escritura
Artículos
Lo que aprendí construyendo con agentes de IA: specs, skills, harness y lo que mantiene todo en pie.
Playbook de agentic SDLC: el build se encogió. Ahora arregla los dos lados.
Durante décadas el ciclo de vida del software se construyó alrededor de un paso lento y caro. Los agentes lo volvieron barato, y todo lo que se apoyaba en él se cayó. Un playbook de campo para el agentic SDLC, escrito en el orden en que lo adoptas: el repositorio, los checks, el contexto, la spec, el review, el flujo y el loop.
leer artículo →
Hermes Agent vs Claude Code: cuál usar según el trabajo
A los dos les dicen 'agente', así que la gente los busca uno contra el otro. Pero no compiten por el mismo trabajo: uno corre en un servidor y sigue trabajando cuando tú paras, el otro vive en tu repo mientras lo miras.
leer artículo →
Hermes Agent vs OpenClaw: leí los dos códigos fuente dos veces
En junio leí el código de Hermes Agent y OpenClaw para elegir un runtime para mi flota de agentes. En octubre lo volví a leer y tres de mis conclusiones estaban mal. Qué cambió, dónde sigue liderando cada uno, qué cuesta cada uno, y cómo elegir.
leer artículo →
¿Vale la pena Claude Max? Me fui, probé los caminos más baratos y volví
Claude Max es la forma más barata de correr modelos de punta de Claude todo el día, con una condición: trabajas dentro del harness de Anthropic. Qué compra el plan, qué te cuesta, las cuatro formas de pagar tokens de código y lo que aprendí al dejar Max y volver.
leer artículo →
La mejor IA para programar es un pipeline, no un modelo
No existe una sola mejor IA para programar. La respuesta es un harness más un modelo por fase del trabajo, pagado de una forma que encaje con cómo construyes. El mapa de decisión que uso, con el pipeline de siete agentes que corrí en modelos abiertos.
leer artículo →
Hermes Agent y tu segundo cerebro: dale contexto, no memoria
La memoria de Hermes Agent (MEMORY.md, USER.md, providers externos) no es tu base de conocimiento. Un segundo cerebro es un wiki en markdown que tú curas, que el agente lee como contexto y no toca a menos que se lo pidas.
leer artículo →
¿Es seguro Hermes Agent? El agente nunca debería tener el token
Un agente siempre activo con una shell es un colega con root. Lo que realmente salió mal corriendo Hermes Agent en producción, los controles que lo atraparon, cómo se compara con OpenClaw y una checklist antes de darle una shell a cualquier agente.
leer artículo →
AI-DLC con Claude Code: un setup que funciona
Cómo correr AI-DLC 2 dentro de Claude Code: instalar el motor aidlc, configurar el proyecto, aprobar los hooks, empezar un primer workflow, y la capa práctica que la documentación se salta: un repositorio que el agente pueda leer, disciplina de contexto en los gates y los ajustes de modelo que vale la pena tocar.
leer artículo →
Cuál es el mejor modelo para Hermes Agent: el más barato que sobrevive a tu runtime
No existe un mejor modelo para Hermes Agent, solo un mejor modelo para el trabajo, enrutado a través del runtime que en verdad corres. Mi propio shootout muestra al mismo modelo perdiendo dos puntos por nada más que por dónde aterrizó la persona.
leer artículo →
Qué son las skills de Hermes Agent: que aprenda el procedimiento, el juicio lo escribes tú
Las skills de Hermes Agent explicadas desde producción: el formato SKILL.md, el hub de skills detrás de hermes skills install, plugins contra skills, y por qué la revisión en segundo plano que escribe sus propias skills nunca debería tocar el juicio.
leer artículo →
Google Workspace MCP y Gmail MCP: qué toca en realidad tu bandeja de entrada
Gmail, Calendar y Drive son el dato de mayor señal y mayor riesgo que puede leer un agente. Qué cubren el Google Workspace MCP oficial y el open source, el modelo de OAuth detrás de cada uno, y cómo conectar uno a Hermes o Claude Code sin entregarle tu inbox a un agente.
