tecnoboletín / 2026-09-18

Boletín · viernes 18 sept 2026

La capa de proceso del coding agent se endurece por tres flancos simultaneos

Tres piezas distintas cierran la costura del proceso del coding agent desde angulos que no se solapan: Bend introduce invariantes matematicas que el compilador exige antes de aceptar codigo de IA, BMAD formaliza el loop Clarify-Plan-Build-Verify-Learn como metodologia adaptable al tamano del trabajo, y el harness de AWS separa modelo y lifecycle con una limpieza politica que presiona a Anthropic y OpenAI a mantener paridad.
5 hallazgos 6 radar 2 picks editoriales 8 conceptos nuevos en el grafo Abrir en triaje →
Hallazgos principales
01
leer #proof-backed-agent-code conf 0.40 pick editorial

bendlang/bend ↗

20.797★ · 544 forks · TypeScript · Apache-2.0

lenguaje de programación (TypeScript toolchain, 20.797★, Apache-2.0) diseñado específicamente para código escrito por agentes. El eslogan del README lo dice: "In the post-AGI economy, humans will eventually stop writing and reading code, but we still need an ambiguity-free language to communicate our intents to the AIs building the world around us. Bend is that language." El compilador genera ejecutables nativos (CPU multinúcleo y GPU unificada vía HVM2) y promete rendimiento cercano a C en CPU y a CUDA en GPU. Pero la killer feature es LAWS.bend: declaras invariantes del dominio ("el jugador nunca puede ganar", "el saldo total siempre es cero", "este array nunca se lee fuera de rango"), y el compilador exige prueba matemática antes de aceptar cualquier cambio. La analogía explícita del README: LAWS.bend es un AGENTS.md respaldado por prueba. Documentación: https://bend-lang.com, Discord, papers BendTT (affine dependent type theory) y BendRT (parallel runtime).

Por qué importa

Bend encarna la próxima capa después del prompting: contratos formales verificables para código de IA, donde LAWS.bend actúa como un AGENTS.md respaldado por prueba matemática en vez de por convención. Encaja con cobertura previa del boletín: ya vimos el eje de agentes auto-mejorables el 2026-08-08 y, el 2026-09-17, tanto Q00/ouroboros (cuya tesis era "el grading command es la verdad") como la idea de que prompting es el suelo competitivo de hoy. Bend lleva esa lógica un paso más allá: la invariante matemática es la verdad, y el compilador la enforza aunque el agente quiera romperla. Caveat honesto: la barrera de entrada es real — hay que escribir dependent types en un sistema affine (BendTT, no el dependent typing estándar al estilo ML), no hay type inference, la base library es pequeña y los strings son listas enlazadas (lentas), así que sólo compensa cuando la invariante que quieres blindar es crítica. Pieza candidata: "Bend × Ouroboros × Eve — la pila para que el agente respete tus invariantes, y cuándo cada una aplica".

no instalarlo todavía — leer la sección "Bend BLOCKS mistakes - with proof" del README y el paper BendTT.pdf del repo; después decidir si vale compararla con Q00/ouroboros para una pieza sobre "verificación formal para código de IA"

Grafoimplementsproof-backed-agent-codenuevo (concept, relación nueva de hoy) competes_withprompt-engineering· 2026-09-17 (concept, ya cubierta el 2026-09-17) complementsQ00/ouroboros· 2026-09-17 (repo, ya cubierta el 2026-09-17) relevant_toself-improving-agent· 2026-08-08 (concept, ya cubierta el 2026-08-08) +1
02
explorar #agile-agent-process conf 0.40 pick editorial

bmad-code-org/BMAD-METHOD ↗

53.168★ · 6.004 forks · NOASSERTION

framework metodológico (Python/Node, 53.168★, license NOASSERTION — leer LICENSE en repo antes de adopción) para entregar software con coding agents sin perder el rigor del proceso. El delivery loop oficial es Clarify → Plan → Build → Verify → Learn → (loop back to Plan): adapta el tamaño del proceso al trabajo — los cambios chicos van directo a Build, los cambios grandes pasan por planificación profunda. El ecosistema modular es lo que más destaca: BMad Builder (skill/workflow/agent builder), BMad Creative Intelligence Suite (creative thinking), BMad Test Architect (enterprise testing), BMad Loop (autonomous epic), BMad Game Dev Studio (Unity/Unreal/Godot/Phaser). Se instala vía plugin marketplace en Claude Code (/plugin marketplace add bmad-code-org/bmad-plugins) y en Codex (codex plugin marketplace add ...), o como skills (npx skills add bmad-code-org/BMAD-METHOD). Documentación en https://docs.bmad-method.org.

