kalex

Software and Cloud Engineer
Data Driven
AI and Data are my thing, and were i've been moving for the last 7 years
any inquire [email protected]

[kalex @kalexdev]

Not every data problem needs a brand new solution.
Sometimes you just copy what already works and adapt it.
Speed > ego.

#SaaS #ModernDataStack #SeniorEngineer #SoftwareEngineering #DataScientists

[Anatoli Kopadze @AnatoliKopadze]

This is the best 2 hours on graph engineering ever recorded, Andrew Ng breaking down how to build agentic knowledge graphs from scratch:

9:14 - your first working agent
33:11 - how loops actually work
1:02:46 - turning loops into working graphs
1:30:15 - agents that improve their own code
1:49:05 - a system that runs the whole thing for you

I've seen $500 courses that teach less than this video alone.

Watch it, then take it further with my step-by-step guide on graph engineering below.

[kalex @kalexdev]

Hola @Uber_MEX Son prácticas genuinamente fraudulentas vender uber one y luego cancelarme el uso de la cuenta de acuerdo a sus aseveraciones de malas prácticas cuando lo único que hice fue viajar a estados unidos y usar el pago en efectivo @Profeco
Favor de comunicarse uber

[Codez @0xCodez]

Creator of Claude Code:

“I’m not prompting my agents anymore. I’m building "graphs" and "loops" - they’re building my agent.

in 3-6 months, we’ll all be doing graph engineering for our agentic systems.”

in 10-minute talk, Boris Cherny revealed what the future of agentic engineering will look like.

worth more than a $500 agentic AI course.

Watch it today, then read the full roadmap in the article below.

[MIKE @mikenevermiss]

this is insane 🔥

this guy just uploaded a 14-minute tutorial on how to build immersive websites with Claude Fable 5.

save this before you lose it.

[elune @elune0x]

your agent is not the loop

the loop is only the smallest layer

LOOP vs GRAPH vs HARNESS ENGINEERING

most teams still treat all three like one prompt

that is why agent failures feel impossible to diagnose

LOOP ENGINEERING

controls iteration

turns retries budgets evaluators exits stalled progress

when the run keeps going forever the loop is broken

make long-running work survive crashes and restarts

→ https://t.co/rX08UgwzO6

GRAPH ENGINEERING

controls structure

nodes edges state branches cycles joins checkpoints

when the agent takes the wrong path the graph is broken

make state and routing explicit

→ https://t.co/ACgBjw7vzC

inspect the topology without asking another model to explain it

→ https://t.co/0GiC8o8c7H

HARNESS ENGINEERING

controls access

tools permissions memory sandboxes evals traces humans

when the agent touches the wrong system the harness is broken

isolate generated code and tool execution from the host

→ https://t.co/Tuk8b4pKHL

put an eval gate before every model or prompt update

→ https://t.co/dr1GZlCEVp

keep one trace across every node model and tool call

→ https://t.co/zsSTLpgvZa

without loop engineering it never stops

without graph engineering you cannot see the path

without harness engineering it can reach anything

the prompt lives inside the loop

the loop lives inside the graph

the graph lives inside the harness

the model is the smallest box in the system

debug the layer that actually owns the failure

save this before the next agent rewrite

[Noisy @noisyb0y1]

She built 100+ agents for Anthropic and made $1.3M - and in 60 minutes leaked everything she knows at Stanford:

02:07 - her first agent for Anthropic brought her $1.3M
08:34 - agents replace a team of 50 engineers worth $200k a month
19:47 - one agent did overnight what the company planned for 5 years

after watching I launched my first agent - $7k in the first week and zero employees needed.

Save & watch - the article below is step by step how to build your first agent like hers.

[Khairallah AL-Awady @eng_khairallah1]

this is f*cking gold

Andrej Karpathy joined Anthropic five weeks ago.

Two Anthropic seniors just made Karpathy's loop 1000x better with "Graph Engineering"

the agentic systems got 1000x better the moment you wired agents into a graph

I dropped it into my setup. The very first response was different.

