Consola de triaje

comprobando sesión…

Triaje Lectura Grafo

2026-10-06

La infraestructura del coding agent se consolida en tooling maduro

14 items · 7 hallazgos · 7 radar

explorar 1

probar 0

leer 6

vigilar 5

Descartados y sin acción 2

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.

leer hallazgo 02 · #disaggregated-inference

ai-dynamo/dynamo

Rust · Apache-2.0

Qué es

Capa de orquestación open-source (core en Rust, SDK en Python) de NVIDIA que se sitúa por encima de SGLang, TensorRT-LLM y vLLM para convertirlos en un sistema de inferencia distribuido multi-nodo: serving disagregado, routing consciente de KV, KV cache multi-tier y auto-scaling que cumple SLAs de latencia minimizando TCO.

Cómo encaja

ai-dynamo/dynamo disaggregated-inference

implements · ya cubierto el 2026-08-22

ai-dynamo/dynamo sglang

integrates_with · ya cubierto el 2026-08-22

ai-dynamo/dynamo tensorrt-llm

integrates_with · ya cubierto el 2026-08-22

ai-dynamo/dynamo vllm

integrates_with · ya cubierto el 2026-08-22

Por qué importa

Este proyecto ya no es solo lo de NVIDIA: tiene más de 160 community contributors, push hoy, un programa oficial de recipes/examples/containers, eventos comunitarios propios y roadmap público (#9178). Es la materialización práctica del patrón engine + orchestrator que la industria lleva dos años prometiendo: en lugar de casarte con vLLM o SGLang, montas Dynamo encima y cambias el backend sin tocar el serving layer. Para el lector de CSS el caso de uso es concreto: cualquier dev/IA que monte un endpoint de inferencia serio (multimodal, vídeo, reasoning) tiene aquí un punto de partida, porque Dynamo se encarga de serving disagregado, routing consciente de KV cache, KV cache multi-tier y auto-scaling con SLAs de latencia. En el grafo, los cuatro nodos centrales —disaggregated-inference, sglang, tensorrt-llm y vllm— los cubrimos juntos el 2026-08-22, lo que refuerza que Dynamo es el siguiente paso natural de aquel debate. Nota técnica: el prefijo de licencia en el repo es Apache-2.0 (SPDX header del README), aunque la API de GitHub devuelve NOASSERTION; la fuente fiable es el header del README.

la página "When to use Dynamo" del README (es taxonomía clara) y vigilar los recipes oficiales. Si corres inferencia multi-GPU o multi-nodo, vale la pena un piloto con uno de los recipes examples/.

Abrir ficha Grafo ↗

vigilar hallazgo 03 · #agent-infrastructure

Panniantong/Agent-Reach

Python · MIT

Qué es

CLI en Python que dota a un agente (Claude Code, Cursor, Pi, etc.) de ojos para leer y buscar en Twitter/X, Reddit, YouTube, GitHub, Bilibili y XiaoHongShu, sin API keys ni cuotas.

Cómo encaja

Panniantong/Agent-Reach agent-infrastructure

implements · ya cubierto el 2026-08-09

Panniantong/Agent-Reach claude-code

integrates_with · ya cubierto el 2026-08-09

Panniantong/Agent-Reach mcp

integrates_with · ya cubierto el 2026-08-09

Por qué importa

A pesar de que el último release (v1.5.0) es de junio, el proyecto ha seguido empujando y vuelve a Trendshift #1 hoy. La razón del trending no es el código nuevo, sino la red de patrocinios cruzados (BrowserAct, Tencent Cloud OpenClaw, CoreClaw, UCloud AstraFlow) más exposición en el ecosistema chino. Para CSS el ángulo concreto: es el ejemplo real de un agent infra tool que ha mutado de una CLI a una capa de acceso —el agente ya no necesita API keys ni cuotas de cada plataforma para leer Twitter/X, Reddit, YouTube, GitHub, Bilibili o XiaoHongShu—. La documentación multilingüe (chino, inglés, japonés, coreano) y la estrategia de sponsorship (partnerships con clouds que ofrecen hosting, no banners) son un patrón a estudiar para cualquiera que monte infraestructura para agentes. En el grafo, agent-infrastructure, claude-code y mcp ya aparecieron juntos el 2026-08-09, así que este repo es la confirmación práctica de que ese eje se consolidó. Tiene 17 topics oficiales; mcp y claude-code están entre ellos, lo que refuerza su rol en la cadena actual.

(el trending es por exposición, no por release nuevo). Leer docs/README_en.md para entender su abstracción de "canal → backend fallback" — el patrón es replicable. No aporta valor instalarlo localmente en CSS porque el sistema ya tiene web-scraping nativo.

