bitcoin: -7%
S&P 500: -2%
Nasdaq: -2%
Oro: -3.7%
LLAMEN A ALGUIEN.
Venga; siéntate con tu té o cafecito, te lo explico TODO:
Pasaron dos cosas. Y juntas, son perfectas.
Primero: Broadcom.
La empresa reportó el miércoles por la noche.
Los ingresos de semiconductores de IA (revenue) crecieron 143% interanual.
(Los benditos chips, los procesadores. Es esa piecita física que permite que la IA exista.)
El beneficio neto subió 85%. Free cash flow récord. Batió estimados de EPS.
En español: Le estaba yendo de put* madre. Excelentemente bien.
Aun así:
El jueves cayó -12.6%.
Hoy cayó otro -7%.
Y arrastró a todo el sector con él:
Micron -13%, Marvell -14%, AMD -10%, Nvidia -6%, Intel en rojo otra vez.
¿Por qué?
Por qué Hock Tan (el CEO) no subió el forecast de ventas de IA para el año.
No lo subió, solo lo reiteró.
Eso fue suficiente para que el mercado VENDIERA.
Piénsalo:
Creciste 143% en IA y te castigan -20% en dos días porque dijiste "seguimos igual" en vez de "vamos a más".
El mercado ya esperaba demasiado.
La realidad no superó las expectativas; aunque sean noticias buenas, como no son "lo suficientemente buenas", el mercado las trata como una decepción.
Cuando ni crecer 143% es suficiente, el listón ya no está en la tierra, está en la ESTRATÓSFERA.
Segundo: el NFP.
Dios mío, danos un break...
Te explico:
Esta mañana salió el reporte de empleo de mayo. 172,000 empleos creados. El consenso esperaba 85,000. Fue más del doble.
Espera... ¿Eso es malo? Pues;
Trump hasta lo celebró en X:
"Con un reporte de empleos tan bueno, las acciones deberían subir, no bajar."
Sí, tío Trump. Gracias por el dato, PEEEEERO:
Trump se olvidó de que para el mercado, más empleo = economía fuerte = Fed sin razón para bajar tasas = No le gusta esto al mercado.
El mercado ya no solo descarta bajadas de tasas, ahora apuesta a que la Fed va a subir el costo del dinero antes de que acabe el año.
Más caro el dinero ↓
Más caro pedir prestado ↓
Menos inversión ↓
Menos crecimiento ↓
Mal para las acciones.
Por eso el oro también cayó, y los chips, y bitcoin. Por eso todo cayó junto.
Tasas altas + dólar fuerte = El metal pierde atractivo.
No importa que el mundo esté en tensión geopolítica, y tampoco el tema de Irán, Venezuela, Ormuz, etc.
La mecánica MANDA.
Para que veas lo FUERTE que es la mecánica: La vela de hoy en el Nasdaq se comió todo el rally de los últimos 13 días. De un viernes para acá.
Lo que vale la pena entender:
No es el crash, sino algo más profundo.
Esto que pasó: Es el mercado chocando contra su propio relato.
La narrativa de la IA construyó expectativas que ninguna empresa puede superar sistemáticamente, porque las expectativas ya descontaron lo mejor posible.
Cuando eso pasa, los resultados buenos se vuelven una decepción.
Es como reservar el mejor restaurante del mundo con meses de anticipación. Cuando llega la comida, aunque esté divina, algo falla. Esperabas demasiado...
Microsoft lo vivió hace unos meses y Broadcom esta semana.
No sé cuándo le toca a la siguiente.
Pero la mecánica sí la puedo ver.
Y ahora lo que me toca a mí:
Yo no intento predecir estos movimientos. NADIE puede predecirlos al 100%.
Mi trabajo es surfearlos.
Aprovecharme estadísticamente de ellos y obtener una ventaja mientras todo el mundo se enrolla intentando resolver la incertidumbre.
A mí me gusta entender qué está pasando y este post existe por eso.
