Fernando Rivas Navaz

[Carlos Santana @DotCSV]

Ayer OpenAI lanzó Sites como una nueva funcionalidad dentro de Codex para facilitar la creación y despliegue de páginas webs.

Hasta aquí todo ok, pero!
https://t.co/l6qcuSwzzD

[Sergio Paniego @SergioPaniego]

so cool to see PapersWithCode back!

[Boris Power @BorisMPower]

Finally it’s much easier for non coders to not only create the website, but also have it immediately hosted, so everyone can try!

[IVAN | IA @ivnways]

Tu próximo portátil no ejecutará apps.

Ejecutará agentes.

El portátil no había cambiado en 30 años.

NVIDIA acaba de cambiarlo.

RTX Spark es su primer chip y viene con todo:

- GPU nivel RTX 5070
- 128GB de memoria unificada
- 1 petaflop de IA local
- 14mm de grosor. 3 libras. Sin throttling sin cable.

Tu agente de IA vive en la máquina. 24/7. Sin nube.

Presentado en Computex 2026 junto a Microsoft, que ha rediseñado Windows desde cero para esto.

Este es el paso uno del PC agéntico.

Intel, AMD y Qualcomm acaban de quedarse mirando.

[Avi Chawla @_avichawla]

RAG was never the end goal.

Memory in AI agents is where everything is heading. Let me break down this evolution.

RAG (2020 to 2023):

- Retrieve info once, generate response
- No decision making, just fetch and answer
- Problem: often retrieves irrelevant context

Agentic RAG:

- Agent decides if retrieval is needed
- Agent picks which source to query
- Agent validates if results are useful
- Problem: still read only, can’t learn from interactions

AI Memory:

- Read AND write to external knowledge
- Learns from past conversations
- Remembers user preferences, past context
- Enables true personalization

The mental model is simple:

↳ RAG: read only, one shot
↳ Agentic RAG: read only via tool calls
↳ Agent Memory: read write via tool calls

With memory, the agent can now remember things like user preferences, past conversations, and important dates. And all of it is stored and retrievable for future interactions.

This gives the agent a layer for continual learning, where instead of being frozen at all times, agent can accumulate knowledge from every interaction and improve over time without retraining.

This isn't simple because in practice, production systems need to think about memory corruption, decide what to forget, and manage multiple memory types like procedural, episodic, and semantic.

Graphiti (open source with 26k+ stars) already implements all of that if you want to build real time, temporally aware knowledge graphs that power self evolving AI memory.

Instead of recomputing the whole graph on every update, Graphiti ingests new info incrementally and tracks when each fact was true.

And when that info changes, the old facts are invalidated rather than deleted, so an agent can query what is true now and reconstruct what was true at any earlier point.

The core loop is two calls, one to write an episode into the graph and one to search across it:

𝗮𝘄𝗮𝗶𝘁 𝗴𝗿𝗮𝗽𝗵𝗶𝘁𝗶[.]𝗮𝗱𝗱_𝗲𝗽𝗶𝘀𝗼𝗱𝗲(…,)

𝗿𝗲𝘀𝘂𝗹𝘁 = 𝗮𝘄𝗮𝗶𝘁 𝗴𝗿𝗮𝗽𝗵𝗶𝘁𝗶[.]𝘀𝗲𝗮𝗿𝗰𝗵(“𝗬𝗼𝘂𝗿 𝗾𝘂𝗲𝗿𝘆 𝗵𝗲𝗿𝗲”)

After this, Graphiti handles entity extraction, relationship building, and temporal updates underneath.

Here's the GitHub Repo: https://t.co/aFsgR0kYb2

(don't forget to star it ⭐)

Note that there's one practical detail that decides whether this graph will be actually useful.

By default, the extraction model picks the entity types and relationship labels on its own.

This returns generic results, where everything collapses into a Topic or Object node connected by RELATES_TO edges that cannot be queried meaningfully.

Defining the schema yourself as Pydantic models makes the layer resilient.

My co-founder wrote a full breakdown on this, walking through why agent memory is only as good as its schema and how to define a custom ontology with code.

Read it below.

[Polanco | IA @Polanco_IA]

LOS 10 PROMPTS MÁS POTENTES DE CLAUDE Opus 4.6

Prompts avanzados que puedes usar para investigación, contenido, diseño, aprendizaje, marketing y análisis.

(Debes seguirme para poderlo recibir)

Like + RT + sígueme
Comenta “CLAUDE” y te los envío por DM.

[Carlos Santana @DotCSV]

El paradigma de ingesta del segundo cerebro de Karpathy, donde tienes una carpeta donde echar tus datos en crudo y que luego un agente procesa y estructura para agregarla a una wiki o segundo cerebro, es un patrón escalable a otras tantas aplicaciones.

