Consola de triaje

comprobando sesión…

Triaje Lectura Grafo

2026-08-29

El agente sale del chat y entra a la pipeline: video, secrets y methodology

13 items · 6 hallazgos · 7 radar

explorar 5

probar 1

leer 2

vigilar 5

Descartados y sin acción 0

nada descartado

J/K mover E explorar P probar L leer V vigilar X descartar G grafo ↵ abrir ficha

Selecciona un item del tablero
o pulsa J para empezar.

explorar hallazgo 01 · #agent-video-editor pick

diffusionstudio/editor

1.119★ · 76 forks · TypeScript · MPL-2.0

Qué es

editor de video open-core donde el "document" del editor es un árbol de módulos SolidJS, no una timeline binaria. La promesa: editas en el canvas y el cambio aterriza en el código; editas el código y el canvas se redibuja. La CLI permite a agentes hacer watch/listen sobre el footage y cortar en timeline. Licencia MPL-2.0 para el editor y los módulos en GitHub; app de escritorio distribuida vía DMG.

Cómo encaja

diffusionstudio/editor agent-video-editor

implements · relación nueva de hoy

diffusionstudio/editor document-as-code-editor

implements · relación nueva de hoy

diffusionstudio/editor solidjs

uses · relación nueva de hoy

diffusionstudio/editor agentic-video-production

relevant_to · ya cubierto el 2026-08-12

diffusionstudio/editor vendor-readme-traffic-claim

risk · relación nueva de hoy

Por qué importa

el grafo ya acumulaba concept:agentic-video-production desde el boletín del 2026-08-12, pero las implementaciones que llegaron eran wrappers de FFmpeg o nubes SaaS. Diffusion Studio es la primera implementación open-source donde el "document" del editor es consumible por código: el agente puede importar el mismo módulo que ve el humano, mutar y dejar que el canvas reaccione. Para un episodio "agentes que editan multimedia" cambia la foto: ya no estamos pegando comandos ffmpeg, estamos programando contra un AST (árbol sintáctico abstracto) de edición. YC F24 + release macOS arm64 + Discord público son señales de un equipo detrás, no un side-project.

instalar el DMG arm64; abrir app.diffusion.studio; revisar diffusionstudio/skills para el API concreto del CLI; probar npx skills add y un flujo de import + transcoding

Alerta honesta

microsoft/hve-core se declara 'highly opinionated, rapidly evolving' en su propio README; tratarlo como plataforma estable es leer mal la señal editorial del vendor.

Alerta honesta

Los claims de tráfico en diffusionstudio/editor (tráfico de 'miles de creadores') no se han verificado contra fuente externa; el vendor-readme traffic claim queda marcado como riesgo pendiente.

Abrir ficha Grafo ↗

explorar hallazgo 02 · #hypervelocity-engineering

microsoft/hve-core

1.387★ · 276 forks · Python · MIT · stable

Qué es

colección de Hypervelocity Engineering (HVE) Core components: agents + prompts + coding instructions + skills, diseñados para que el trabajo AI-assisted sea "repeatable, standards-aligned, and scalable across individuals and teams". Metodología RPI (research → plan → implement) como columna vertebral. El repositorio declara agentes especializados (research, planning, implementation, review) y un sistema de prompts reutilizables como entry points. Microsoft como owner institucional.

