Consola de triaje

comprobando sesión…

Triaje Lectura Grafo

2026-09-26

Modelos abiertos, agentes locales y el nuevo mapa del trabajo técnico diario

12 items · 5 hallazgos · 7 radar

explorar 1

probar 1

leer 2

vigilar 5

Descartados y sin acción 3

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 · #llm-ready-scraping

unclecode/crawl4ai

84.277★ · 8.714 forks · Markdown · Apache-2.0

Qué es

Crawler + scraper open source para LLMs y AI agents que convierte cualquier web en Markdown limpio listo para RAG. Es el referente OSS del espacio (84k★, 8,7k forks, primer release serio en mayo de 2024, v0.9.4 publicado el 23 de septiembre de 2026). Hoy da el salto a producto comercial con Crawl4AI Cloud (scrape/search/answer/extract con un único API key y MCP server oficial integrable vía claude mcp add).

Cómo encaja

unclecode/crawl4ai llm-ready-scraping

implements · ya cubierto el 2026-07-10

unclecode/crawl4ai firecrawl

competes_with · ya cubierto el 2026-07-10

unclecode/crawl4ai scrapingbee

competes_with · ya cubierto el 2026-07-10

unclecode/crawl4ai agent-web-fetch-mcp

enables · ya cubierto el 2026-07-10

unclecode/crawl4ai claude-code-mcp-host

complements · ya cubierto el 2026-07-10

Por qué importa

Editorialmente marca el pivote de Crawl4AI —que ya cubrimos el 2026-07-10 cuando era solo un crawler OSS para LLM— hacia producto comercial: el propio vendor ahora vende Crawl4AI Cloud (scrape/search/answer/extract bajo una sola API key) y publica un MCP server oficial integrable con claude mcp add. El ángulo concreto para un lector de AI+dev: (a) cierra el debate «DIY con Playwright vs. Firecrawl vs. ScrapingBee» con una opción nativa del ecosistema Python/MCP —todas esas alternativas ya aparecieron en nuestro grafo el 2026-07-10 como competidores del mismo nodo—; (b) el modelo pay-per-use con «$10 gratis hasta el 31 de diciembre de 2026» es un patrón de conversión agresivo que estamos viendo repetirse en herramientas OSS que dan el salto a SaaS vertical; (c) cualquier Claude Code / Codex / Cursor —el mismo MCP host que Cubrimos el 2026-07-10 como nodo de arquitectura— puede ahora usar Crawl4AI como primitiva de primera clase para que sus agentes fetcheen web limpia en Markdown lista para RAG. Caveat honesto: el item no aporta capturas ni métricas de uso del Cloud, así que el «salto a producto» se constata por el anuncio y la disponibilidad del MCP server, no por tracción medida.

vale la pena probar el MCP server oficial en un Claude Code real: el claude mcp add --transport http crawl4ai https://api.crawl4ai.com/mcp con el primer crédito gratis es la mejor manera de medir la propuesta vs Playwright DIY; vigilar si la versión cloud escala correctamente porque Firecrawl ya tropezó en reliability; ignorar para adopción profunda hasta validar TOS + pricing real post-promoción

Abrir ficha Grafo ↗

vigilar hallazgo 02 · #ai-pentesting-agent

vxcontrol/pentagi

24.972★ · 3.207 forks · Go · MIT

Qué es

Sistema multi-agente para penetration testing automatizado que combina Graphiti (knowledge graph), 9 proveedores LLM (OpenAI, Anthropic, Google Gemini, AWS Bedrock, Ollama, DeepSeek, GLM, Kimi, Qwen, MiniMax) y una API GraphQL. PentAGI permite correr agentes que hacen reconnaissance, exploitation y reporting, e incluye «agent supervision» para limitar al LLM a un subconjunto del host vía APIs nativas (sin necesidad del binario flux/argocd). El repo trae demo video, integración con Langfuse y Docker compose para auto-deploy.