Yo en mi caso por ejemplo ya tenía creada una aplicación financiera que usaba un sistema similar: mis extractos bancarios, facturas, datos traídos de APIs, modelos de impuestos en pdf... todo en crudo en una carpeta. Con la idea de luego llamar a un agente que trabaje en dar orden y forma a esos datos (una única vez) para procesarlos adecuadamente de cara a que luego lo consuma una aplicación (en este caso en vez de Obsidian, un front-end).

Se me antoja como un nuevo tipo de aplicación con un patrón arquitectónico que funciona por poner en su diseño a un agente que cada cierto tiempo sale a pasear para dar orden al caos de la carpeta de datos. No es un script determinista que sepas que va a funcionar siempre igual, con lógicas encorsetadas a formatos concretos, sino que tiene la flexibilidad de comerse y procesar cualquier dato crudo que pongas en la carpeta.

Y donde además cualquier dato alimenta al sistema y lo mejora para hacerlo crecer.

Además, obviamente los agentes no sólo actúan como procesadores de esa información sino que luego se nutren de todo el sistema para poder hacerle consultas mucho más completas o hacer crecer tu aplicación con cada nuevo dato crudo que se agrega.

Estamos empezando a diseñar software alrededor de datos caóticos, confiando en las capacidades de una nueva capa agéntica. El usuario no se adapta al software sino que el software se adapta al caos del usuario.

So good

[Claude @claudeai]

Introducing Claude Opus 4.8: it builds on Opus 4.7 with sharper judgment, more honesty about its own progress, and the ability to work independently for longer than its predecessors.

Available today at the same price.

[Carlos Santana @DotCSV]

Cada vez que hacéis RT a este vídeo un loro estocástico muere (lo cuál es bueno, creedme)

[Miguel Ángel | GptZone @MiguelMaestroIA]

En lugar de ver una serie en Netflix, mira este vídeo de 45 minutos de EDteam.

En este curso gratuito aprenderás técnicas sobre prompt engineering, sin importar tu profesión o tu carrera, y así darle instrucciones correctas a la IA para obtener los mejores resultados.

[Fernando Rivas Navaz @ferrivasnav]

@ecommartinez Opus

[Elon Musk @elonmusk]

Real-time video of Starship from Starlink

[Fernando Rivas Navaz @ferrivasnav]

@aiscwork Opus

[David @David_eficaz]

Deja de usar Claude como si fuera ChatGPT — son herramientas completamente diferentes.

Aquí te explico cómo configurarlo de la manera correcta en solo 10 minutos.

(Guarda esto para después 🔖)
https://t.co/cu3s4NYO3S

[Dan McAteer @daniel_mac8]

🤯 GPT-6 is going to be WILD.

"The proof came from an internal general purpose reasoning model. Not a system trained specifically for mathematics."

AI can create new knowledge, for real.

This is the intellectual equivalent of splitting the atom.

I can't believe we're alive to witness this.

[Boris Power @BorisMPower]

I’m excited about connecting more context about my life in a structured way. I previously had a folder for health, finance and taxes, but I’m excited for there to be a standardized way to do this !

[Carlos Santana @DotCSV]

🔴 ¡USA CODEX desde el MÓVIL!

OpenAI acaba de lanzar el control remoto desde el móvil de Codex. Esto te permitirá (similar a como hizo Anthropic) poder dar instrucciones a la IA para que controle de forma remote tu ordenador y haga tareas por ti.

Codex progresa adecuadamente 👍

[Alejo @ecommartinez]

🚨 ÚLTIMA HORA: El cofundador de Google DeepMind acaba de anunciar 2.100 millones de dólares para curar todas las enfermedades.

Demis Hassabis lleva años construyendo la IA que dobla proteínas, diseña moléculas y acelera el descubrimiento de medicamentos. Isomorphic Labs es su apuesta para que la IA resuelva lo que la medicina convencional no ha conseguido en décadas.

2.100 millones. Una sola misión.

[Pau Garcia-Milà @pau]

Hay una app que convierte cualquier tarea imposible en algo que tu cerebro sí puede hacer.

Y si tienes TDAH, ya sabes de qué hablo.

Te lo cuento en 1 minuto ⤵️

#en1minuto #TDAH

[Carlos Santana @DotCSV]

🔴 ¡LIDER en FRONTIER MATH T4!

Nuevo record en uno de los benchmarks más complicados de matemáticas -FrontierMath Tier 4- donde Google acaba de retomar de nuevo el liderazgo logrando un 47.9% !!, y robándole la posición a GPT 5.5 Pro

Lo hace con su nuevo agente matemático 🔥