Por qué importa

BMAD rellena el hueco que dejaron ayer vercel/eve y Q00/ouroboros: el "proceso" del coding agent, no sólo el runtime, formalizando el loop Clarify → Plan → Build → Verify → Learn y dejando que el tamaño del workflow se adapte al tamaño del trabajo. Encaja con cobertura previa del boletín: el 2026-09-17 ya cubrimos Eve y Ouroboros como los dos modelos competidores, y el 2026-09-02 cubrimos concept:context-engineering como disciplina — BMAD se apoya justo en ese mismo eje de ingeniería de contexto. Caveat de adopción: la licencia NOASSERTION obliga a leer el LICENSE antes de meterlo en enterprise, y hay fragmentación real entre bmad-plugins (Claude/Codex) y BMAD-METHOD (genérico via npx skills add). Pieza candidata: "BMAD × Ouroboros × Eve — los tres modelos de proceso y cuál aguanta un equipo de 5 personas".

instalar /plugin marketplace add bmad-code-org/bmad-plugins dentro de Claude Code, correr bmad setup en un proyecto pequeño, evaluar si el delivery loop encaja con un proyecto de newsletter real; la lectura de LICENSE es prerrequisito para cualquier adopción seria

Grafoimplementsagile-agent-processnuevo (concept, relación nueva de hoy) competes_withvercel/eve· 2026-09-17 (repo, ya cubierta el 2026-09-17) complementsQ00/ouroboros· 2026-09-17 (repo, ya cubierta el 2026-09-17) usescontext-engineering· 2026-09-02 (concept, ya cubierta el 2026-09-02) +1
03
vigilar #model-driven-agent-loop conf 0.40

strands-agents/harness-sdk ↗

7.343★ · 1.153 forks · TypeScript · Apache-2.0

SDK open-source (Python + TypeScript, 7.343★, Apache-2.0) para construir agentes production-ready. La tesis editorial, en sus propias palabras: "Build an agent harness. Control it end-to-end." La diferencia frente a otros frameworks: model-driven approach — el modelo conduce la invocación de tools y la planificación, y el harness solo controla lifecycle (turn limits, token budgets, cancellation, stop reasons), hooks, tracing, MCP integration, multi-agent patterns, structured output y memory/sessions. Multi-provider nativo (Amazon Bedrock, Anthropic, OpenAI, Gemini, Ollama, custom), con samples oficiales en el repo hermano strands-agents/samples y herramientas en strands-agents/tools. Documentación: https://strandsagents.com.

Por qué importa

AWS entra al cuadrante de "framework portable de agente" con una tesis editorial concreta: el modelo conduce (invoca tools y planifica), y el harness sólo controla lifecycle, hooks, tracing, MCP y multi-agent patterns — una separación de responsabilidades más limpia que la de los competidores. Encaja con cobertura previa del boletín: el 2026-09-17 cubrimos vercel/eve (su competidor directo en estructura libre) y a monid-ai/monid (complemento en el lado de conectores), y el 2026-08-21 cubrimos microsoft/agent-framework como el otro hyperscaler rival. Lo que aporta AWS aquí es gravedad política: integración natural con Bedrock y observability vía CloudWatch, lo que presiona a Anthropic y OpenAI a mantener paridad en sus SDKs. Caveat honesto: el quickstart por defecto asume Bedrock (necesitas AWS credentials y acceso a Claude Sonnet configurado), así que la fricción de onboarding es real para devs Anthropic/OpenAI-first. Pieza candidata: "Strands × Eve × Agent Framework — los tres SDK de agente de hyperscaler (AWS, Vercel, Microsoft) y por qué importan distinto".

no instalarlo todavía — leer la doc de https://strandsagents.com/docs/user-guide/concepts/agents/agent-loop/ y validar que el modelo-driven approach no sufra del mismo problema que las librerías de planificación clásica: que el modelo se atasque en planes sin salida. Si tienes infra AWS, vale un smoke-test con Bedrock

Grafoimplementsmodel-driven-agent-loopnuevo (concept, relación nueva de hoy) competes_withvercel/eve· 2026-09-17 (repo, ya cubierta el 2026-09-17) competes_withmicrosoft/agent-framework· 2026-08-21 (repo, ya cubierta el 2026-08-21) relevant_toaws-bedrocknuevo (company, relación nueva de hoy) +2
04
leer #continual-learning-loop conf 0.40