Not slightly different. Completely different.

Claude stopped giving generic answers and started working exactly the way I think.

Bookmark it before it gets lost in your feed.

Read it now, then check the article below.

[Precis0x @precisox]

Un multimillonario subió al escenario, agarró un marcador y en 42 minutos explicó cómo funciona realmente la economía.

Gratis.
Sin vender cursos.
Sin promocionar fondos.

Dibujó tres fuerzas en una pizarra blanca:
crecimiento de la productividad, el ciclo de deuda a corto plazo y el ciclo de deuda a largo plazo.

Con esas tres líneas explicó casi todos los crashes, recuperaciones y decisiones de tasas desde 1929.

Las escuelas de negocios cobran 200.000 dólares por enseñar frameworks que él resolvió en los primeros 15 minutos.

Algunos de esos modelos todavía se consideran “propiedad” en grandes bancos y él los regaló en YouTube.

Lo más interesante: en 2018 ya estaba dibujando lo que después pasó en 2020.

Tasas en cero. Bancos centrales sin herramientas. Impresora de dinero a toda máquina. Lo escribió en la pizarra como si estuviera leyendo el periódico del futuro.

Hay gestores de carteras de primer nivel que hacen que sus analistas junior vean esta charla antes de tocar un terminal.

No el material del CFA. No la formación interna. Esta.

Millones de personas la han visto.
Casi nadie puede nombrar las tres fuerzas que dibuja en los primeros diez minutos.

Y sigue estando gratiss.
Te recomiendo ver y guardarlo.
ES UNA JOYA.

[Codez @0xCodez]

A senior Anthropic engineer just dropped 12-page PDF on "Graph Engineering" for multi-agentic systems.

The shift: your agents memory dies with their context window. A knowledge graph makes it permanent.

Extract → Resolve → Assemble → Query → Repeat

Every agentic graph has 5 stages:

• Extract: Haiku pulls entities and S-P-O triples. One call per doc. The Pydantic schema is the only training data.

• Resolve: Sonnet clusters "Edwin Aldrin" → "Buzz Aldrin" - zero string overlap - using descriptions as context.

• Assemble: canonical nodes, typed edges, provenance on every triple. One connected graph.

• Query: serialize a subgraph → Sonnet reasons over triples → every answer cites a specific edge.

Plug this into multi-agent systems as shared memory.

Workers write to it, evaluators fact-check against it, loops persist overnight with it.

This 12-page PDF changed how I'm building multi-agent systems today.

Read it now, then explore the article below.

[kalex @kalexdev]

A lo largo de mi vida me he encontrado con el fenómeno del rechazo.

El rechazo (que duele y lastima). Las primeras personas en rechazar mi manera de ver el mundo fueron mi padre y mi madre. Hoy hago público esto, pues estoy en una etapa de mucho crecimiento. Es válido aceptar que uno no es del agrado de mucha gente y reconocer sus vulnerabilidades, pues Satanás existe y yo camino con Dios.

Siempre me he sentido “raro” y esa rareza me ha cuidado y protegido. Es como tener un yo superior que siempre cuida y hace crecer a mi persona.

Te comparto esto porque no debes avergonzarte nunca por lo que eres, piensas o dices.

Y de paso, sin dolo, perdono públicamente a todo aquel ser humano que me haya querido afectar. No puedo odiarlos, todos somos uno.

Yo también me equivoco.

Gracias por tu comprensión hoy y siempre.

[vast.ai @vast_ai]

Three lines of Python. Eight H100s. $7.84/hr. That's the whole script. pip install vastai-sdk.

[kalex @kalexdev]

@BancaMifel sus telefonos estan caidos, su aplicación no funciona, favor de reparar sus servicios qué estan muy mal y llevan 2 días asi.

[Simon @SimonWijckmans]

Thing I hate about the current stage of AI

That's pretty much it...