Pero a mis sistemas no les puede importar menos lo informada o no que yo esté. Ellos no leen el NFP ni vieron caer a Broadcom.
Ejecutaron igual que cualquier otro viernes.
Es como un piloto automático bien calibrado: No necesita que el piloto esté nervioso o tranquilo para funcionar.
De hecho, funciona mejor cuando el piloto no toca nada.
Un mercado así, TAN rápido y volátil, donde una vela borra 13 días de rally en una jornada:
Es perfecto para quien tiene reglas. Y donde las emociones cobran factura cara a quien no las tiene
Operar con un sistema no significa que te vuelves un robot y no sientes "nada". Créeme, a mí también me acojona pensar que cada caída puede ser un colapso.
Pero tener un sistema SÍ SIGNIFICA que lo que sientes no toma las decisiones.
Y ahí la volatilidad ya no se ve como enemigo, pero sí como combustible.
Esta es la primera caída semanal del S&P en diez semanas.
Nueve consecutivas y una más hubiera sido el récord desde 1985. No llegó.
El mercado no espera a que te repongas.
Buen fin de semana.
Si esto te aclaró el panorama, dale REPOST, o compártelo con ese amigo que no entiende nunca lo que está pasando.
¿Tú ya tienes sistemas construidos? ¿Qué estás esperando?
Al principio hacía todas mis Skills pensando en Claude Code.
El problema apareció cuando quise migrar algunas a Codex.
Ahí me di cuenta de que varias estaban demasiado acopladas a Claude Code y a detalles específicos de cómo funciona. Por ejemplo, asumían comandos, herramientas o flujos que solo existían ahí.
Desde entonces, cada vez que genero una skill, le aclaro al agente:
"esta skill no tiene que depender de una herramienta específica. Tiene que ser lo suficientemente general para que cualquier otro agente la pueda usar."
La idea es tratar las skills como conocimiento reutilizable.
Si mañana cambio de herramienta o aparece un agente mejor, quiero poder seguir usando las mismas skills sin tener que reescribirlas.
Es un poco como separar la lógica de negocio del framework.
Claude Code creator:
"Now I don’t prompt Claude anymore - I have loops that are running. My job is to write loops."
In this 30-min speech, Boris revealed his actual Claude setup for daily coding.
Claude Code + loops + dynamic workflow
Worth more than a $500 vibe-coding course
Anthropic publicó una guía muy buena sobre prompting para los últimos modelos de Claude.
Explica cómo dar mejores instrucciones: contexto claro, ejemplos, tools, effort y reglas más explícitas.
Los puntos más importantes:
1) Ser claro con lo que querés
> Claude responde mejor cuando la tarea está bien definida.
> No es lo mismo decir “haceme un dashboard” que pedir un dashboard con métricas principales, filtros por fecha, gráficos y estados de carga.
> Cuanto más claro el objetivo, menos espacio hay para que el modelo suponga cosas.
2) Explicar el contexto
> No alcanza con decirle qué hacer. Es mejor contarle para qué se va a usar la respuesta o por qué una regla importa.
> No es lo mismo decir “escribí un email de seguimiento” que decir: “escribí un email de seguimiento para alguien que pidió una demo y todavía no respondió. Tiene que sonar amable, breve y dejar claro el próximo paso sin presionar”.
> Ese contexto cambia mucho la respuesta.
3) Usar ejemplos
> Los ejemplos siguen siendo una de las formas más efectivas de guiar tono, formato y estructura.
> Si querés respuestas consistentes, mostrale cómo se ve una buena respuesta.
> Anthropic recomienda usar ejemplos relevantes, variados y parecidos al caso real.
4) Ajustar effort según la tarea
> No todas las tareas necesitan el mismo nivel de razonamiento.
> Para coding y tareas agentic, Anthropic recomienda empezar con xhigh.
> Para otros casos complejos, usar al menos high.
5) Pedirle que valide el resultado
> Para tareas importantes, no conviene quedarse solo con la primera respuesta.