Human-Agent-Society/reef ↗

3.494★ · 278 forks · Python · Apache-2.0

framework Python (3.494★, Apache-2.0) que implementa el primer loop de aprendizaje continuo para agentes en producción. Cuatro pasos: Serve (sirve requests reales del agente y registra interacciones), Observe (hace match del feedback con las interacciones registradas), Grow (produce un update desde records elegibles) y Commit (aplica la policy de selección y publica updates aceptados con version history). Lo distintivo: sirve tanto para mejorar pesos del modelo (con Slime + SGLang como stack RL por defecto) como para mejorar el harness (prompts, rules, skills) sin GPUs locales. PyPI package reef-infra. Discord + WeChat group. Sitio https://reefinfra.ai.

Por qué importa

Reef es la pieza de infraestructura que faltaba en el eje "self-improving agent": un loop Serve → Observe → Grow → Commit que corre el agente en producción, registra feedback, aprende y publica nuevas versiones con version history, en vez de quedarse en un experimento local. Encaja con cobertura previa del boletín: el 2026-09-17 cubrimos Q00/ouroboros (su competidor más directo, donde el grading command hace evolucionar el prompt) y el 2026-08-19 cubrimos memvid/memvid (que complementa como capa de memoria), pero Reef lleva el concepto a producción con selección de updates por policy y tracing de cada release. Caveat fuerte: adopción aún baja (3.494★ frente a las ~5,9k★ que el propio ítem cita de Ouroboros — dato del propio item, no verificado de forma independiente), la docs mezcla chino e inglés (sesgo a mercado chino), y el camino de "test-time training" con Slime + SGLang exige GPUs dedicadas — sin GPUs propias, sólo queda la mitad del loop (mejorar harness, no pesos). Pieza candidata: "Reef × Ouroboros × AlphaEvolve — los tres caminos para que el agente se mejore solo, y cuándo cada uno aplica".

no instalarlo todavía — leer el README y la sección "When to use Reef" del https://reefinfra.ai/docs/getting-started/quickstart/; entender bien la diferencia entre "harness optimization" (sin GPUs) y "weight training" (con GPUs Slime/SGLang) antes de comprometerse

Grafoimplementscontinual-learning-loopnuevo (concept, relación nueva de hoy) implementsproduction-self-improving-agentnuevo (concept, relación nueva de hoy) competes_withQ00/ouroboros· 2026-09-17 (repo, ya cubierta el 2026-09-17) complementsmemvid/memvid· 2026-08-19 (repo, ya cubierta el 2026-08-19) +2
05
leer #vertical-plugin-marketplace conf 0.40

anthropics/knowledge-work-plugins ↗

24.654★ · 2.955 forks · Python · Apache-2.0

repositorio oficial de Anthropic (24.654★, Python, Apache-2.0) que empaqueta 11 plugins diseñados para Claude Cowork (la nueva GUI para knowledge workers) y compatible con Claude Code. Categorías: productivity (Slack, Notion, Asana, Linear, Jira, Monday, ClickUp, Microsoft 365), sales (Slack, HubSpot, Close, Clay, ZoomInfo, Notion, Jira, Fireflies, Microsoft 365), customer-support (Slack, Intercom, HubSpot, Guru, Jira, Notion), product-management (Slack, Linear, Asana, Figma, Amplitude, Pendo), marketing (Slack, Canva, Figma, Ahrefs, SimilarWeb, Klaviyo), legal (Slack, Box, Egnyte, Jira, Microsoft 365), finance (Snowflake, Databricks, BigQuery, Slack, Microsoft 365), data (Snowflake, Databricks, BigQuery, Hex, Amplitude, Definite), enterprise-search (Slack, Notion, Guru, Jira, Asana), bio-research (PubMed, BioRender, bioRxiv, ClinicalTrials.gov, ChEMBL, Synapse, Wiley, Owkin, Open Targets, Benchling) y cowork-plugin-management (para crear/customizar plugins propios). Cada plugin = skills + connectors + sub-agents + slash commands. Instalación: claude plugin marketplace add anthropics/knowledge-work-plugins + claude plugin install <name>.

