salvador medrano

Atletico a tope. Amante del tapeo con amigos y de los viajes con buena compañia.Desde hoy un kyndryl believer e ITNow de adopcion

[unicoos @unicoos]

φ = 1,618... Un número irracional con una proporción muy especial.

[Alexis Moreno-Pulido @AlexisMpul]

La Biblioteca de la UNED presenta su guía sobre IA aplicada al apoyo a la investigación: herramientas, usos en búsquedas bibliográficas y análisis, contenidos formativos y recomendaciones para un uso ético, crítico y responsable.

🔗 https://t.co/Kg0vMSQAnq

[Antonio Leiva @antonioleivag]

¿Es esto del Loop Engineering una memez? Bueno, pues sí y no.

Sí, porque se ha creado mucho revuelo sobre algo que ya llevamos tiempo haciendo sin ponerle nombres fancy.

Y no porque es bastante útil si sabes cómo aplicarlo.

Hoy te enseño cómo implementarlo en Codex, y que decidas hasta qué punto quieres delegar y dónde quieres entrar en el loop.

No te lo pierdas, porque este vídeo vale sus minutos en oro!

00:00 El hype del Loop Engineering y Codex
01:28 La arquitectura del hilo Manager y subagentes
03:59 Aislamiento de entornos con Git Worktrees
07:03 Paralelización de tareas y creación automática de PRs
10:44 Automatización del flujo de revisión con PR Reviewer
13:37 Resolución de conflictos y merge sin intervención humana
17:40 El rol del humano en el loop de desarrollo autónomo
20:10 Cierre y siguientes pasos

[noticiasmadrid24horas @madrid_24horas]

🌡️🎭 Madrid vuelve a convertir la cultura en el mejor refugio contra el calor con más de 60 actividades gratuitas este verano: flamenco, microteatro, museos, cine y espacios culturales para escapar de las altas temperaturas. 👇

#PlanesMadrid #Cultura
https://t.co/J8BoHlbKul

[Ibai @IbaiLlanos]

🐐

[santi @santtiagom_]

hay mucho ruido alrededor de loop engineering, pero este artículo de Anthropic lo explica muy bien.

un loop es el ciclo de trabajo que sigue Claude Code para resolver un objetivo.

no alcanza con recibir una instrucción. también tiene que comprobar el resultado y decidir si debe seguir iterando o si ya puede terminar.

Anthropic describe 4 tipos de loops:

1) turn-based: empieza con un prompt y termina cuando Claude cree que ya terminó. (ej.: "explicame cómo funciona este archivo".)

2) goal-based: además del prompt, le definís un objetivo verificable. Claude sigue iterando hasta alcanzarlo o llegar al límite de intentos. (ej.: "seguí hasta que todos los tests pasen, con un máximo de 5 intentos".)

3) time-based: la misma instrucción se ejecuta automáticamente cada cierto tiempo. (ej.: revisar una PR cada 5 minutos y corregir comentarios o fallos de CI.)

4) proactive: combina varias herramientas para automatizar un flujo completo. (ej.: detectar un bug, generar un fix, validarlo y responder al usuario sin intervención humana.)

el insight más importante:
a medida que los agentes empiezan a resolver problemas más complejos, no alcanza con escribir un buen prompt.

cada vez importa más diseñar cómo trabajan: cómo verifican su trabajo, cuándo vuelven a intentarlo y cuándo realmente pueden dar una tarea por terminada.

[Shubham Sharma @Shubham_pen]

SIEM working in nutshell
#cybersecurity #cybersecurityawareness #infosec #SOC #Networks #Linux #cheatsheet #SIEM

[kaize @0x_kaize]

Loop engineering - the reading list

In 2026 agents stopped being about smarter prompts and started being about longer runs.

Everyone needs to stop writing stupid prompts and start learning Loop engineering.

The real question isn't "what do i type". It's "how does my agent keep going for 40 minutes without falling over".

