.NET Senior Developer. Backend Specialist but what developer isn't full stack?. Learning new things. My main skill is to read and understand existing code.
Si ya sabes desarrollar aplicaciones típicas (API, frontend, base de datos) y quieres aprender algo más, esta es una lista de temas que no reemplazan lo que ya sabes, solo lo amplían:
✅ MCP → es el protocolo que conecta modelos de IA con herramientas y datos externos. Al crear tus propios servidores MCP aprenderás de paso desarrollo de APIs, function tools y autenticación, lo que es genial para ir más allá del típico login de frontend.
✅ CLIs con skills → las skills son instrucciones y scripts que un agente carga según el contexto. Crear tus propios CLIs con skills te enseña a diseñar herramientas de terminal, empaquetarlas, distribuirlas y pensar en cómo un agente (o un humano) las va a consumir.
✅ RAG → es la forma de conectar la IA con tus propios datos. Para hacerlo aprenderás de modelos de embeddings, diseño de bases de datos y bases de datos vectoriales.
✅ Crear tus propios agentes → ya hay frameworks que te permiten crear tu propio harness. Aquí básicamente ves las entrañas del agente: su loop, sus function tools, el manejo de contexto, los modelos que usa, etc.
✅ Modelos locales y open-weight (Ollama, vLLM, LM Studio) → ya sea solo para aprender lo básico o extenderte hasta hacer fine-tuning. Son lo mejor para entender a fondo conceptos como tokens, cuantización, ventana de contexto, VRAM e inferencia.
Lo bueno: todo esto se conecta con lo que ya conoces.
Un RAG al final es una API con una base de datos, solo que vectorial. Y puedes terminar uniendo todo: un modelo local, tus propios CLIs y tus propios agentes.
Al final todo esto no solo amplia tu conocimiento sino también te pone al día con todo lo que se menciona de avances en IA
El papel que se le otorga a Daniel Quintero Calle nos hace retroceder como proyecto político, le hace daño al Gobierno y le da gasolina a la oposición.
Esta decisión es un yerro enorme y mi deber moral es advertirlo. La verdadera lealtad con el presidente @petrogustavo consiste en hablarle desde la honestidad y decirle lo que muchos prefieren callar.
La izquierda subvierte los enormes poderes que otorga la riqueza y el abolengo, desafía por naturaleza; la izquierda es contestataria y rebelde, nunca obsecuente y sumisa.
La izquierda colombiana no puede repetir los errores de la izquierda argentina, venezolana, ecuatoriana, etc. En muchos lugares del mundo, y particularmente en América Latina, la corrupción ha corroído hasta los cimientos las estructuras políticas, por eso termina normalizándose y tácitamente considerándose algo inevitable y transversal a todos los actores políticos.
El pragmatismo y la estrategia de lucha política llevaron a muchos líderes latinoamericanos a recibir en sus procesos a poderes regionales o gremiales que de dientes para afuera abrazan las ideas de justicia social y cambio, pero que en el fondo no buscan nada distinto a mantener el saqueo.
Quintero está hoy en juicio por delitos contra la administración pública, tiene derecho a su defensa pero el @PactoCol no tiene porqué asumir el costo político de sus líos jurídicos, nada le debemos y nada nos aporta.
La mayoría de líderes políticos del PACTO hoy guardarán silencio, lo harán para evitar el desgaste de contradecir al presidente, pero el respeto real es cuidar a quienes admiramos incluso de sus errores.
Anthropic deprecó el plugin de Claude Max para Open Code. Borraron el repositorio. Mandaron abogados.
El plugin que permitía usar tu suscripción de Claude en Open Code ya no existe oficialmente. La comunidad respondió con fixes, alternativas y cancelaciones.
La realidad detrás del drama: Anthropic quiere ser un ecosistema cerrado. Claude Desktop, Claude Code, Channels, integraciones con Excel, Word, mail. Quieren competir con Google al nivel de integración total. Y para eso necesitan que uses SUS herramientas.
Pero hay un dato que pocos mencionan: tanto Anthropic como OpenAI pierden dinero con las suscripciones. El negocio real es la API. Las suscripciones son la golosina para engancharte.
Mientras tanto, OpenAI está subsidiando precios agresivamente. GPT 5.4 cuesta la mitad que Opus con el mismo millón de tokens de contexto. Codex 5.3 es todavía más barato.
Mi postura: la herramienta que uso tiene que ser la que yo elija, no la que me imponga el proveedor. Por eso uso Open Code con multi-model: Gemini para razonar, GPT para verificar, Sonnet para implementar.
Video completo con el desglose legal, precios y alternativas en la descripción.
#AI #Anthropic #OpenCode #DeveloperTools #OpenSource
Tal vez esta es la primera vez que en una dupla presidencial y vicepresidencial estamos siendo honestos y abiertos sobre nuestras diferencias. Porque eso es lo que le da un poder a esta conversación. La forma de sumar entre distintos es reconocer que tenemos cicatrices que no pueden impedirnos sumarnos en un propósito común.
Muchos están programando con IA ahora, usando quizás Claude Code, Cursor, Copilot, GPT-Codex, etc.
Pero hay algo que casi nadie menciona…
Si tu proyecto está desordenado, la IA tampoco lo va a entender bien.