Por qué importa

Anthropic pasa de vender el modelo a posicionar Claude como sistema operativo del trabajo de conocimiento: 11 plugins verticales listos para producción (Slack, Notion, HubSpot, Snowflake, Databricks, etc.) que empaquetan skills + connectors + sub-agents + slash commands, y que reducen el trabajo de construir conectores desde cero. Encaja con cobertura previa del boletín: el 2026-09-17 cubrimos monid-ai/monid (el competidor en el lado del modelo/conector), el 2026-08-18 cubrimos a company:anthropic y el 2026-07-28 cubrimos anthropics/claude-code como complemento directo de este marketplace. Caveat honesto: los conectores están atados a un set concreto de SaaS (si tu stack usa otras herramientas, el plugin pierde valor), y el formato de plugin es Anthropic-locked — no portable de forma nativa al marketplace de trailofbits/skills. Pieza candidata: "Anthropic vs Microsoft vs OpenAI — los tres plugins marketplace oficiales de coding agents y cuál aguanta tu stack".

no instalar todos — leer el README y el manifest de 2 o 3 plugins que se acerquen a tu stack (data + enterprise-search son los más universales), después evaluar si vale customizarlos para tu propia empresa/equipo

Grafoimplementsvertical-plugin-marketplacenuevo (concept, relación nueva de hoy) implementsclaude-coworknuevo (concept, relación nueva de hoy) competes_withmonid-ai/monid· 2026-09-17 (repo, ya cubierta el 2026-09-17) relevant_toanthropic· 2026-08-18 (company, ya cubierta el 2026-08-18) +1
Radar secundario · 6
LLMQuant/quant-mind

2.986★, push 2026-08-15, Python, MIT — quant finance "agent-native" de knowledge engineering, con paper en NeurIPS 2025 GenAI in Finance Workshop (arXiv:2509.21507). La tesis editorial: "the repository itself is the product surface — harness engineering: a weak model in a good harness beats a strong model running bare". AGENTS.md + CLAUDE.md + contexts/ + skills + hooks compartidos entre Claude y Codex.

GCWing/OpenBitFun

2.276★, push 2026-09-18, Rust, MIT — agent workspace "que sigue funcionando" con 4 modos (Minimal, Standard, Ultimate, Creative), control cross-device (desktop, mobile, watch, glasses) y Mini App marketplace. Core runtime en Rust + agent harness completo.

trailofbits/skills

7.142★, push 2026-09-16, Python, CC-BY-SA-4.0 — plugin marketplace de Trail of Bits para security skills: building-secure-contracts (smart contracts), entry-point-analyzer y code auditing para múltiples lenguajes. Se instala vía /plugin marketplace add trailofbits/skills en Claude Code y codex plugin marketplace add trailofbits/skills en Codex.

cube-js/cube

20.861★, push 2026-09-18, Rust, NOASSERTION — "open-source semantic layer for AI, BI and embedded analytics". Tema: "agentic-analytics" como topic oficial.

web-infra-dev/rspack

12.908★, push 2026-09-18, Rust, MIT — bundler basado en Rust compatible con la API de webpack.

onyx-dot-app/onyx

32.151★, push 2026-09-18, Python, NOASSERTION — "Open Source AI Platform — AI Chat with advanced features that works with every LLM", enterprise search + chat.

Lectura editorial

Convergencia con tu stack

BMAD se apoya en concept:context-engineering (cubierto el 2026-09-02) y compite con vercel/eve y Q00/ouroboros ya mapeados en dias previos; Reef aterriza el bucle Serve-Observe-Grow-Commit sobre la misma linea de self-improving agent, y los plugins de Anthropic materializan el marketplace vertical que el stack local-first de CSS podria vigliar como senal de hacia donde se mueve la integracion de conectores.

Cruzado con tu grafo

Bend consolida concept:proof-backed-agent-code como nodo nuevo sin primera_mencion previa, anadiendose a la linea de concept:self-improving-agent (2026-08-08); BMAD formaliza concept:agile-agent-process sin fecha previa pero apoyandose en concept:context-engineering del 2026-09-02; Reef crea concept:continual-learning-loop y concept:production-self-improving-agent sin primera_mencion, ambos compitiendo con Ouroboros (2026-09-17).