1. Can it recover from a failed step?
2. Can it control spend?
3. Does it know when to stop?

All of it comes back to loop design:

[ READING LIST ]

1. Addy Osmani - Loop engineering:
https://t.co/kzIbYW8wLG

2. Firecrawl - Loop engineering:
https://t.co/8UhKcZvbw9

3. Oracle - What is the AI agent loop:
https://t.co/Jg5ic7dxJc

4. OpenAI - Harness engineering:
https://t.co/7i34jS1Qk9

5. Martin Fowler - Harness engineering for coding agent users: https://t.co/1QvsIHGbXa

6. From React to loop engineering - Agentic loops:
https://t.co/WERkgRXWsy

7. Mem0 - Loop engineering for ai agents, memory-first:
https://t.co/mJxzguwX7z

[ OPEN SOURCE WORTH READING ]

1. Codex CLI: https://t.co/TCbo5tNb3b
2. Openhands: https://t.co/KgPJOHgLK4
3. Pydanticai: https://t.co/6Dd1Hu9Etj
4. OpenAI Agents SDK: https://t.co/JobwcV75dH

[ WHAT TO STUDY ]

- How the loop runs?
- How the loop stops?
- How the loop verifies?
- How the loop recovers?
- How the loop is debugged?

[ THE POINT ]

- Prompt decides how the agent starts.
- Context decides what the agent sees.
- Loop decides how far the agent gets.

Scheme:
Think -> Act -> Observe -> Verify -> Evolve -> Repeat

[ START HERE ]

Before you touch anything above - read my Article first -It's the entry point.

[santi @santtiagom_]

si querés aprender Backend, este es un buen punto de partida.

imaginá que hacés clic en "comprar" en una tienda online.

1) Routing
→ decide qué endpoint debe manejar la compra.
→ rutas, controladores y apis rest.

2) Authentication
→ identifica quién hace la request.
→ jwt, sesiones, cookies y login con google o github.

3) Authorization
→ comprueba si ese usuario puede realizar la acción.
→ roles, permisos y rbac.

4) Validation
→ verifica que los datos recibidos sean correctos.
→ validación de inputs, schemas y sanitización.

5) Business logic
→ ejecuta las reglas de negocio.
→ pedidos, pagos, stock, descuentos y reglas de negocio.

6) Data
→ lee o guarda la información necesaria.
→ bases de datos, caché, almacenamiento, apis externas y colas.

7) Response
→ devuelve el resultado al cliente.
→ códigos http, respuestas json y serialización.

si entendés estas etapas, aprender un framework como express o spring pasa a ser mucho más fácil.

después de eso, ya podés empezar a estudiar temas más avanzados como caché, websockets, microservicios o system design.

[𝐄𝐥 𝐆𝐚𝐥𝐥𝐢𝐧𝐞𝐫𝐨 @GallineroBlau]

Nos vamos a la mierda definitivamente

Ab

[Fran Navarro @fran_navarr0]

Como TVE es una panda de incompetentes, gracias a DAZN podemos ver esta maravilla

🥁🇳🇴 Noruega haciendo su celebración vikinga con Haaland a la cabeza

[Davizz66 🔻 @recuncho34]

Todo te lo paga tu papá, la droga te la paga tu papá…

Hippie de derechas…. 😂😂 vago y jeta….

TEMAZO!!!

[Fran Pradas | Ingeniero de IA @franpradasAI]

🚀 Entiende el ecosistema de Claude

- Skills
- MCPs
- Subagenres
- Hooks
- Herramientas

🔖 Léelo tranquilamente ☕️

[Anjula Dwivedi @HeyAnjula]

🚨 Stop saying "MCP is just another API."

If you still think MCP = API, you're already behind.

Here's the difference that changes how AI apps are built in 2026:

API is built for applications to talk to services.

MCP (Model Context Protocol) is built for AI models to understand and use tools.

That single difference changes everything.

API workflow: → Client sends request
→ API Gateway routes it
→ Service returns data
→ Developer writes every integration manually

MCP workflow: → AI discovers available tools automatically
→ Understands resources & prompts
→ Connects to databases, files, GitHub, Slack, and more using one standard
→ No custom integration for every new tool

Think of it like this:

❌ APIs connect software.

✅ MCP connects intelligence.

