Pablo IB | Tech Blog & Second Brain

Cómo hice Fine-Tuning de Embeddings (BGE-M3) para mi Infraestructura de Agentes: +20.8% de Precisión y Lecciones de Hardware

Mon, 31 Aug 2026 00:00:00 +0000

Durante meses usé el modelo BAAI/bge-m3 genérico para la búsqueda semántica y la memoria de mis agentes en OpenViking.

Funcionaba bien para conceptos generales. Pero en cuanto un agente preguntaba por nombres de contenedores internos (CT110, CT204), leyes de gobernanza (Ley Universal 0), o flujos específicos de despliegue (coolify-ops, infisical-manager), el buscador devolvía fragmentos irrelevantes o documentación genérica.

Decidí entrenar un modelo a medida para todo mi portfolio.

El resultado: +20.85% de precisión (MRR@10) y un 91.2% de Recall en el top 10. Pero el camino para ponerlo en producción me enseñó lecciones duras sobre la diferencia entre tener RAM libre y saturar una controladora de almacenamiento.

Me equivoqué sobre GLM-5.2 y sus effort levels

Tue, 16 Jun 2026 00:00:00 +0000

Retractación (2026-06-20). La primera versión de este post se titulaba “GLM-5.2 y el mito de los effort levels: cuando la API miente” y defendía que reasoning_effort no existía en la API de Z.AI. Era falso. Lo dejo abajo reescrito como lo que realmente pasó: me equivoqué, y la forma en que me equivoqué es más instructiva que mi conclusión original.

Hace unos días configuré GLM-5.2 en mi agente de coding. La prensa decía que tenía dos niveles de razonamiento — High y Max — y Z.ai recomendaba Max para programar. Quería confirmar que el parámetro funcionaba antes de cablearlo.

token-optimizer en profundidad: Analytics y el detective de ghost tokens

Mon, 08 Jun 2026 00:00:00 +0000

Zero Trust Notice: Este artículo sigue la metodología de investigación zero-trust. Los datos marcados como “VERIFICADO” tienen evidencia fresca. Los datos marcados como “NO VERIFICADO” solo aparecen en el artículo introductorio y NO se encontraron en fuentes primarias.

token-optimizer es el detector de waste de tokens creado por Alex Greenshpun. Con 1,218 estrellas y plugins nativos para 4 plataformas, promete analytics de consumo por sesión, detección de ghost tokens y un dashboard en vivo.

mcp-compressor en profundidad: Atlassian Labs y el enigma del 70-97% sin benchmarks

Sun, 07 Jun 2026 00:00:00 +0000

Zero Trust Notice: Este artículo sigue la metodología de investigación zero-trust. Los datos marcados como “VERIFICADO” tienen evidencia fresca. Los datos marcados como “NO VERIFICADO” solo aparecen en el artículo introductorio y NO se encontraron en fuentes primarias.

mcp-compressor es el proyecto de Atlassian Labs para comprimir tool definitions de MCP servers. Con 66 estrellas y backing oficial de Atlassian, promete reducir el consumo de tokens por herramientas.

Pero hay un problema: los números 70-97% NO están respaldados por benchmarks verificables.

Context-mode en profundidad: 98% de ahorro de contexto con Sandbox + SQLite + FTS5

Fri, 05 Jun 2026 00:00:00 +0000

“Context Mode is an MCP server that sits between Claude Code and these outputs. 315 KB becomes 5.4 KB. 98% reduction.” — Mert Köseoğlu, Creador

En 2026, context-mode es el framework de optimización de contexto más popular para agentes de IA: 16,361 estrellas en GitHub, 1,180 forks, soportado en 15 plataformas y desarrollado por Mert Köseoğlu (mksglu), quien también mantiene el MCP Directory con 100K+ peticiones diarias.

Pero ¿qué hace que context-mode funcione tan bien? No es magia — son 4 soluciones integradas:

Impacto del Offloading en la Inferencia Local: Análisis de Flash Attention y KV Cache

Fri, 05 Jun 2026 00:00:00 +0000

Ejecutar modelos de lenguaje de gran escala (LLMs) en hardware doméstico presenta retos arquitectónicos interesantes. Cuando intentamos correr un modelo de 30 mil millones de parámetros (30B) en una NVIDIA RTX 5080 de 16GB, nos topamos de frente con un límite físico: el modelo excede la capacidad de la VRAM. Esto obliga al motor de inferencia a realizar offloading, delegando el procesamiento de las capas excedentes a la CPU y la memoria RAM del sistema.