Cómo encaja

microsoft/hve-core hypervelocity-engineering

implements · relación nueva de hoy

microsoft/hve-core rpi-methodology

implements · relación nueva de hoy

microsoft/hve-core agent-skill-registry

uses · ya cubierto el 2026-08-16

microsoft/hve-core microsoft

relevant_to · ya cubierto el 2026-08-21

microsoft/hve-core opinionated-rapidly-evolving

risk · relación nueva de hoy

microsoft/hve-core K-Dense-AI/scientific-agent-skills

complements · relación nueva de hoy

Por qué importa

el grafo acumulaba docenas de "awesome prompts for Claude/Copilot" y skills sueltas, y concept:agent-skill-registry ya apareció en el boletín del 2026-08-16 con K-Dense-AI/scientific-agent-skills; el ángulo Microsoft también entró el 2026-08-21. HVE Core es la primera respuesta Microsoft-oficial a "el prompt-engineering es folklore" con agents, prompts, instructions y skills tratados como una sola unidad bajo metodología RPI (Research → Plan → Implement, tres fases que separan explorar, decidir y construir). El detalle editorial más interesante: el README abre con un CAUTION explícito — "highly opinionated, rapidly evolving... best treated as a source of patterns and learning rather than a stable platform". Eso es señal de madurez (saben que no es un package, es una metodología) y señal editorial (merece un episodio "qué patrones copias, cuáles ignoras"). Para CSS, la conexión es: si recomiendas HVE patterns, el CAUTION te blinda del típico "y si cambia todo en 3 meses".

clonar el repo; leer docs/ y agents/ para entender el contrato research/plan/implement; instalar al menos el research agent en VS Code Copilot; tratar el CAUTION como feature, no como bug — extraer 5 patterns y olvidarse del resto

Alerta honesta

microsoft/hve-core se declara 'highly opinionated, rapidly evolving' en su propio README; tratarlo como plataforma estable es leer mal la señal editorial del vendor.

Abrir ficha Grafo ↗

explorar hallazgo 03 · #codex-harness-bridge pick

miuuyy/codex-chatgpt-web

1.865★ · 216 forks · TypeScript · MIT

Qué es

bridge local tipo Responses que mete ChatGPT Web (cuentas Free, Go, Plus, Pro) como modelo nativo del picker de Codex. Free y Go exponen el tier "Luna"; las cuentas con selector de razonamiento conservan Instant / Medium / High / Extra High / Pro según la suscripción. El bridge envía el contexto del task Codex compilado a un ChatGPT Temporary Chat task-bound, adjunta imágenes, y streamea reasoning visible + tool activity + Markdown de vuelta al mismo task Codex. El modo MCP (full) reconecta las tools del mismo Codex task al ChatGPT Temporary Chat hasta el próximo compaction boundary. Binarios multiplataforma: macOS arm64/x64, Windows x64 y Linux x64. OpenSSF-style badges, CI, sin API keys, sin fees — usa la suscripción a ChatGPT.

Cómo encaja

miuuyy/codex-chatgpt-web codex-harness-bridge

implements · relación nueva de hoy

miuuyy/codex-chatgpt-web subscription-model-bridge

implements · relación nueva de hoy

miuuyy/codex-chatgpt-web byok-cursor-extension

complements · ya cubierto el 2026-08-28

miuuyy/codex-chatgpt-web embedded-browser-tos-fragility

risk · relación nueva de hoy

miuuyy/codex-chatgpt-web miuuyy/codex-chatgpt-web

competes_with · relación nueva de hoy

Por qué importa

el patrón "BYOK" (Bring Your Own Key, trae tu propia clave de API) entró al grafo el 2026-08-28 con concept:byok-cursor-extension y resolvía "tengo API keys pero no quiero Cursor Pro". codex-chatgpt-web resuelve el problema opuesto: tengo ChatGPT Pro (que ya pagué), ¿cómo lo uso como motor en otros harnesses sin piratear el cliente? La pieza clave: no es scraping, es un embedded browser (un navegador embebido dentro del propio binario, que controla la sesión sin intermediarios) que mantiene el context lifecycle de Codex intacto — el agente sigue siendo Codex, solo cambia el modelo. El modo MCP reconecta las tools del mismo Codex task al ChatGPT Temporary Chat hasta el próximo compaction (la compactación es el punto donde el modelo resume y descarta historial antiguo para liberar ventana de contexto). Caveat editorial: usar una suscripción web como backend de un harness choca con los términos de servicio de OpenAI; si OpenAI decide cerrar la puerta, este tipo de puente se rompe solo. Para CSS, el ángulo es: la categoría "BYOK-inverso" se formaliza con dos implementaciones paralelas en la misma semana — clara señal de tracción.

instalar binario macOS arm64; abrir Codex; verificar que aparece "ChatGPT Web" en el model picker; probar un task de codificación pequeño; revisar XiaoDuoYa/codex-with-chatgpt para comparar ergonomía antes de recomendar uno

Alerta honesta

miuuyy/codex-chatgpt-web depende de un embedded browser contra la sesión web de OpenAI; el riesgo concept:embedded-browser-tos-fragility no es teórico, basta un cambio de UI upstream para que el bridge deje de funcionar.