Why developers are moving to MCP:

• One protocol for hundreds of tools
• Plug-and-play integrations
• Less maintenance
• Better context for AI agents
• Faster development of autonomous workflows
• Future-proof AI architecture

The next generation of AI won't use dozens of custom integrations.

It will speak one language.

That language is MCP.

If you're building AI products in 2026, understanding MCP isn't optional anymore.

It's becoming the new standard.

💬
If you had to build an AI assistant today, would you start with traditional APIs or MCP—and why?

[Vishwanath Patil @patilvishi]

Monolith ≠ Modular Monolith ≠ Microservices

Many teams think the journey is:
Monolith → Microservices
But there's an important step in between that many skip...
Modular Monolith.

Here's the easiest way to remember them:
Monolith ➜ One codebase, one deployment, tightly coupled components.

Modular Monolith ➜ One deployment, but the codebase is split into well-defined modules with clear boundaries.

Microservices➜ Multiple independent services that can be developed, deployed, and scaled separately.

Quick memory trick 👇
✅ Monolith = One App
✅ Modular Monolith = One App, Many Modules
✅ Microservices = Many Independent Apps

When should you use each?
🔹 Monolith
- Startups and MVPs
- Small teams
- Fast development
- Simple deployments

🔹 Modular Monolith
- Growing applications
- Teams that want clean architecture without distributed system complexity
- Easier to test, maintain, and evolve

🔹 Microservices
- Large engineering teams
- Independent deployments
- Different scaling needs for different domains
- High availability and organizational scalability

The biggest misconception:
Microservices are not automatically better.

They introduce distributed transactions, network latency, service discovery, observability, versioning, deployment pipelines, and operational overhead.

In many cases, a well-designed Modular Monolith is the better long-term choice until your business truly needs distributed services.

One sentence to remember forever:
Monolith = Simple
Modular Monolith = Organized
Microservices = Independent

The best architecture isn't the most complex one it's the one that solves today's problems without creating tomorrow's headaches.

Saved this handwritten cheat sheet for developers preparing for system design interviews or designing scalable applications...

[Poutine Vite Le Retour 🇷🇺⚜️✝️ @IIjerk75]

@SantiTorAI Tu débarques ! https://t.co/AQ2fkZA3Bp

[Santi Torres @SantiTorAI]

"Pagas 11,99€ al mes para alquilar música que no te pertenece."

Alguien acaba de hacer eso obsoleto.

Un desarrollador publicó en open source una herramienta llamada Spooty. Le das la URL de una playlist de Spotify y descarga cada canción en tu máquina. En MP3. Con los metadatos completos, las portadas, todo.

Sin algoritmo que elimine una canción sin avisarte. Sin "este contenido no está disponible en tu región". Sin suscripción mensual para seguir accediendo a lo que llevas años escuchando.

Lo que hace en concreto:

> Se conecta a la API oficial de Spotify para leer tus playlists.
> Descarga cada canción en alta calidad.
> Etiqueta todo automáticamente: título, artista, álbum, portada.
> Funciona completamente en tu máquina, tus credenciales nunca salen de tu dispositivo.

Es Python. Tres pasos para instalarlo. Clonas el repo, instalas las dependencias, conectas tus claves API de Spotify.

Una biblioteca permanente por 0€, frente a 11,99€ al mes por alquilar exactamente lo mismo.

100% open source.

[😈 Xavier ✞ @RealXavier011]

Is this even true

[AI Guides @free_ai_guides]

Your agent keeps failing, and you keep rewriting the prompt. The fix is 3 layers above where you're looking.

This map breaks down the 4 layers of AI engineering: Prompt, Context, Harness, and Loop. Each one wraps the previous, and most builders never get past layer 1.

Save the map, then read the guide below.

[Diego González 🇪🇺🇰🇮🇺🇦 @diego_gon]

Siempre cuento que este artículo de @perezreverte es probablemente el texto que más profundamente ha cambiado mi forma de ver el mundo. Lo leí cuando tenía 17 años y de vez en cuando lo comparto por aquí: Parejas venecianas (19 de enero de 1997)

https://t.co/sc1VYHwFDH