Tendencias (5-6 boletines)

Con solo dos dias previos en contexto (16 y 17), la tendencia visible es que la semana cierra el triangulo runtime-proceso-aprendizaje del coding agent: el 17 ya puso a Eve, Ouroboros y Monid como competidores directos, y hoy anade BMAD, Reef y el harness de AWS al mismo eje, mientras Bend corre en paralelo con la tesis de pruebas formales.
Resumen ejecutivo del boletín origen
  • bendlang/bend propone el primer lenguaje con pruebas matemáticas para código generado por agentes: 20.7k★, TypeScript toolchain (compiler en Haskell + core en Lean), Apache-2.0. El corazón editorial es LAWS.bend — declaras reglas tipo "el jugador nunca puede ganar" y el compilador exige una prueba matemática antes de aceptar cualquier cambio del agente. Es, literalmente, "AGENTS.md backed by proof". El lenguaje compila a CPU/GPU unificado (HVM2 runtime) y apunta a ser tan rápido como C en CPU y CUDA en GPU. Pieza editorial: "qué cambia en tu flujo cuando el compilador rechaza el código de la IA por romper una invariante". Aplicable directo si escribes sobre agentes verificables.
  • bmad-code-org/BMAD-METHOD se consolida como el "Scrum + agente": 53.1k★, Python/JS, NOASSERTION (revisar LICENSE en repo), con un ecosistema modular completo (bmad-builder, bmad-loop, bmad-game-dev-studio, bmad-test-architect, bmad-creative-intelligence-suite). El delivery loop oficial (Clarify → Plan → Build → Verify → Learn) y la promesa de "decisions stay explicit, context carries forward" lo posicionan como la alternativa metodológica a vercel/eve (estructura libre) y Q00/ouroboros (grading command). Diferencia clave: se instala como plugin marketplace para Claude Code, Codex y otros. Buena pieza editorial: "BMAD × Ouroboros × Eve — los tres modelos de proceso para coding agents y cuál aguanta un equipo de 5".
  • strands-agents/harness-sdk es la apuesta de AWS por un SDK de agentes modelo-driven: 7.3k★, Python+TypeScript, Apache-2.0. La tesis editorial: "en lugar de orquestar tú el loop del agente, el modelo conduce". Strands propone un modelo donde el agente decide qué tool llamar, cuándo, con qué presupuesto — el harness solo controla lifecycle, hooks y tracing. Multi-provider (Bedrock nativo, Anthropic/OpenAI/Gemini/Ollama custom), con samples oficiales, MCP server propio y tooling maduro. Compite directo con vercel/eve, microsoft/agent-framework, claude-code (como capa portable) y monid-ai/monid (que vimos ayer).
  • Human-Agent-Society/reef abre la infraestructura de aprendizaje continuo para agentes: 3.5k★, Python, Apache-2.0. Loop 4-step (Serve → Observe → Grow → Commit) que conecta inference + feedback + learning + versionado. Lo interesante: puede entrenar pesos con Slime + SGLang, pero también mejorar harness/prompts/skills sin GPUs locales. Es la pieza "infraestructural" que faltaba en el eje "self-improving agent" donde ayer vimos Q00/ouroboros y memvid/memvid. Caveat: poca adopción aún, chino-inglés mixto en docs, pero la promesa de "el agente aprende de cómo lo usas" es la próxima frontera.
  • anthropics/knowledge-work-plugins es el movimiento de Anthropic para anclar el trabajo de conocimiento en Claude: 24.6k★, Python, Apache-2.0. Once plugins oficiales (productivity, sales, customer-support, product-management, marketing, legal, finance, data, enterprise-search, bio-research, cowork-plugin-management) listos para instalar como plugin marketplace en Claude Cowork (la nueva GUI para "knowledge workers") y compatible con Claude Code. Es la cara B de la tesis "el agente es el producto": Anthropic te da los plugins, tú los customizas para tu empresa. Caveat: las conectores dependen de SaaS específicos (Slack, Salesforce, HubSpot, Snowflake, etc.) — si no los usas, el plugin pierde valor. Fuentes consultadas: Trendshift daily (25 items), GitHub Trending daily + slices TypeScript/Python/Rust (65 items únicos), GitHub REST API para 17 candidatos nuevos (budget restante ~43/h). Blogwatcher no publicado hoy — la dependencia upstream sigue caída desde 2026-07-05; comprobar si <DATE>-blogs.md quedó escrito y si aporta duplicados, ajustar el bulletin de mañana.