Cómo encaja

vxcontrol/pentagi ai-pentesting-agent

implements · ya cubierto el 2026-07-09

vxcontrol/pentagi graphiti-knowledge-graph

uses · ya cubierto el 2026-07-09

vxcontrol/pentagi multi-llm-provider

uses · ya cubierto el 2026-07-09

vxcontrol/pentagi keygraphhq/shannon

competes_with · ya cubierto el 2026-07-09

vxcontrol/pentagi offensive-security-automation

enables · ya cubierto el 2026-07-09

vxcontrol/pentagi agent-supervision-pattern

relevant_to · ya cubierto el 2026-07-09

Por qué importa

Editorialmente, el AI pentesting sale del PoC al producto. Cubrimos por primera vez el nodo «AI pentesting agent» el 2026-07-09, cuando Shannon (KeygraphHQ) era el referente único; hoy PentAGI lo supera en escala (25k★, multi-tenant, knowledge graph con Graphiti, sandbox RCE-aware) y se posiciona como competidor directo de ese mismo nodo en nuestro grafo. Para un lector de AI+dev, el caso de estudio concreto es que «agente + red team + LLM multi-provider» ya es un patrón de producto vendible y no solo una demo: PentAGI conecta Graphiti como knowledge graph, expone una API GraphQL, e integra9 proveedores LLM —incluyendo Ollama para inferencia local, y Qwen/GLM/Kimi/MiniMax para mercados no angloparlantes—. Esto último es especialmente relevante para equipos europeos o asiáticos que no pueden enviar datos a OpenAI/Anthropic porCompliance. Caveat honesto: el item menciona «agent supervision» para limitar al LLM a un subconjunto del host, pero no concreta con qué APIs nativas ni cómo se compara con sandboxes tipo Docker/gVisor; queda como pregunta abierta para quien evalúe adoptarlo.

es la pieza más interesante del espacio AI red-team OSS ahora mismo; probar con un target CTF-style para validar que el supervision pattern evita escapes al host; ignorar para producción hasta que la licencia MIT y la ausencia de rate-limits abusivos se confirmen en benchmarks contra KeygraphHQ/shannon

Abrir ficha Grafo ↗

vigilar hallazgo 03 · #rust-fullstack-framework

tokio-rs/topcoat

5.373★ · 183 forks · Rust · MIT

Qué es

Framework «batteries-included» para apps web full-stack en Rust, publicado por el equipo Tokio (los autores de tokio.rs, axum, hyper, tower). Ofrece router con file-based discovery, view engine JSX-like (#[page], #[component]), integración con CLI y macros para extraer el routing de la estructura del proyecto. El README declara «early-stage and experimental. Expect breaking changes», pero viene del vendor con más autoridad del ecosistema async-Rust.

Cómo encaja

tokio-rs/topcoat rust-fullstack-framework

implements · ya cubierto el 2026-07-18

tokio-rs/topcoat tokio-runtime

uses · ya cubierto el 2026-07-18

tokio-rs/topcoat dioxus

competes_with · ya cubierto el 2026-07-18

tokio-rs/topcoat leptos

competes_with · ya cubierto el 2026-07-18

tokio-rs/topcoat axum

relevant_to · ya cubierto el 2026-07-18

Por qué importa

Editorialmente, primera señal seria de que el equipo Tokio —autores de tokio.rs, axum, hyper, tower— quiere controlar el stack completo, no solo el runtime. Cubrimos por primera vez el nodo «Rust fullstack framework» el 2026-07-18, y Topcoat entra directamente a competir con Dioxus y Leptos en ese mismo grafo, además de declararse relevante respecto al propio axum que el equipo mantiene. Hasta ahora la composición típica de un proyecto Rust full-stack era pegar piezas —axum + tower + sqlx + maud + askama— y cada equipo debía decidir su propio árbol de dependencias; Topcoat propone un solo vendor con un solo árbol de decisiones, lo que cambia la dinámica competitiva del espacio. El README es claro en sus caveats: «early-stage and experimental. Expect breaking changes», y el item confirma apenas 5 meses de vida y 5.373★, así que todavía no es apuesta de producción. Caveat honesto: no hay benchmarks publicados comparando Topcoat contra Leptos/Dioxus en render, HMR o tiempo de build, así que la promesa «batteries-included» hoy es arquitectónica, no empírica.

vendor serio + momento temprano = ventana de adopción; probar clonando el repo y siguiendo el tour oficial antes del primer breaking change; ignorar para producción hasta v1.0

Abrir ficha Grafo ↗

leer hallazgo 04 · #ontology-driven-backend

openbkn-ai/bkn-foundry

573★ · 53 forks · Go · NOASSERTION

Qué es

Backend para OpenBKN (Open Business Knowledge Network): convierte datos, documentos, lógica, reglas y experiencia experta dispersas en una red de conocimiento ontology-driven que los agentes AI pueden ejecutar, verificar y gobernar. Trae SDK en TypeScript, AI agent skill propio, deploy one-click a Kubernetes con deploy.sh, preflight checks, docs OpenAPI y release notes estructurados. La tesis: los LLMs fallan en producción empresarial porque «leen data pattern» — OpenBKN los obliga a «leer ontología» (un esquema declarado).