> Podés pedirle que revise el output contra criterios concretos antes de terminar.
> Ejemplo: “antes de finalizar, verificá que la solución cumple estos requisitos y no rompe los tests existentes”.
6) Ser explícito con las tools
> Si el modelo tiene tools, conviene decir cuándo usarlas y cuándo no.
> Si querés que modifique código, pedile que haga el cambio. Si solo querés recomendaciones, aclarale que no toque archivos.
Buen prompting termina siendo eso:
hacer explícito lo que muchas veces asumimos que el modelo ya entiende.
"Tuve suerte. Tampoco me voy a agrandar porque no le estaba pudiendo hacer más de tres games por set. Era 6-3, 6-2, 6-1. No quiero decir ni que le gané. Yo cumplí.”
🇦🇷 Juanma Cerúndolo, después de su victoria ante Jannik Sinner.
TIPAZO.
Así quedó la transmisión del Mundial 2026 en Argentina:
DSports: 104 partidos.
Paramount+: 104 partidos.
Flow: 104 partidos.
TYC Sports: 50 partidos.
Telefe: 30 partidos.
Disney+: 30 partidos.
TV Pública: Argentina, semifinales y final.
Esto de Messi es increíble, se para a firmar su cromo del Mundial, no va el rotulador del fan y saca uno él y al terminar se lo va a devolver pensando que no era suyo
Anthropic describe opus 4.7 como un modelo orientado a complex reasoning, long-running tasks y systems engineering.
Mientras tanto, sonnet 4.6 está mucho más optimizado para velocidad, coding iterativo y costo/performance.
Por eso esta estrategia me viene funcionando MUY bien:
/model opusplan (Opus plan y Sonnet ejecuta)
Opus:
- arquitectura
- planning
- edge cases y tradeoffs
Sonnet:
- escribir código
- refactors
- pruebas
Y además tiene otro beneficio importante:
consumo de tokens.
Opus razona increíblemente bien, pero los loops largos con Opus consumen muchos más tokens.
Entonces dejo que piense el problema una vez y uso Sonnet para toda la parte iterativa.
🏆🇦🇷 CANALES DE TV Y PLATAFORMAS DE STREAMING QUE TRANSMITIRÁN EL MUNDIAL 2026 EN ARGENTINA
📺 TV:
⮞ TyC Sports: 50 partidos
⮞ Telefe: 30 partidos
⮞ TV Pública: semifinales y la final (además de los de la Selección Argentina)
⮞ DSports: 104 partidos
📱 PLATAFORMAS DE STREAMING:
⮞ Disney+: 30 partidos (22 de la fase de grupos, dos de la ronda de 32, dos de los octavos de final, un partido de cuartos de final, las semifinales y la final)
⮞ Paramount+: 104 partidos
*PREMISA: todos los canales y plataformas que se hicieron mención transmitirán TODOS los partidos que la Selección Argentina dispute. La diferencia está en cuántos más, además de los de la Albiceleste, tendrá cada uno
Le pasan a Claude un formulario de accidente y un dibujo del choque.
Primero le dan un prompt básico.
Claude no entiende bien qué está viendo y responde mal.
Después le agregan contexto:
“estás trabajando para una aseguradora analizando accidentes de autos…”
La respuesta cambia completamente. Empieza a leer bien el formulario y entender el caso.
Van iterando el prompt y termina quedando algo así:
→ contexto (qué está pasando y qué rol tiene)
→ datos (lo que tiene que analizar)
→ instrucciones (cómo hacerlo paso a paso)
→ reglas (no inventar, decir “no sé”, etc.)
→ output (formato de salida)
También muestran algo que suma mucho:
→ si algo no cambia, dejalo fijo (system prompt)
→ si hay casos difíciles, agregá ejemplos
Si querés mejores resultados con agentes y LLMs, aprender a escribir buenos prompts es clave.
Muy bueno este workshop de Prompt Engineering de Anthropic.