Ollama vs. llama.cpp: La Batalla por la VRAM en una RTX 5080

Fri, 05 Jun 2026 00:00:00 +0000

La soberanía computacional empieza por no depender de una API externa para pensar. Pero una vez que tienes el hardware (en mi caso, una flamante RTX 5080 de 16GB), surge la duda eterna: ¿Ollama o llama.cpp puro?

Hoy he realizado un “Versus” técnico para entender dónde están los límites de cada uno y por qué el offloading es el factor decisivo.

El Hardware de Pruebas

GPU: NVIDIA GeForce RTX 5080 (16GB VRAM)
CPU: Intel Core Ultra 9 275HX
OS: CachyOS (Arch-based)
Kernel: 7.0.11-1-cachyos

El Experimento

He comparado dos escenarios comunes usando el modelo Qwen3 (14B y 30B):

MCP Token Optimization: El juego no es quién tiene el vector más grande

Thu, 04 Jun 2026 00:00:00 +0000

“Memory is no longer just a feature; it is core AI infrastructure.” — PowerDrill AI, 2026

En 2026 el problema del token optimization en MCP es brutal. Si conectas 10 servidores MCP a Claude Code, quemarás 100K tokens de contexto antes de escribir una línea de código. Un tercio del contexto de Sonnet 4.5, desaparecido.

La comunidad reaccionó con tres estrategias:

Comprimir tool descriptions → mcp-compressor (Atlassian Labs, 66 estrellas)
Detectar y eliminar ghost tokens → token-optimizer (1,216 estrellas)
Sandboxear output + session continuity → context-mode (16,361 estrellas 🔥)

La primera vez que leí estos nombres pensé: “Es lo mismo con tres nombres”.

Memoria para Agentes IA: Por qué OpenViking es un Context OS, no solo otra base vectorial

Mon, 01 Jun 2026 00:00:00 +0000

“Memory is no longer just a feature; it is core AI infrastructure.” — PowerDrill AI, 2026

Cuando un agente IA te olvida todo al cerrar la pestaña, la solución obvia parece una base vectorial: guardas embeddings y buscas por similitud semántica. Simple. Funcional. Pero insuficiente.

En 2026, la categoría de “memoria para agentes” ha explotado en 6 campamentos arquitectónicos completamente distintos. Cada uno optimiza un failure mode diferente: olvido, retrieval drift, pérdida de estado, incoherencia de perfil, o colaboración entre agentes.

El fin de los 'Permission Denied': Gestión profesional de discos en Linux y Proxmox

Sat, 30 May 2026 00:00:00 +0000

Si alguna vez has intentado montar un disco USB en un servidor Linux (ya sea una Raspberry Pi, un Mini PC o un servidor Proxmox) para compartirlo con varios servicios como qBittorrent, Plex o Audiobookshelf, te habrás encontrado con el “muro de los permisos”.

Descargas una película, pero no puedes borrarla desde tu explorador de archivos. El servidor de audiolibros no puede ver los archivos nuevos. Intentas arreglarlo con un chmod 777 (¡error!) y al día siguiente el problema vuelve.

Screenshots en Linux 2026: La transición X11 → Wayland

Mon, 18 May 2026 00:00:00 +0000

Screenshots en Linux 2026: La transición X11 → Wayland

Un análisis exhaustivo basado en encuestas de usuarios, issues de GitHub, foros de soporte y documentación oficial.

Introducción: El cambio de paradigma

El ecosistema de screenshots en Linux está en plena transición. Durante años, X11 ofreció herramientas maduras y estables. Pero con la adopción masiva de Wayland, las herramientas antiguas están fallando y nuevas soluciones están emergiendo.

OpenClaw: cómo montar un asistente de IA self-hosted al que le hablas por Telegram

Sun, 17 May 2026 00:00:00 +0000

TL;DR: OpenClaw es un gateway self-hosted que conecta Telegram, Discord, WhatsApp y más a modelos de IA. Lo instalé en un container Podman, configuré acceso móvil por Tailscale, y en una tarde tenía un asistente respondiéndome por Telegram. Te cuento cómo, qué falló, y cómo lo arreglé.

¿Qué es OpenClaw?

