Valeria M

[santi @santtiagom_]

uno de los mejores resúmenes que leí sobre cómo funciona un navegador por dentro.

URL → HTML → DOM → estilos → layout → paint → píxeles.

explica de forma muy clara todo lo que ocurre entre una request y lo que termina apareciendo en pantalla.

[santi @santtiagom_]

¿por qué se habla tanto de SDD (Spec-Driven Development)?

porque los agentes son muy buenos ejecutando, pero necesitan una definición clara de éxito.

por ejemplo, imaginá que le pedís:
"creá un sistema de reservas"

a simple vista parece una instrucción clara. pero en realidad deja muchas preguntas abiertas.

¿qué pasa si dos personas intentan reservar el mismo horario? ¿qué pasa cuando alguien cancela? ¿cuándo un horario deja de estar disponible?

SDD consiste en responder esas preguntas antes de empezar a implementar.

una buena spec suele dejar claro:
> qué problema estás resolviendo
> cómo debería comportarse el sistema
> qué restricciones existen
> cómo vas a validar que funciona

para el sistema de reservas, eso podría traducirse en reglas como que un horario no puede reservarse dos veces, que una cancelación libera el turno nuevamente o que solo usuarios autenticados pueden reservar.

esa spec se convierte en la base para generar un plan, implementar la solución y validar el resultado.

spec → plan → implementación → validación

los agentes pueden generar código, planes y documentación. pero siguen necesitando una definición clara de qué significa éxito.

[santi @santtiagom_]

si querés entender cómo funciona un agente, construí uno desde cero.

usar Claude Code, Codex o Cursor te sirve para aprender a trabajar con agentes, pero no te muestra lo más importante: cómo funcionan por dentro.

empezá por las piezas que hacen que un agente funcione:

1) LLM
conectá un modelo. mandale una tarea simple y recibí una respuesta. esa es la unidad mínima:
input → modelo → output.

2) instrucciones
agregá un system prompt. ahí definís cómo tiene que comportarse el agente: qué rol cumple, qué reglas sigue, qué puede usar, qué debe evitar y cómo tiene que responder.

3) contexto
pasale la información que necesita para trabajar: historial, archivos, documentación, datos del usuario o estado del proyecto. el agente trabaja con lo que le das.

4) tools
sumale funciones que le permitan actuar: leer un archivo, buscar información, llamar una API o ejecutar un comando. el modelo no las ejecuta solo: las pide, y tu código las ejecuta.

5) memoria
guardá fuera del chat lo que conviene recordar: decisiones, preferencias, resultados o estado del proyecto. después lo recuperás y se lo volvés a pasar como contexto.

6) loop
un agente no responde una sola vez: recibe una tarea -> mira el contexto -> decide el próximo paso -> pide una tool si la necesita -> observa el resultado -> vuelve a decidir.

ese ciclo se repite hasta que puede responder, pedir más información o frenar porque no sabe cómo seguir.

construir uno desde cero te obliga a tocar cada pieza.

y ahí está el verdadero aprendizaje: entendés qué hace el modelo, cómo lo guían las instrucciones, por qué importa el contexto, cuándo usar tools, qué conviene guardar en memoria y cómo todo eso se conecta dentro de un loop.

después de eso, cualquier agente que uses se vuelve mucho más fácil de entender, diseñar y mejorar.

[Valeria M @valmc_py]

Que me reembolsen mi Claude Pro :(
#claude

[Valeria M @valmc_py]

Siempre me termino encariñando de los personajes, no lo hagan.

#hotd

[Valeria M @valmc_py]

Episodio 1 y me dieron todo: gritos, muerte, de nuevo gritos y más traumas 😭
#hotd

[Valeria M @valmc_py]

🤯

[Alejandro Vidal @dobleio]

Hoy he estado con DOS empresas que están implementando la "superapp" interna: agente + wiki + páginas compartidas + gobierno de agentes.

TODO el mundo está haciendo lo mismo. Esperaros unos meses que lo sacan todos los labs y media cohorte de YC y os dejáis de líos.

[santi @santtiagom_]

12 conceptos clave para empezar con Claude Code:

1) CLAUDE.md
2) Permissions
3) Plan Mode
4) Checkpoints
5) Skills
6) Hooks
7) MCP
8) Plugins
9) Context
10) Slash Commands
11) Compaction
12) Subagents

en el video los explican muy bien.

[santi @santtiagom_]

Claude Code ahora soporta Artifacts.

pensalo como una evolución de los HTML que Claude Code ya podía generar.

un Artifact es una página que Claude construye y va actualizando mientras trabaja.

cada Artifact tiene su propia URL, historial de versiones y actualizaciones automáticas.

por ejemplo:
> un resumen de los cambios de una feature
> una investigación de un incidente
> una auditoría de seguridad
> un dashboard con métricas

me parece una forma mucho más simple de compartir lo que encontró un agente con el resto del equipo.

[arc. @arceyul]

el ingeniero que construyó Claude Code acaba de publicar un video de 28 minutos sobre cómo escribir prompts que realmente funcionan

he visto cursos de 300$ que no cubren lo que él muestra en los primeros 10 minutos

archivos CLAUDE.md, atajos de memoria, sesiones paralelas, patrones de prompting

todo en un video y completamente gratis

funciona seas desarrollador, principiante o alguien que lleva meses usando Claude

[arc. @arceyul]

Tutorial de 1 hora para dar tus primeros pasos con Claude Code aunque no sepas programar ni hayas tocado la terminal.