Edges del grafo (49)
boletin:2026-09-18 --[menciona]--> item:https-github-com-bendlang-bend
item:https-github-com-bendlang-bend --[trata]--> tema:bendlang-bend
bendlang/bend --[implements]--> concept:proof-backed-agent-code
bendlang/bend --[competes_with]--> concept:prompt-engineering (ya cubierto el 2026-09-17)
bendlang/bend --[complements]--> repo:Q00/ouroboros (ya cubierto el 2026-09-17)
bendlang/bend --[relevant_to]--> concept:self-improving-agent (ya cubierto el 2026-08-08)
bendlang/bend --[relevant_to]--> company:anthropic-claude-code
boletin:2026-09-18 --[menciona]--> item:https-github-com-bmad-code-org-bmad-method
item:https-github-com-bmad-code-org-bmad-method --[trata]--> tema:bmad-code-org-bmad-method
bmad-code-org/BMAD-METHOD --[implements]--> concept:agile-agent-process
bmad-code-org/BMAD-METHOD --[competes_with]--> repo:vercel/eve (ya cubierto el 2026-09-17)
bmad-code-org/BMAD-METHOD --[complements]--> repo:Q00/ouroboros (ya cubierto el 2026-09-17)
bmad-code-org/BMAD-METHOD --[uses]--> concept:context-engineering (ya cubierto el 2026-09-02)
bmad-code-org/BMAD-METHOD --[relevant_to]--> company:anthropic-claude-code
boletin:2026-09-18 --[menciona]--> item:https-github-com-strands-agents-harness-sdk
item:https-github-com-strands-agents-harness-sdk --[trata]--> tema:strands-agents-harness-sdk
strands-agents/harness-sdk --[implements]--> concept:model-driven-agent-loop
strands-agents/harness-sdk --[competes_with]--> repo:vercel/eve (ya cubierto el 2026-09-17)
strands-agents/harness-sdk --[competes_with]--> repo:microsoft/agent-framework (ya cubierto el 2026-08-21)
strands-agents/harness-sdk --[relevant_to]--> company:aws-bedrock
strands-agents/harness-sdk --[uses]--> concept:mcp
strands-agents/harness-sdk --[complements]--> repo:monid-ai/monid (ya cubierto el 2026-09-17)
boletin:2026-09-18 --[menciona]--> item:https-github-com-human-agent-society-reef
item:https-github-com-human-agent-society-reef --[trata]--> tema:human-agent-society-reef
Human-Agent-Society/reef --[implements]--> concept:continual-learning-loop
Human-Agent-Society/reef --[implements]--> concept:production-self-improving-agent
Human-Agent-Society/reef --[competes_with]--> repo:Q00/ouroboros (ya cubierto el 2026-09-17)
Human-Agent-Society/reef --[complements]--> repo:memvid/memvid (ya cubierto el 2026-08-19)
Human-Agent-Society/reef --[uses]--> tool:slime
Human-Agent-Society/reef --[uses]--> tool:sglang
boletin:2026-09-18 --[menciona]--> item:https-github-com-anthropics-knowledge-work-plugins
item:https-github-com-anthropics-knowledge-work-plugins --[trata]--> tema:anthropics-knowledge-work-plugins
anthropics/knowledge-work-plugins --[implements]--> concept:vertical-plugin-marketplace
anthropics/knowledge-work-plugins --[implements]--> concept:claude-cowork
anthropics/knowledge-work-plugins --[competes_with]--> repo:monid-ai/monid (ya cubierto el 2026-09-17)
anthropics/knowledge-work-plugins --[relevant_to]--> company:anthropic (ya cubierto el 2026-08-18)
anthropics/knowledge-work-plugins --[complements]--> repo:anthropics/claude-code (ya cubierto el 2026-07-28)
boletin:2026-09-18 --[menciona]--> item:https-github-com-llmquant-quant-mind
item:https-github-com-llmquant-quant-mind --[trata]--> tema:llmquant-quant-mind
boletin:2026-09-18 --[menciona]--> item:https-github-com-gcwing-openbitfun
item:https-github-com-gcwing-openbitfun --[trata]--> tema:gcwing-openbitfun
boletin:2026-09-18 --[menciona]--> item:https-github-com-trailofbits-skills
item:https-github-com-trailofbits-skills --[trata]--> tema:trailofbits-skills
boletin:2026-09-18 --[menciona]--> item:https-github-com-cube-js-cube
item:https-github-com-cube-js-cube --[trata]--> tema:cube-js-cube
boletin:2026-09-18 --[menciona]--> item:https-github-com-web-infra-dev-rspack
item:https-github-com-web-infra-dev-rspack --[trata]--> tema:web-infra-dev-rspack
boletin:2026-09-18 --[menciona]--> item:https-github-com-onyx-dot-app-onyx
item:https-github-com-onyx-dot-app-onyx --[trata]--> tema:onyx-dot-app-onyx
← 2026-09-17 Archivo 2026-09-19 →