Joicodev💻 @joisephdev

¡Recurso con APIs gratuitas y públicas para devs! Para que te ayuden a construir tu próximo proyecto. Son 1519 en total → publicapis.io

Twitter después de leer la grandiosa oferta de trabajo de Andrés Bilbao.

MCP 2026-07-28 is live and it's the largest update to the protocol since launch. MCP is now stateless, making it easier to deploy and scale remote servers. claude.com/blog/bringing-…

Donde se separan los niños de los hombres.

Gaston Foncea @gastonfonceadev

2 days ago

Prueben Orca, viaje de ida !

19 0 111 24K 79

Dejé de programar a mano hace casi dos años. Fue el 9 de octubre de 2024. No lo decidí un día. Simplemente ocurrió. Hoy mi trabajo se ve así: discuto con el equipo lo que hay que construir, diseño con Claude la arquitectura, armo el contexto y el plan que el agente necesita, reviso el diff y doy feedback. El código lo escribe el agente. El cuello de botella se movió de lugar. Antes estaba en escribir el código. Hoy está en describir el problema con suficiente precisión, y en darme cuenta de cuándo el agente se equivocó. Eso último es lo más difícil de todo. Yo a mis inicios: Conocía el proyecto casi de memoria (jerarquía de clases, sintaxis, deuda técnica, comandos). Yo, hoy en día: Diseño, reviso, decido y dirijo. En inglés, sin escribir código. ¿Tú ya dejaste de escribir código a mano, o todavía lo haces? ______________________________ Acá voy contando lo que aprendo haciendo arquitectura y desarrollo guiado con IA. Sígueme si este tipo de temas te interesan 🔔

@XMoney @grok como lo uso? Donde lo veo?

Leyendo todo el post de Uncle Bob sobre que el no revisa el código que sus agentes escriben: El responde, en el mismo hilo, que está mayormente retirado y que los agentes los usa para sus proyectos personales. Ha creado herramientas que revisan la calidad de su código de manera determinista. El no niega que el código a nivel de empresa entre varios equipos, devs y agentes deba revisarse. Mi opinión respecto a esto es: Lo que haga en su tiempo libre, como quiera hacerlo está perfecto. Es interesante el tema de las herramientas que revisan el código. Por ejemplo tiene herramientas que revisan duplicidad del código, test coverage, entre otras que pude ver en su github. A nivel de empresa, dependiendo del tamaño de la solución de software, yo no seguiría estos mismos pasos. Si la solución que se construye es muy grande, el riesgo que se pase algo de slop que afecte a los clientes finales es muy grande. Si las soluciones son acotadas y fáciles de probar ningún problema. Es prácticamente vibe coding y es perfecto para validar ideas. Pero esto queda completamente prohibido para empresas con PCI Compliance. Y no porque lo diga yo, si no porque la misma certificación exige que el código sea revisado por un par (humano) antes de pasar a producción, y dependiendo de las partes que se toquen de la aplicación ni si quiera debería usarse IA online, solo podría usarse IA local, y re afirmo, esto es por Compliance, no por mi opinión. Y como afecta esto a los devs?, la verdad no mucho, toca seguir gastando mucho tiempo en planificación y menos tiempo en implementación. Los agentes son increíbles para implementar siempre y cuando se encuentre todo bien definido. Uncle bob también dice que a veces el revisa la especificación de manera superficial o muy poco, otras veces que la revisa a profundidad.

Uncle Bob Martin @unclebobmartin

4 days ago

AI agents can write code many times faster than a human. What this means is that you, the programmer, have a large amount of time to use those agents to write unit tests, to write acceptance, tests, to write property tests, to torture test, to mutate test, to QA test, and to

245 510 5K 368K 2K

si querés empezar a estudiar agentes, la cantidad de información que hay puede ser abrumadora. para ordenar el aprendizaje, primero separaría 2 caminos: usar agentes y crear agentes. si usás claude code, codex u otra herramienta similar, enfocate en: - context engineering: decidir qué información necesita el agente en cada paso - task decomposition: dividir problemas grandes en tareas más concretas - instrucciones persistentes: usar CLAUDE.md o AGENTS.md para definir reglas del proyecto - skills, subagentes y MCP: especializar, delegar y conectar nuevas capacidades - feedback loops: darle señales para que pueda corregirse e iterar - sistemas de validación: usar tests, builds y linters para verificar el resultado si querés crear tus propios agentes, profundizá en: - agent loops y orchestration: definir cómo decide, actúa, observa y continúa - harness engineering: construir el sistema que conecta al modelo con su entorno - tool design: diseñar herramientas claras, seguras y fáciles de usar - context, state y memory: administrar la información durante y entre ejecuciones - guardrails, permisos y sandboxing: limitar qué puede hacer el agente y dónde - evals, tracing y observabilidad: medir resultados y entender qué ocurrió durante la ejecución los dos caminos están conectados, pero requieren conocimientos distintos. entender cuál de los dos querés recorrer te ayuda a saber por dónde empezar y a no perderte entre tantos conceptos.