Alerta honesta

Agent-Reach Trendshift #1 pese a release de junio: el trending mide exposición de patrocinios cruzados, no tracción de código nuevo; no confundir con release train.

Abrir ficha Grafo ↗

leer hallazgo 04 · #agentic-security pick

nealbridges/VulnHunter

Python · Apache-2.0

Qué es

Fork mantenido de capitalone/VulnHunter que reescribe la metodología de agente de seguridad que caza vulnerabilidades para que sea harness-portable (cualquier harness con ~/.skills + sub-agents), ejecute los exploits en contenedores Docker y mida impacto (rows leaked, ×-amplification, key-hours stranded).

Cómo encaja

nealbridges/VulnHunter capitalone/VulnHunter

fork_of · relación nueva de hoy

nealbridges/VulnHunter agentic-security

implements · relación nueva de hoy

nealbridges/VulnHunter docker

uses · relación nueva de hoy

nealbridges/VulnHunter dual-use-cybersecurity

risk · relación nueva de hoy

Por qué importa

El upstream (Capital One, Apache-2.0) instala skills solo en Claude Code y asume Opus; este fork lo reescribe como prompt files harness-neutrales (cualquier harness con ~/.skills + sub-agents), expone un contrato de entorno explícito (VULNHUNT_SKILLS_DIR, VULNHUNT_AGENTS_DIR, VULNHUNT_MODEL, VULNHUNT_HOST_CMD) y define un operator skill vulnhunter-run que clona, caza, valida y escribe el manifest sin improvisar. Lo más interesante para CSS: el benchmark interno del propio fork muestra que el exploit depth del upstream era arbitrario —el mismo commit podía dar 3 o 42 findings según el instinto del modelo de levantar o no un contenedor—; la versión fork graba el runtime por finding y exige Docker-first en severidades Medium+. El README avisa con honestidad de que la metodología está pensada para modelos open-weight abliterated, no para Opus/Sonnet directamente, y de que el contenido es dual-use. En el grafo, los cuatro nodos asociados (fork_of capitalone/VulnHunter, implements agentic-security, uses docker, risk dual-use-cybersecurity) no tienen primera_mencion previa, así que esta entrada introduce la cadena completa en el boletín.

la sección "The numbers behind the fork" (cuantifica el efecto del exploit-depth arbitrario). Probar solo en código propio y con un modelo open-weight: en el ecosistema CSS no tenemos el hábito de correr security agents, pero este es un buen ejemplo de cómo un security agent serio se diseña alrededor del modelo, no del harness.

Alerta honesta

VulnHunter es dual-use: la metodología de cazar vulnerabilidades con agentes es la misma que para explotarlas, leer con responsabilidad.

Abrir ficha Grafo ↗

explorar hallazgo 05 · #computer-use-decoupled

amontlabs/lcu

Python · MIT

Qué es

Capa de integración que expone el runtime de computer-use del escritorio oficial de ChatGPT a tu harness (Pi, Codex CLI, Claude Code) sin necesidad de autenticarte en la app Codex, con aprobación nativa Touch ID en macOS.

Cómo encaja

amontlabs/lcu computer-use-decoupled

implements · relación nueva de hoy

amontlabs/lcu claude-code

integrates_with · ya cubierto el 2026-09-15

amontlabs/lcu pi-agent

integrates_with · relación nueva de hoy

amontlabs/lcu codex-cli

integrates_with · relación nueva de hoy

Por qué importa

El patrón es interesante y resuelve un dolor real: la app Codex/ChatGPT desktop sigue siendo la fuente del runtime de computer-use y de las instrucciones (mismo modelo, misma política de permisos), pero el harness local (Pi, Codex CLI, Claude Code) pasa a ser quien dispara la acción. Esto interesa especialmente a usuarios europeos/no-USA donde la app de escritorio ha tenido baneos o demoras, y abre la puerta a un modelo bring your own harness para computer-use. El PR #8 (merged 2026-10-05) añade un plugin de Claude Code (claude plugin marketplace add amontlabs/lcu + claude plugin install lcu@lcu). El detalle de seguridad clave: el mod lcu-approve muestra un panel Computer use approval nativo en la app Claude con Touch ID en macOS, y el modelo no puede ver, pulsar ni falsificar el panel (texto literal del README) —solo el humano en la máquina puede aprobar. En el grafo, claude-code como herramienta integrada ya tiene primera_mencion el 2026-09-15; pi-agent y codex-cli no tienen fecha previa documentada, así que este repo es la primera aparición de esos dos nodos en el boletín.

(instalar el plugin en Claude Code en una máquina limpia y probar la aprobación Touch ID). El README es claro sobre los límites: requiere la app ChatGPT desktop oficial, Python 3.12+ y un harness soportado.

Abrir ficha Grafo ↗