La periferia del coding agent ya es el producto

Es la primera GUI que trata a Hermes Agent como ciudadano de primera en el ecosistema multi-agent: junto a Claude Code, Codex, Gemini CLI u OpenClaw, puedes importar la config con un clic. La capa de providers se persiste en SQLite con writes atómicos, así que no se corrompen los archivos de configuración al alternar entre herramientas. Encaja con el flujo local-first del lector de Código Sin Siesta: tray app ligera, providers locales y sync opcional vía Dropbox/OneDrive/iCloud/WebDAV sin pasar por un servidor del proyecto.

El caso de uso pragmático está en los números: ¥1.07 por 7 tareas estilo SWE-bench y 95.8% de cache hit con DeepSeek V4 Pro. La técnica de byte-stable prefixes para reusar prefix-cache entre forks es replicable a cualquier modelo con cache pricing, no es un truco atado a DeepSeek. La CLI dao es compatible con Skills, MCP y Hooks de Claude Code, así que encaja con el ecosistema de Hermes sin reescribir nada, aunque el repo es joven (v0.x, 869 ⭐) y la adopción aún es incipiente.

Compite con obra/superpowers y vercel-labs/skills en el eje de distribución de skills, pero con filosofía opuesta: el autor (Matt Pocock, conocido por Total TypeScript) ofrece skills opt-in una a una en vez de un bundle monolítico, y el peso recae en el developer. Ataca directamente el failure mode más común de Claude Code y Codex: el misalignment entre lo que pide el dev y lo que ejecuta el agente, vía /grill-me y /grill-with-docs como sesiones de grilling, CONTEXT.md para fijar un lenguaje compartido dev/dominio, y /triage para ordenar trabajo.

Si el patrón fan-out (lanzar el mismo prompt contra cinco coding agents a la vez) se vuelve mainstream, el flujo local de un solo agent se queda corto: Orca es un ADE que orquesta Codex, Claude Code, OpenCode y Pi en worktrees git paralelos, con terminales Ghostty-class renderizadas vía WebGL, una mobile app para monitorizar y steering remoto, y un design mode que traduce cualquier clic en una UI a HTML/CSS/screenshot enviado al agent. Compite directamente con AgentWrapper/agent-orchestrator y ogulcancelik/herdr, y la novedad práctica frente a ellos es el mobile companion. Va backed por YC.

Para datasets pequeños o medianos sin etiquetar, TabFM elimina el paso de entrenar: pasas el train como contexto y predice, igual que un LLM hace in-context learning pero sobre columnas mixtas (numéricas y categóricas). Es el equivalente tabular de TimesFM y corre en JAX o PyTorch. Casos de uso concretos para un dev: clasificación de issues, scoring de PRs y detección de label noise en datasets de evaluación de agentes. El aviso Not an officially supported Google product y los 207 ⭐ invitan a tratarlo como experimento prometedor, no como producto estable.

Cubre una necesidad muy concreta del flujo de Código Sin Siesta: dictado on-device en macOS para redactar artículos largos sin pasar por la nube, con varios motores STT locales (Nemotron Speech 3.5, Parakeet Flash, Apple Speech y Whisper) elegibles. La capa Fluid Intelligence hace formatting, capitalización y post-procesado también en local, sin API keys, alineado con el stack local-first. Reemplaza a Wispr Flow en local con la misma propuesta de valor. La licencia es GPL-3.0, no MIT, así que si el proyecto del lector es código cerrado hay que revisar las implicaciones de redistribución antes de integrarlo.