Una forma simple de organizar un proyecto cuando trabajas con IA:
📁 src/ → código de tu aplicación
📄 CLAUDE.md (contexto del módulo)
📁 docs/ → documentación técnica
📄 architecture.md
📁 decisions/
📁 runbooks/
📄 CLAUDE.md → contexto global del proyecto
📁 .claude/ → configuración del agente
📄 settings.json
📁 hooks/
📁 skills/
📁 code-review/
📁 refactor/
📁 release/
📁 tools/ → utilidades del proyecto
📁 scripts/
📁 prompts/
La idea es simple:
Separar código, documentación, contexto de IA y automatizaciones.
Cuando el proyecto está bien organizado:
• la IA entiende mejor tu código
• reutilizas instrucciones
• automatizas tareas
• desarrollas mucho más rápido
Programar con IA no solo es usar prompts. También es organizar bien tu proyecto.
Hola, @nacionaloficial. Observamos que quedaron eliminados en la fase de grupos de la Copa Sudamericana jugando de local. Creo que estamos en condiciones de jugar un partido ya que nosotros también solemos quedar eliminados en esa fase. Lleven a Ospina por favor. Un abrazo.
un AI Assistant como Claude Code es lo que convierte un LLM en un producto real.
lo hace gestionando 5 cosas claves:
1) contexto: define exactamente qué ve el modelo en cada request. tu mensaje actual, el historial y los archivos relevantes. el llm genera respuestas según la información que recibe.
ej: si le pedís “arreglá este bug”, el assistant le pasa el archivo donde está el error. si no, el modelo no sabe de qué hablás.
2) memoria: guarda información durante la sesión. qué archivos ya se leyeron, qué cambios se hicieron, etc.
ej: si ya estuvieron hablando de la función createUser, no hace falta volver a explicarla en el siguiente mensaje.
3) tools: expone funciones concretas al llm y ejecuta las que este solicita: leer archivos, consultar una api, editar código. el modelo indica qué función usar; el assistant la ejecuta y trae el resultado.
ej: el modelo dice “leer config.ts”, claude code lo abre y le muestra el contenido.
4) permisos y seguridad: controla qué tools están habilitadas y cuándo se pueden usar.
ej: si el modelo quiere borrar un archivo, el assistant puede pedir confirmación antes de hacerlo.
5) manejo de errores e iteración: si una tool falla, puede reintentar o ajustar el paso siguiente. también puede hacer varios pasos seguidos hasta completar la tarea.
ej: primero abre un archivo, después encuentra el problema y luego aplica el cambio.
el llm trabaja con lo que le muestran. el ai assistant decide qué mostrarle, qué ejecutar y cómo avanzar.
ahí está la diferencia a nivel producto.
¿Cómo funciona un AI Assistant como Claude Code?
Primero tené en mente esto:
1) LLM ⇒ modelo que predice texto (por ejemplo, Claude Sonnet 4.5). No puede ejecutar código, ni abrir un archivo, ni consultar una API.
2) AI Assistant ⇒ el sistema que ves e interactuás (Claude Code).
3) Tools ⇒ funciones externas. Por ejemplo: abrir un archivo, consultar una API, editar código, etc.
Entonces: ¿qué pasa cuando le pedís a Claude Code que te diga tus próximas reuniones?
1) Claude Code recibe tu prompt: "decime cuál es mi próxima meet".
2) Claude Code le pasa al LLM tu prompt + las tools disponibles (por ejemplo, una función para consultar la API de Google Meets).
3) El LLM no ejecuta nada: predice qué tool necesita, por ejemplo: "llamar get_meets()".
4) Claude Code ejecuta la función real (va a la API y obtiene tus reuniones).
5) Claude Code le devuelve todas tus reuniones al LLM.
6) El LLM genera la respuesta final para el usuario.
Lo importante acá es entender que el LLM no puede hacer nada por sí solo. No puede ir a Google Meets y ver tus reuniones.
El AI Assistant es el que conecta todo y le dice al LLM qué tools existen. Ejecuta esas tools cuando el LLM las pide y le devuelve los resultados.
Sin el AI Assistant, el LLM solo genera texto.
Esta arquitectura:
AI Assistant + LLM + Tools
es la base de casi todos los productos de IA que ves hoy: ChatGPT, Claude Code, Cursor y muchos más.
@CarlosFGalan@PoliciaBogota Alcalde ya existe la tecnología para hacer una app de libre uso que cuando uno se suba al taxi active un modo seguro con origen y destino y si hay algo que se sale de lo normal (con IA se detecta) alguien del 123 ubica el celular y con una llamada se hace seguimiento de seguridad
Probé TODOS los MCPs útiles para programadores.
Los instalé, configuré, soluciones problemas y los puse a prueba.
Me quedé con ESTOS.
Hacete un café, trae una cerveza o lo que quieras tomar, abrí tu entorno de desarrollo y configuralos conmigo.
00:00 - Intro
00:48 - Tips Generales de Seguridad
05:10 - Problemas Comunes
08:32 - MCP 1
16:42 - MCP 2
21:38 - MCP 3
31:03 - MCP 4
35:09 - MCP 5
39:27 - MCP 6
44:18 - MCP 7
48:20 - MCP 8
51:20 - BONUS MCPs