leer artículo →
Cuánto cuesta Hermes Agent: a dónde van los tokens en realidad
Hermes Agent es gratis y tiene licencia MIT. El costo real son los tokens y la máquina donde corre, y los dos se mueven casi por completo según cómo configures el runtime: skills, memoria, compresión, tool search, el loop de revisión en segundo plano.
leer artículo →
OpenCode vs Claude Code: cambié, construí doce agentes y volví
Dejé Claude Code por OpenCode en mayo de 2026, construí un pipeline de doce agentes con modelos abiertos, después volví. Lo que OpenCode hace mejor, lo que Claude Code hace mejor, y la única variable que lo decidió para mí: quién paga los tokens.
leer artículo →
Hermes Agent en Telegram: corre tus agentes desde una nota de voz
El gateway de Telegram de Hermes Agent, revisado contra el código de v0.21.5: pairing y allowlists, aprobaciones de chat para comandos riesgosos, transcripción de notas de voz, y el bot token como un secreto que vale la pena proteger.
leer artículo →
MCP server de Slack: acceso de lectura para tu agente, no una voz
Qué te da en realidad un MCP server de Slack, la opción oficial alojada por Slack frente al server korotovsky self-hosted, cómo conectar cualquiera de los dos a Claude Code o Hermes Agent, y por qué publicar mensajes debería quedar apagado por defecto.
leer artículo →
Hermes Agent en Docker: cómo correrlo headless en un VPS
Qué traen realmente la imagen Docker y el Docker Compose de Hermes Agent, cómo persistir HERMES_HOME y correr perfiles aislados, el modelo de auth del dashboard, y las trampas de Swarm que de verdad cuestan tiempo corriéndolo en un VPS.
leer artículo →
Hermes Agent y MCP: cómo conectar servers que de verdad aparecen
Cómo se configuran los MCP servers en Hermes Agent, qué cambió con la página de Connectors de v0.21.5, cómo el tool search en realidad difiere las herramientas, y los arreglos de producción que me forzaron una carrera de cold-spawn y un flag de hard-scope.
leer artículo →
Un agente lee Slack, Google, Git y Jira para que yo reciba un briefing al día
En mi trabajo, un cron job de Hermes Agent lee el Slack, Google Workspace, Git y Confluence/Jira de la empresa a través de MCP, usa mi second brain como contexto, y me escribe un briefing diario organizado en seis sentidos. Cómo funciona, cómo construir uno, y qué evita que se vuelva un digest ruidoso.
leer artículo →
Construí una empresa de agentes de IA en Paperclip. Esto fue lo que se rompió.
Trece agentes en Paperclip y Hermes Agent: un CEO, un chief of staff, cinco heads y los especialistas a los que les reparten el trabajo. Qué es Paperclip, cómo está armada la org, y cada falla que hizo falta hasta que el loop se cerró solo.
leer artículo →
Qué es Hermes Agent: la guía para desarrolladores que lo corren en producción
Hermes Agent es el runtime de agentes open-source y self-hosted de Nous Research, con memoria, un learning loop y más de 25 gateways de mensajería. Cómo funciona por dentro, qué hace en verdad el learning loop, dónde se rompe en producción y cuándo conviene elegir otra cosa.
leer artículo →
Del squad al pod: quién hace qué en AI-DLC
AI-DLC cambia los roles más de lo que cambia las herramientas. Las personas deciden, la IA opera, los squads se achican hacia pods, el manager se vuelve el guardián del ritmo y el ingeniero sigue siendo dueño del código en producción. Qué hace cada rol ahora, y el problema de la matriz de competencias que nadie resolvió.
leer artículo →
Mob Elaboration: el ritual que reemplaza al sprint planning
Mob Elaboration es el ritual de AI-DLC en el que la IA hace las preguntas y las personas que pueden decidir las responden, en una sola sesión, antes de que exista código. Quién entra en la sala, cómo conducir la sesión, las tres formas de repartir la autoría de la spec y qué automatiza ahora AI-DLC 2.
leer artículo →
Kiro vs Claude Code: gates incluidos o gates que tú construyes
Kiro es un IDE que corre spec-driven development por ti, con gates de aprobación entre requisitos, diseño y tareas. Claude Code es un harness de terminal donde armas ese workflow tú mismo. Lado a lado, el mismo método en los dos, y quién debería elegir cuál.
leer artículo →
No adoptes AI-DLC. Róbale.