🔴 ¡KIMI K3 YA LIBERADO! El mayor y más potente modelo open weight jamás entrenado ha sido liberado! Ahora empresas y proveedores de IA de todo el mundo podrán desplegar Kimi K3 a velocidades y precios competitivos añadiendo más presión a los laboratorios privados 🔥

Kimi.ai @Kimi_Moonshot

3 days ago

Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params. Alongside

1K 7K 46K 12.8M 14K

El autor de Clean Code no revisa el código que genera la IA. Dice que hacerlo, mataría su productividad. En su lugar, lo rodea de tests, métricas, QA y restricciones para que el código generado tenga que demostrar que funciona.

Let ChatGPT *work* for you. How many time have you wanted to negotiate your internet bill, get rid of all those spam emails you’re subscribed to, or find the perfect deal for something you wanted to do or buy. It’s quite literally just one prompt away, all from the comfort of your phone. It does at least 20 things for me every single day and I’m still surprised.

Sam Altman @sama

4 days ago

chatgpt work is remarkable, and "work" undersells it. from my phone i sent: "use all my chat history to figure out ideas for a long weekend trip with 8 friends, plan the best three options, make a full-stack site where the 9 of us can coordinate on what we would want to do in

2K 575 17K 3.6M 6K

Cómo se siente ser plenamente consciente de lo que estás haciendo y, aun así, no poder dejar de repetir los mismos patrones autodestructivos

Jack in. #Neuromancer — January 22

keyboard_arrow_left Previous keyboard_arrow_right Next

RAG vs. Graph RAG, explained visually! RAG has many issues. For instance, imagine you want to summarize a biography, and each chapter of the document covers a specific accomplishment of a person (P). This is difficult with naive RAG since it only retrieves the top-k relevant chunks, but this task needs the full context. Graph RAG solves this. The following visual depicts how it differs from naive RAG. The core idea is to: - Create a graph (entities & relationships) from documents. - Traverse the graph during retrieval to fetch context. - Pass the context to the LLM to get a response. Let's see how Graph RAG solves the above problem. First, a system (typically an LLM) will create a graph from documents. This graph will have a subgraph for the person (P) where each accomplishment is one hop away from the entity node of P. During summarization, the system can do a graph traversal to fetch all the relevant context related to P's accomplishments. The entire context will help the LLM produce a complete answer, while naive RAG won't. Graph RAG systems are also better than naive RAG systems because LLMs are inherently adept at reasoning with structured data. Once the right architecture is in place, the next leverage point is efficiency. Most RAG architectures rely heavily on vector search, and that layer can be made 32x more memory efficient using binary quantization. I covered the full implementation in the article below. 👉 Over to you: Which RAG architecture are you running in production?

Avi Chawla @_avichawla

4 months ago

x.com/i/article/2040…

12 144 888 769K 2K

llmfit analiza tu RAM, CPU y GPU y te dice al instante qué modelos de lenguaje corren bien en tu máquina, ordenados por calidad y velocidad. Funciona con Ollama, MLX y más. Deja de adivinar. #ia #llm #local #ollama #devtools

El feature más estúpido y fastidioso de los agentes actuales: atribuirse el trabajo y meterse en Git como coautores. Nadie pidió eso.

For my first post, I’m sharing a letter @NVIDIA signed on why open models matter. AI will transform every industry, power every company, and be built by every country. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. The world needs both frontier closed models and frontier open models. images.nvidia.com/pdf/Open-Weigh…

keyboard_arrow_left Previous keyboard_arrow_right Next

Next month, every line of code touching the 𝕏 system will be open source and third-party audited. Only total transparency deserves trust.

para qué quieres tomar un curso de cómo usar claude, bro? solo ábrelo y pídele cosas.

Los chavistas nunca han sido ni serán aliados de Estados Unidos ni de ninguna nación del mundo libre. Su naturaleza es destruir las instituciones democráticas, sembrar odio y concentrar todo el poder en manos de una dictadura. Le temen a la libertad de expresión, persiguen la libertad religiosa y desprecian los derechos individuales que protegen a los ciudadanos del abuso del Estado. Quienes queman las banderas de Estados Unidos e Israel dejan claro de qué lado están. No son ni nunca serán aliados de quienes defendemos la democracia y la libertad.

Emmanuel Rincón @EmmaRincon

6 days ago

🚨 BREAKING Supporters of Delcy Rodríguez and the ruling party burn U.S. and Israeli flags in Caracas. Chavista members of the National Assembly affiliated with the PSUV—the party led by Delcy—are participating in the demonstration.

108 563 849 131K 27