Consejos, casos de uso y proyectos reales para que aprendas desde 0.

Te lo dejo aquí ⬇️

[Shann³ @shannholmberg]

how I’m building an agent company inside my agency.

the structure looks like this:

Agency gBrain
→ Orchestrator Hermes Agent
→ Department verticals
→ Specialist agents
→ Scoped sub-agents

gBrain is the company brain.

It gets ingested with the data and experience we already have:

> transcripts
> chats
> previous campaigns
> client learnings
> strategy docs
> internal workflows
> examples of what good looks like

That brain is maintained by a human champion plus an orchestrator Hermes Agent.

Under the orchestrator, we have different department verticals inside the agency.

Each vertical has its own specialist agents.

Some of those specialist agents have even narrower scoped agents underneath them.

I’ve found that narrow scope improves output quality and reduces drift.

> a general “marketing agent” is too vague.

> a lifecycle email agent with access to the right campaigns, voice rules, approval gates, and examples can get very good.

> a technical SEO agent with its own tools, checklists, and source standards can get very good.

> a content research agent with narrow inputs and a clear definition of done can get very good.

The narrower the job, the easier it is to improve the agent.

I use different harnesses for this.

Mostly Hermes Agent, but also CLI harnesses like Codex and Claude Code depending on the job.

I’m still looking for a good bare-bones harness for model routers to run on.

To keep track, I maintain an org chart inside the company gBrain.

The org chart shows:

> top-level orchestrator
> department verticals
> specialist agents
> scoped sub-agents
> which brain each agent reads from
> which tools each agent is allowed to use
> where human approval is required

For clients, I do downstream pods.

Think of them as new agent companies that are isolated from the agency brain, but can still communicate with our agency agents when needed.

A client pod has its own:

> client gBrain
> client orchestrator
> client specialist agents
> client-specific workflows
> client-specific approvals
> client-specific memory

This is important.

You do not want client context bleeding across accounts.

You do not want one agent with every client’s data, every tool, and every permission.

Scope is what keeps the system useful.

The powerful part is that once you build one vertical agent well, you can fork it.

Not copy-paste blindly.

You still need to customize the context, examples, approvals, voice, tools, and workflows.

But you are not starting from zero.

You might have 75% of the agent already done.

That changes the agency model.

You no longer need a full traditional department for every function before you can deliver a well-rounded marketing service.

One or two strong marketing engineers can run an output surface that used to require a much larger team.

But this only works if the agents are actually good.

It takes iteration, taste, source material, QA, workflow design, and real marketing experience.

Bad agents do not become good because you connected more tools.

Vague agents just create vague output faster.

TLDR:
> turn the agency’s knowledge into a brain
> turn repeated work into scoped agents
> turn each client into an isolated pod
> let skilled operators run the system

[santi @santtiagom_]

En mi día a día uso muchísimo el MCP de Playwright.

Porque el agente puede usar el navegador directamente desde la terminal.

Entonces no tengo que:
hacer un cambio → abrir el browser → probar manualmente → volver al editor.

El agente hace todo el flujo solo.

Abre la app, navega entre pantallas, hace clicks, completa formularios y después te devuelve screenshots, logs o reportes de lo que pasó.

Donde más me sirve:
1) Probar flows completos: login → onboarding → dashboards → settings.
2) Encontrar errores en frontend: el agente reproduce el problema, prueba fixes y valida si realmente funcionaron.
3) Validar cambios visuales: compara pantallas y detecta si algo de la UI se rompió o cambió sin querer.

Recomiendo.

[Freddy Montes @fmontes]

Google tiene un curso intensivo (5 días) sobre cómo construir agentes.

El primer cohort lo tomaron 1.5M de personas y el segundo acaba de abrir.

Es 1-2h al día del 15 al 19 de junio.

Link abajo

[angel @angeldot_]

Anthropic ha lanzado una guía de 37 minutos para construir Agentes de IA que automatizan una empresa entera.

Gratis. De los ingenieros que construyeron Claude.

Agentes que trabajan, se reparten tareas y ejecutan todo solos.

Subtitulado al español.

Guárdate este post. 🔖

[Charlie L ⚡️ @charliesbot]

Este artículo se me hizo muy interesante

Es un ranking / benchmark de los modelos actuales de AI donde cada una debía generar código en el lenguaje OpenSCAD para construir un modelo 3D detallado del Panteón de Roma

https://t.co/iC6YBejmZW

[Claude @claudeai]

Live from Code with Claude London: we're launching self-hosted sandboxes (public beta) and MCP tunnels (research preview) in Claude Managed Agents.
Run agents inside your own perimeter, with your security controls applied by default.

[Valeria M @valmc_py]

El poder de la perseverancia y fe en la IA

[Polymarket Money @PolymarketMoney]

Claude successfully recovered the password to a wallet containing 5 BTC worth $398,000+ after the owner was locked out for 9 years.

Wild times.

[Google en español @googleespanol]

Coloca un avatar para que presente por ti. 🗣️✨

Ya puedes usar avatares animados en 2D y 3D dentro de Google Vids para:

📊 Entregar reportes de proyectos de forma más dinámica.
🎓 Explicar conceptos complejos de manera visual y guiada.

Haz tu contenido más expresivo y cercano (sin tener que encender tu cámara) 👇

https://t.co/FVhrrmiYhU

[Ed Andersen @edandersen]

Incredible video by randomly sacked Atlassian engineer telling all about the entire company

Love this genre, like LinkedIn green banner with zero fcks given