Abrir ficha Grafo ↗

explorar hallazgo 04 · #team-agent-workspace

Agenta-AI/agenta

4.632★ · 649 forks · TypeScript · NOASSERTION

Qué es

workspace colaborativo donde equipos construyen agentes y automatizaciones. Mantenido desde 2023-04-26 (más de 3 años de historia) con push hoy. Topics oficiales: agent-builder, agent-observability, agent-orchestration, agent-workspace, agentic-ai, ai-agent. La propuesta se centra en cuatro primitivas: build (editor visual + SDK), observe (tracing + evals), orchestrate (chains + workflows) y deploy (managed o self-hosted). Web comercial agenta.ai para SaaS; el repo es el OSS core.

Cómo encaja

Agenta-AI/agenta team-agent-workspace

implements · relación nueva de hoy

Agenta-AI/agenta agent-observability

implements · relación nueva de hoy

Agenta-AI/agenta multi-agent-orchestration

complements · ya cubierto el 2026-08-27

Agenta-AI/agenta human-agent-workspace

relevant_to · relación nueva de hoy

Agenta-AI/agenta dual-license-ee

risk · relación nueva de hoy

Por qué importa

el grafo ya tenía concept:human-agent-workspace y concept:local-first-agent-workspace, y la orquestación multi-agente entró el 2026-08-27 vía concept:multi-agent-orchestration. Agenta-AI/agenta es la versión "team-oriented": pensada para que un equipo (no un dev solo) construya, evalúe y comparta agentes. Las cuatro primitivas que ofrece — build, observe, orchestrate y deploy — atacan cada una un dolor distinto del ciclo de vida (construir, medir, coordinar y poner en producción), no solo el de escribir prompts. Para CSS, el ángulo es: en un mercado saturado de "framework agent", Agenta-AI es uno de los pocos que lleva más de 3 años, tiene 4.6k★ y se mantiene en tendencias (entró hoy en GH Trending). El asterisco editorial: el LICENSE es dual — MIT para todo lo que no esté en ee/ (Enterprise Edition), que tiene su propia licencia. Es razonablemente open source, pero hay que leer LICENSE y ee/LICENSE antes de uso comercial.

clonar y arrancar con docker-compose desde docs; crear un agente simple en el editor visual; revisar la sección de observability/tracing; comparar con pydantic/pydantic-ai para evaluar si vale el peso del workspace frente a librería pura; leer LICENSE y ee/LICENSE antes de cualquier uso comercial

Alerta honesta

hezo-ai/hezo y Agenta-AI/agenta arrastran riesgos de licencia reales: GPL-3.0 en hezo cierra la puerta a uso comercial cerrado, y el dual license con tier EE en Agenta-AI obliga a auditar qué partes son MIT y cuáles no.

Abrir ficha Grafo ↗

leer hallazgo 05 · #de-ai-writing-skill

Nanako0129/sepia

505★ · 24 forks · Shell · MIT

Qué es

Agent Skill portable para Claude Code / Codex / Grok Build / Antigravity que repara escritura "AI-sounding" en la capa que de verdad la delata. Filosofía contra-corriente: no toca palabras ni sintaxis — ataca la arquitectura narrativa. Tres pasadas: (1) arquitectura narrativa (ficción), (2) discourse flow, (3) surface style. Para professional prose (release notes, PR replies, postmortems, tickets, technical articles) cada venue tiene su propio rule file sobre un checklist compartido. Base científica: StoryScope (Russell et al., 2026, 61.608 stories) mostró que un clasificador con solo features de estructura narrativa detecta AI fiction con 93.2% macro-F1, y editar la superficie apenas lo mueve (95.5% → 93.9%). Cita 11 estudios relacionados en research/. Regla operativa: calibrate to the human distribution, don't invert the AI one — humans en valores moderados; aplicar todas las reglas crea un nuevo fingerprint.