Cómo encaja

openbkn-ai/bkn-foundry ontology-driven-backend

implements · relación nueva de hoy

openbkn-ai/bkn-foundry atomicstrata/llm-wiki-compiler

complements · ya cubierto el 2026-09-25

openbkn-ai/bkn-foundry enterprise-agent-runtime

relevant_to · relación nueva de hoy

openbkn-ai/bkn-foundry license-noassertion-blocks-adoption

risk · relación nueva de hoy

Por qué importa

Editorialmente, «backend ontology-driven para agentes» emerge como categoría de producto enterprise. El item lo conecta directamente con atomicstrata/llm-wiki-compiler, que Cubrimos el 2026-09-25 —hace apenas un boletín— bajo la etiqueta «context engineering»; OpenBKN es la versión enterprise de esa misma idea: en lugar de pegar knowledge bases ad-hoc, los agentes consumen un esquema formal (ontología) que el backend puede ejecutar, verificar y gobernar. Para un lector de AI+dev, lo concreto es: (a) SDK TypeScript, OpenAPI, deploy one-click a Kubernetes con deploy.sh y preflight checks —no es un paper, es un runtime con onboarding real—; (b) el repositorio original trae docs en inglés y chino simplificado, lo que sugiere base instalada en China y un ángulo de fragmentación geográfica del espacio agent que normalmente no se ve desde Europa; (c) la licencia es NOASSERTION, no MIT ni Apache-2.0, así que antes de adoptarlo hay que leer el archivo LICENSE directamente —en nuestro grafo este riesgo ya está modelado como nodo license-noassertion-blocks-adoption—. Caveat honesto: con 573★ y 4 meses de vida, la tracción enterprise real aún no está demostrada con casos públicos.

clonar y revisar LICENSE para entender términos reales; vigilar si crece en estrellas y contributors — el espacio ontology-driven es serio y este es el primer producto con deploy real; explorar si Alejandro tiene un caso enterprise donde aplicar

Abrir ficha Grafo ↗

probar hallazgo 05 · #agent-skills-pack

samber/cc-skills-golang

3.336★ · 219 forks · Go · MIT

Qué es

Colección curada de skills para AI coding assistants específica para Golang (performance, testing, security, observability). Instalable vía npx skills add universal (skills.sh), o vía plugins oficiales de Claude Code, Codex, Gemini CLI, Cursor, Copilot, Antigravity, OpenClaw. El README es taxativo: «No AI slop here. AI-made skills are useless. Built for Claude Code, Codex, Gemini, Copilot, Antigravity, Cursor...» — explícitamente human-curated, testeadas y retocadas.

Cómo encaja

samber/cc-skills-golang agent-skills-pack

implements · relación nueva de hoy

samber/cc-skills-golang universal-skills-cli

enables · relación nueva de hoy

samber/cc-skills-golang claude-code-plugin-marketplace

complements · relación nueva de hoy

samber/cc-skills-golang anthropic-skills-official

competes_with · relación nueva de hoy

samber/cc-skills-golang vendor-agent-skills-sh

relevant_to · relación nueva de hoy

Por qué importa

Editorialmente, el concepto de «Agent Skills» pasa de ser un tutorial suelto de Anthropic a categoría de producto con vendor de referencia. Cubrimos por primera vez el nodo anthropic-skills-official —el competidor directo— en un boletín previo, y samber/cc-skills-golang aparece en el grafo como competidor de ese nodo y como complemento del marketplace de plugins de Claude Code. Para un lector de AI+dev, lo accionable es triple: (a) las skills se instalan con un comando universal (npx skills add, vía skills.sh) o vía plugins oficiales de Claude Code, Codex, Gemini CLI, Cursor, Copilot, Antigravity y OpenClaw —el mismo modelo de distribución cross-vendor ya tiene convención asentada, agentskills.io—; (b) el autor (samber) ya tiene tres repos en el espacio —samber/cc para config de Claude Code, samber/cc-skills para skills agnósticas de lenguaje, y este para Go— lo que confirma que «skills como paquete instalable» es una línea de producto, no un one-off; (c) la línea editorial del README —«No AI slop here. AI-made skills are useless»— abre un mercado para skills curadas por defecto como nuevo formato, distinto del ruido que generan los generadores automáticos. Caveat honesto: 3.336★ es tracción respetable pero modesta, y no hay métricas públicas de cuántas de esas skills están siendo adoptadas en producción real vs. simplemente starred.

npx skills add https://github.com/samber/cc-skills-golang --all en un proyecto Go real es 30 segundos; vigilar la pista samber/cc-skills (skills no-Go) porque es donde aparecerá el próximo bundle importante; leer el README para entender el formato de skill que el vendor considera correcto

Abrir ficha Grafo ↗