AI-DLC es el framework público más completo para construir software con agentes, y adoptarlo en bloque sigue siendo un error. Trátalo como la góndola de un supermercado: llévate los mecanismos que resuelven tus problemas, deja la doctrina, y escribe por qué. AI-DLC 2 acaba de demostrarlo.
leer artículo →
¿Qué es AI-DLC? El ciclo de desarrollo guiado por IA, visto desde dentro de un rollout
AI-DLC es el método de AWS en el que la IA conduce el trabajo y las personas deciden en los gates. Qué es, cómo funciona AI-DLC 2 (5 fases, 33 etapas, 14 agentes), cuándo no usarlo y por qué Spec-Driven Development tiene que venir antes. Escrito desde dentro de un rollout real.
leer artículo →
¿Qué es un agent harness? Todo en el agente que no es el modelo
Un agent harness es todo el código alrededor de un modelo de IA que lo convierte en agente: el loop, las herramientas, el contexto y los controles. Qué hace cada parte, harnesses reales uno al lado del otro, y por qué el harness decide más que el modelo.
leer artículo →
AI-DLC 2: qué cambió y qué dejó obsoleto
AWS reescribió AI-DLC. La versión 2 llega como un motor determinístico que le quita al modelo la ruta, la evaluación y el estado: 5 fases, 33 etapas, 14 agentes, 11 perfiles de workflow, un loop de aprendizaje y checkpoints de construcción verificados. Qué cambió desde la versión 1, qué capas caseras dejó obsoletas y qué sobrevivió.
leer artículo →
Después de los story points: qué medir en AI-DLC
Los story points y la velocity dejan de significar algo cuando un agente escribe el código. Qué medir en su lugar en AI-DLC: lead time del intent al código probado, retrabajo en los gates, tiempo de discovery antes del agente, throughput leído junto al cycle time, y los datos que AI-DLC 2 ya registra por ti.
leer artículo →
AI-DLC en brownfield: ingeniería inversa, contexto de 1M y la regla del 75%
Correr AI-DLC sobre código que ya existe: acotar la ingeniería inversa a la feature y correrla antes del mob, presupuestar la context window, limpiar el contexto en los gates y tratar la compactación de contexto como la falla de gobernanza que es.
leer artículo →
Los gates son una función de pérdida. Estas son las cuatro formas en que fallan.
En AI-DLC cada aprobación humana debería atrapar una decisión equivocada mientras todavía es barata de corregir. En la práctica, los gates de aprobación fallan de cuatro formas predecibles. Cuáles son, por qué pasan y cómo mantener a las personas on the loop en lugar de volverlas un sello.
leer artículo →
El punto ciego de AI-DLC: de dónde sale la Intent
AI-DLC convierte una intent en software con disciplina de verdad, y asume que la intent era correcta. Casi nunca lo es. Por qué los errores del principio se multiplican, por qué el workflow por defecto se salta la fase pensada para atraparlos, y el ritual de upstream que cierra el hueco: cinco preguntas, un triaje de complejidad, un índice curado de fuentes y un resultado como criterio de éxito.
leer artículo →
Por qué AI-DLC te hace más lento primero
Adopta AI-DLC y el throughput se dispara el primer día mientras el cycle time empeora. Por qué ocurre la curva en J, por qué el code review se vuelve el cuello de botella, y cómo distinguir una curva de aprendizaje de un problema real antes de matar el piloto.