[kalex @kalexdev]

Diferente

1. Tuve qué ser diferente por qué no sabia qué camino seguir.
2. Tuve qué aprender diferente por qué lo quería hacer era raro, no existía o simplemente nadie me guiaba
3. Te enseño a ser diferente, pensar diferente, moverte diferente.
4. Seguir lo promedio te dará resultados promedio.
5. SQL y Python es diferente, por qué la gente quiere una sobre la otra y las dos son potentes.
6. Si te das cuenta nunca hablo de lo mismo, pero siempre están SQL y Python.
7. En mi mente, algo suena cool, y tú lo escuchas de igual manera “SQL y Python” ósea bases de datos y programación, ¿que puede ser más potente qué eso? Solo el computo cuántico.
8. Pronto nuestro mundo va a cambiar y todo sera diferente.
9. Ser diferente, te hace ver la vida diferente.
10. Soy diferente.

[kalex @kalexdev]

Cabrones y ladies, voy a ahorrarles años de sufrimiento y miles de pesos:

1. No hay píldora mágica. El software se domina apretando.
2. No es para tontos. Le chingas y punto.
3. No todos pueden. Acéptenlo. Pero si son necios y chingones, bienvenidos al team.
4. Muchos serán espectadores de su propio éxito.
5. Si entran a la industria: mi sueldo más bajo fueron $100K MXN después de 4 años.
6. SQL y Python no son capricho. AT&T, Coca-Cola, Walmart, AstraZeneca usan esto. Es la realidad.
7. De nuevo: no es magia.
8. Muy pocos son chingones en esto. Por lo general no estudiaron Sistemas. Solo son weyes raros con paciencia y carácter para tolerar la frustración.
9. Sí, mi ortografía es jodida. No estoy en el mood de corregirla.
10. Alcánzame si puedes. @kalexdev .
#software

[kalex @kalexdev]

Data Engineering: La Verdad que Nadie Cuenta

Data Engineering para muchos es optimizar queries, escalar bases de datos y construir pipelines. Pero hoy vengo a hablarte de algo que pocos mencionar: la libertad técnica.

Esa sensación de poder materializar cualquier idea en datos, de entender flujos donde otros ven caos, de ser la persona indispensable porque dominas lo que otros evitan.

Es un punto en el cual las herramientas son pasajeras pero la mentalidad perdura. Y si insistes en profundizar, todo lo demás viene.

Dicho eso, aquí está lo que me ha hecho ingeniero de datos real:

Dominar SQL hasta los huesos — No es suficiente escribir queries; necesitas entender ejecución, índices, planes de query. SQL no es legacy, es fundamental.

Entender arquitecturas de datos de verdad — OLTP vs OLAP no es teórico; es la diferencia entre un sistema que funciona y uno que se quiebra cuando crece.

Python como arma operacional — No es el mejor lenguaje, pero es el que te permite iterar rápido, conectar sistemas y convertir ideas en realidad sin esperar a que "alguien especializado" lo haga.

DevOps y Cloud no son opcionales — Montar infraestructura productiva es tu responsabilidad. No puedes esconderte en "eso lo hace ops". Tú lo haces.

Conocer el ciclo de vida completo del software — De la idea al código, del código a producción, del monitoreo al rollback. No eres un técnico aislado; eres parte de un flujo.

Moverte antes que la ola llegue — Los LLMs vinieron y la mayoría se quedó mirando. Yo ya estaba utilizándolos. La ventaja competitiva es anticipar, no seguir.

Fallar intencionalmente y temprano — Rompe cosas en desarrollo. Entiende por qué tu pipeline falla. Cada error es una clase de ingeniería que no pagaste.

Data Engineering no es para gente que quiere un trabajo tranquilo. Es para quien quiere construir sistemas que importen, que escalen, que aguanten presión real.

#software #engineering #entrepreneur #datascience #DataEngineering

[kalex @kalexdev]

Fallar

• La gente teme fallar y no fallan, pero tampoco avanzan. — El miedo paraliza el progreso; la inacción es tan dañina como el fracaso.

• Ser metódico es la manera más sencilla de decir, soy un cobarde. — La cautela extrema es una excusa para no tomar riesgos reales.