Cómo encaja

Nanako0129/sepia de-ai-writing-skill

implements · relación nueva de hoy

Nanako0129/sepia agent-skill-registry

implements · ya cubierto el 2026-08-16

Nanako0129/sepia paper:storyscope-2026

uses · relación nueva de hoy

Nanako0129/sepia K-Dense-AI/scientific-agent-skills

complements · relación nueva de hoy

Nanako0129/sepia framework-agnostic-skill-spec

relevant_to · relación nueva de hoy

Por qué importa

concept:agent-skill-registry ya entró al grafo el 2026-08-16 con la explosión de "skills" vistas en los últimos boletines (mattpocock/skills, paperthin, scientific-agent-skills, etc.). Sepia es la primera skill de su categoría que se vende con paper empírico en arXiv como base: StoryScope (Russell et al., 2026, 61.608 stories) midió que un clasificador con solo features de estructura narrativa detecta AI fiction con 93.2% de macro-F1 (media armónica de precisión y recall entre clases), y editar la superficie apenas lo mueve (95.5% → 93.9%). La conclusión operativa — "calibrate to the human distribution, don't invert the AI one" — es contraintuitiva: aplicar todas las reglas genera un nuevo fingerprint detectable, así que hay que quedarse en 3-5 moves por historia y dejar margen. Único en el espacio por ser framework-agnostic (un solo SKILL.md que funciona en Claude Code, Codex, Grok Build y Antigravity, sin forks por plataforma), por su base académica (11 estudios en research/) y por la regla operativa counterintuitive. Para un episodio "skills con peer-review" es caso de estudio. Caveat: solo 505★ y 24 forks — está naciendo.

instalar la skill en Claude Code; correr la op review sobre un texto propio; leer research/ para entender qué papers sustentan las reglas; comparar la regla "3-5 moves y deja slack" con tu propio detector humano — útil para entender por qué tus propias ediciones AI-writing siguen sonando a AI

Abrir ficha Grafo ↗

explorar hallazgo 06 · #self-hosted-agent-runtime

hezo-ai/hezo

363★ · 92 forks · TypeScript · GPL-3.0

Qué es

plataforma self-hosted para correr equipos de agentes AI tratados como empleados: sandbox, budget caps, secrets rotation, multi-modelo con tus propias API keys. Stack TS, UI en 12 idiomas (incluido español). Distribuida vía install script one-shot. Claim clave: los agentes no tienen acceso directo a tus secrets — el runtime los inyecta cuando los necesita y los rota. Modelo agents-as-employees: cada agente tiene rol, presupuesto y permisos.

Cómo encaja

hezo-ai/hezo self-hosted-agent-runtime

implements · relación nueva de hoy

hezo-ai/hezo agent-budget-caps

implements · relación nueva de hoy

hezo-ai/hezo agent-secrets-rotation

implements · relación nueva de hoy

hezo-ai/hezo multi-agent-orchestration

complements · ya cubierto el 2026-08-27

hezo-ai/hezo gpl-3.0-restriction

risk · ya cubierto el 2026-08-28

Por qué importa

concept:multi-agent-orchestration ya entró al grafo el 2026-08-27 con frameworks tipo AutoGen, crewAI y LangGraph, y la restricción GPL-3.0 como riesgo editorial se vio el 2026-08-28. Hezo aterriza la pieza operativa que esos frameworks no resuelven: "cómo un equipo opera agentes sin que se les vaya de manos". Concretamente: sandbox (aislar al agente en un entorno restringido para que no toque tu sistema), budget caps (tope de gasto por agente) y secrets rotation (rotar claves automáticamente para que el agente nunca vea la clave en texto plano). La promesa "agents nunca tienen tus secrets" es el ángulo concreto para empresas donde el dev quiere delegar tareas reales a un agente, pero el security team no va a aprobar "el agente tiene la API key de Stripe". Caveat de licencia: GPL-3.0 cubre el self-hosted interno sin restricción, pero ofrecer Hezo como servicio a terceros obliga a abrir el código de tu servicio — decisión que hay que tomar antes de adoptarlo.

correr el install script en una VM de pruebas; crear 2-3 "agentes-empleado" con roles distintos; probar el budget cap asignando un límite diario a uno; evaluar si el modelo "agent-as-employee" encaja en tu setup o si prefieres el patrón "agent-as-tool" de LangGraph

Alerta honesta

Abrir ficha Grafo ↗