leer artículo →
Seis reglas contra el vibe coding dentro de AI-DLC
AI-DLC pone gates entre las fases, y aun así los equipos vuelven al vibe coding en el teclado, entre un gate y otro. Seis reglas que un equipo en producción usa para frenarlo, cada una con las palabras exactas para escribir, más el límite de tamaño de las Units que mantiene honesto el code review.
leer artículo →
AI-DLC vs Spec-Driven Development: por qué necesitas SDD primero
AI-DLC y Spec-Driven Development no son rivales. Uno es una práctica, el otro es un ciclo de vida construido encima de ella. Cada gate de AI-DLC es una revisión de spec, así que un equipo que no sabe escribir ni juzgar una spec no puede correr AI-DLC. La escalera del copiloto a AI-DLC, y cómo saber en qué escalón estás.
leer artículo →
Spec-Driven Development en equipo: el workflow de spec compartida
Cómo una spec deja de ser disciplina personal y se convierte en el contrato desde el que tu equipo entrega: specs compartidas en git, review de specs por pull request, gates en un board, y por qué el cuello de botella pasa de escribir código a integrarlo.
leer artículo →
OpenSpec vs. Spec Kit vs. Superpowers: herramientas de SDD comparadas
Cómo se comparan OpenSpec, GitHub Spec Kit, Superpowers, pi-sdd-kit y la memoria simple en AGENTS.md para spec-driven development con agentes de IA, cómo combinarlos y la regla honesta para elegir.
leer artículo →
AGENTS.md: el archivo que le da memoria a tu agente
AGENTS.md es el archivo que el harness de tu agente carga antes de que el modelo despierte. Qué va en él, qué recortar y cómo evitar que se pudra.
leer artículo →
La mayoría de los tokens de tu agente de IA muere donde nunca miras
Tu agente de IA de código quema la mayor parte de su contexto en output que nunca lees. El stack de tres capas que uso para recortar la cuenta de tokens entre 60 y 90 por ciento: RTK en la capa de herramientas, compresión en la capa de la conversación, memoria en la capa de conocimiento.
leer artículo →
Context engineering es solo decidir qué ve el modelo
Context engineering no es una disciplina nueva. Es la única tarea dentro del harness de tu agente de IA que determina si el modelo puede realmente terminar el trabajo.
leer artículo →
Harness engineering: deja de cambiar el modelo y arregla el harness
El modelo es un commodity. El harness es tu ventaja. Una guía práctica de harness engineering para agentes de IA de código: recorta el desperdicio de contexto, mantén las herramientas al mínimo y dale al agente una memoria que sobreviva a la sesión. Con pi como ejemplo.
leer artículo →
Dale a tu agente una shell, no un protocolo
Los MCP servers cargan el schema de todas sus herramientas antes de que escribas nada. Las herramientas de CLI vía bash no cuestan nada hasta que se llaman. Cuándo usar cada una, y cómo auditar los servers que ya tienes.
leer artículo →
Pi: el agente de código que no esconde nada
Pi es un agente de código open source, con tu propia API key, cuatro herramientas y un system prompt de 150 palabras. Sin MCP, sin planner oculto, sin subagents invisibles. Solo un loop que ves por completo.
leer artículo →
Un modelo por fase: cambio automático de modelo en pi
Explorar, planificar, construir y revisar piden cada uno un modelo distinto y una dosis distinta de razonamiento. pi-skill-model-handoff cambia ambos cuando se carga una skill, así el modelo sigue al trabajo y no tienes que cambiarlo a mano.
leer artículo →
Cómo probar una skill de Claude: evals, disparo y optimización de la descripción
La mayoría de las skills de Claude llegan a producción sin una sola prueba real. Este es el loop de evals que uso: 20 queries, una división train/test y una meta de tasa de disparo para probar que la skill se activa cuando debe y se queda quieta cuando no.
leer artículo →
Skill vs prompt vs memoria vs subagent en Claude: qué usar y cuándo
Cuatro primitivas, una decisión. Termina con la confusión entre prompts de Claude, memoria en CLAUDE.md, skills y subagents. Elige la herramienta correcta cada vez.