• Ser calculador es algo de pobres, y la pobreza es carente y no es coherente. — La falta de recursos genera pensamiento tímido y circular; la pobreza reproduce pobreza.

• Para ser empresario o emprendedor solo se ocupa 1 cosa: mucho carácter para regular el drama interno. — El éxito requiere dominar tu psicología antes que las tácticas externas.

• Nadie es tu amigo en realidad en los negocios; todos obtenemos algo. — Las relaciones comerciales son transacciones; somos proveedores y consumidores, no camaradas.

• En Ingeniería de Datos, buscan personas que resuelven problemas reales, no científicos ni nerds. — Se necesitan ingenieros prácticos, no teóricos puros.

• Los mejores científicos de datos son ingenieros o tienen mentalidad de ingeniero/científico. — La excelencia requiere rigor técnico + pensamiento pragmático.

• Fallar te da la mayor ventaja: aprendes dos cosas fundamentales — cómo no fallar nuevamente y por qué algo falla en primer lugar.

• En la carrera de Ingeniero en Software o Datos, muchas veces estarás solo y sin respuestas. — Acostúmbrate y disfrútalo; no debes saberlo todo; la autonomía es una fortaleza.

• SQL es el rey de la ingeniería de datos. — Domina SQL en todos sus contextos (ETL, ELT, OLAP, OLTP, streaming); es la herramienta más crítica.

#software #engineering #entrepreneur #datascience #DataEngineering

[akio @akio_1963]

METAL SLUG marks its 30th anniversary.
I was around 30 myself when I conceived METAL SLUG, in a reckless attempt to strike a blow against the dominance of fighting games at the time.
Back then, I never imagined that idea would still be going strong 30 years later.

I worked on METAL SLUG 1 through 3, but after that, many more Metal Slug pixel artists carried the baton forward and kept the game running across generations.

For a single game to continue for 30 years is not something its creators alone can achieve.
METAL SLUG exists today because of the passion of its creators, the teammates who carried it forward, and above all, all of you who played it again and again and loved it.
Your battle record in the long war against Morden's Army is what has sustained METAL SLUG for these 30 years.

The game I poured my life into back then is still so eagerly awaited, even now, 30 years later.
As a creator, that makes me truly happy, and very proud.

And now, the METAL SLUG video that SNK released for the 30th anniversary, hinting at the next phase, has not yet revealed the full picture.

Just thinking that a revolutionary, never-before-seen METAL SLUG is finally about to reveal itself makes my heart race, and I can hardly sit still.
When that moment comes and its true form is finally revealed, I want to witness it with my own eyes alongside all of you and shout:
"HEAVY MACHINE GUN!"

#MetalSlug30th
#MetalSlug

[kalex @kalexdev]

Éxito

El éxito para muchas personas es dinero, reconocimiento y tal vez cosas materiales pero el día de hoy vengo a hablarte de algo que nadie dice.

La satisfacción personal, algo que oscila entre lo etereo y lo permanente
Es un punto en el cual las cosas son pasajeras y qué si insistes demasiado lo mejor de todo esto perdura.

Dicho eso te hablare de cosas qué me han nutrido mi éxito personal como Data Engineer:

Entender los conceptos de OLTP y OLAP tanto como arquitectura de datos, como arquitectura de base de datos
Saber y conocer del ciclo de vida de software (Software Development lifecycle)
Conocer DevOps y poder montar cosas productivas reales en nube
Adelantarme años a la oleada de los LLM’s (pocos de ustedes lo saben pero todo mi trabajo en TVAzteca como Gerente Nacional lo saque usando ChatGPT, leyendo libros y rompiendo cosas)
Todo el tiempo usar Python me ha dado ventaja, Python es rápido de ejecutar donde sea (y explico, Python no es el mejor lenguaje de programación pero es el qué a mi me sirvió para volver realidad mi aventura de “ser ingeniero”)

[JohnnyVomits @JohnnyVomits]

@WhiteHouse The White House is really using clips from Grand Theft Auto in pro-war propaganda. Lol. We officially live in the dumbest timeline imaginable.