leer artículo →
Claude skills vs MCP vs subagents: cuándo usar cada uno
Un framework de decisión para elegir entre skills de Claude Code, herramientas MCP, subagents y memoria: tabla comparativa y cuándo elegir cada opción.
leer artículo →
GitHub Spec Kit 1.0: guía práctica de spec-driven development
GitHub Spec Kit 1.0 de alguien que lo usa a diario: instala la CLI specify, corre el pipeline hasta converge, escribe una constitution que aguanta y recorta la ceremonia con el preset lean.
leer artículo →
Ejemplos de Claude skills: archivos SKILL.md reales para copiar
Nadie publica los SKILL.md que de verdad funcionan. Aquí hay ejemplos reales, en producción, de una biblioteca de skills de persona: alex-hormozi, lifeos-lint, loading maps y la estructura de referencias separadas por decisión que hace que funcionen.
leer artículo →
SKILL.md explicado: todos los campos del frontmatter y la progressive disclosure
La referencia técnica completa de SKILL.md: todos los campos del frontmatter, la convención de directorios y el modelo de progressive disclosure en tres niveles que mantiene las skills de Claude Code rápidas y eficientes en contexto.
leer artículo →
¿Qué es Kiro? El IDE agéntico de AWS para Spec-Driven Development
Kiro es el IDE agéntico de AWS para spec-driven development: tres archivos estructurados, hooks automatizados y agentes en paralelo que implementan lo que especificas.
leer artículo →
¿Qué son las Claude skills? Una explicación sin jerga
Las Claude skills son módulos SKILL.md reutilizables que le enseñan a Claude a hacer un tipo de trabajo. Cargan bajo demanda, persisten entre sesiones y siguen el estándar abierto Agent Skills.
leer artículo →
Persona skills en Claude Code: por qué nombrar a un experto supera al role prompting
El role prompting trata a la persona como un disfraz de una línea. Esta guía muestra por qué nombrar a un experto solo rinde dentro de una skill de Claude Code, con referencias destiladas y un mapa de carga que lleva al modelo a su cluster más denso.
leer artículo →
Caso de estudio de Spec-Driven Development: 13 apps en 70 días, solo, con IA
Cómo Spec-Driven Development me permitió llevar a producción, solo, una fintech cripto en 70 días con agentes de IA: la arquitectura, las specs y los límites honestos.
leer artículo →
Cómo crear skills en Claude Code: la guía completa de Agent Skills
Las skills de Claude son módulos de comportamiento reutilizables que reemplazan la deuda de system prompt. Conoce la anatomía completa: SKILL.md, progressive disclosure, references y el campo description que lo dispara todo.
leer artículo →
Spec-Driven Development vs. vibe coding: una comparación honesta desde la práctica
El vibe coding es real y útil. También es la opción equivocada para todo lo que tiene que ser correcto. Un RCT de METR, un duelo de idempotencia en pagos y el veredicto honesto.
leer artículo →
Spec-Driven Development con Claude Code: el workflow en la práctica
Cómo correr Spec-Driven Development dentro de Claude Code: plan mode, el sistema de contexto en tres capas, steering files, gates de .status y subagents especializados que convierten una IA sin estado en un colaborador consistente.
leer artículo →
Cómo escribir una spec para agentes de IA: plantilla, formato EARS y ejemplos
Una plantilla de spec para copiar y pegar, el formato EARS, el alcance negativo y la prueba de la niña lista: cómo escribir una especificación de requisitos con la que un agente de IA realmente pueda construir.
leer artículo →
¿Qué es Spec-Driven Development? Una guía práctica (y cuándo no usarlo)
Spec-Driven Development es el método con el que entregué una fintech cripto de 13 apps en 70 días, solo, con agentes de IA. Qué es una spec, los cuatro pilares, un ejemplo completo, el formato EARS y cuándo no usarlo.
leer artículo →
Don't Code, Specify: por qué los devs senior obtienen peores resultados con IA
La metodología que usé para construir una fintech cripto (13 apps) en 70 días, solo, con agentes de IA.
leer artículo →