OpenClaw es un gateway de IA self-hosted. Lo instalas en tu máquina, lo conectas a tus canales de mensajería (Telegram, Discord, WhatsApp, Signal, Slack…), y configuras qué modelo de IA usa. El gateway se queda corriendo 24/7, y tú le hablas desde donde quieras.

OpenClaw: cómo optimizar el contexto, la memoria y la seguridad (lo que dice Reddit y lo que funciona de verdad)

Sun, 17 May 2026 00:00:00 +0000

TL;DR: Reduje el contexto inyectado de OpenClaw de 10.4 KB a 3.8 KB, activé memory-lancedb con embeddings locales, configuré context pruning, y limpié el security audit a 0 critical. La fuente: una guía de 33 capítulos en GitHub, 50+ hilos en Reddit, y mucho trial-and-error. Aquí va lo que funcionó.

La premisa: el harness importa más que el modelo

La guía de optimización de OnlyTerp (33 capítulos, 15K palabras, actualizada a mayo 2026) tiene una tesis clara:

OpenClaw: instalación oficial (Quadlet) vs distrobox — lo que la documentación no te cuenta

Sun, 17 May 2026 00:00:00 +0000

TL;DR: OpenClaw recomienda instalar con su script oficial (run-openclaw-podman.sh) que usa Quadlet + --userns=keep-id. Yo lo instalé en un container distrobox ya existente. Los dos funcionan, pero tienen trade-offs muy distintos en seguridad, permisos, y mantenimiento. Aquí va la comparativa real, no la de marketing.

Las dos rutas

Ruta A: Instalación oficial (Quadlet)

OpenClaw incluye scripts para Podman en su paquete npm. El proceso:

# 1. Build de la imagen
./scripts/podman/setup.sh

# 2. Con Quadlet (systemd nativo)
./scripts/podman/setup.sh --quadlet

# 3. Lanzar
./scripts/run-openclaw-podman.sh launch

Esto crea:

OpenClaw: los mejores plugins y skills que sobreviven al filtro de seguridad (y los que no)

Sun, 17 May 2026 00:00:00 +0000

TL;DR: ClawHub tiene 13.000+ skills. Las cifras de maliciosos varían: 373 (awesome list), 820+ (AI Makers), 1,184+ (CyberDesserts), 341 (Koi Security). El skill #1 más descargado (“capability-evolver”) fue descubierto exfiltrando datos a Feishu/ByteDance con un token hardcoded. Y en marzo 2026 detectaron instaladores falsos que imitaban el setup oficial. Investigué qué plugins y skills recomienda la comunidad real (no los posts de marketing), cruzando Reddit, Tavily, GitHub y foros de seguridad. Aquí va mi lista filtrada, más las reglas de seguridad que deberías seguir antes de instalar nada.

Design System Vivo

Sat, 16 May 2026 00:00:00 +0000

Filosofía: The Architectural Editor

Este design system es un framework editorial high-end para el IT profesional. Se aleja del “dashboard cluttered” y adopta un enfoque de Digital Gallery: tratar el contenido técnico con la misma reverencia que una revista de lifestyle.

Principios

La tipografía es la UI — No hay decorators, badges pesados ni bordes gruesos. La jerarquía visual se logra exclusivamente con peso, tamaño y spacing.
Superficies con profundidad — Cada “capa” de contenido se sienta sobre una “surface” (un shade de fondo sutil), creando profundidad sin sombras. Papel superpuesto, no tarjetas flotantes.
El grid es sagrado — Un baseline grid estricto alinea todo texto a ritmo de 8px. Sin elementos huérfanos, sin drift visual.
Color como señal, no decoración — El color primary (#00647c teal) se usa EXCLUSIVAMENTE para elementos interactivos, estados activos y acentos clave. Color aparece con propósito.
El breathing room es una feature — Márgenes generosos, padding y gutters son el whitespace que hace el contenido premium. Nunca amontonar elementos.
Motion sirve al contenido — Animación revela, no decora. Hover suave, fade transitions, sin bounce ni parallax.

Tokens

Colores — Primary & Surface

Token	Light	Dark	Uso
`primary`	`#00647c`	`#00647c`	Botones, links activos, acentos
`primary/10`	`#00647c` 10%	`#00647c` 15%	Badge backgrounds
`on-primary`	`#ffffff`	`#ffffff`	Texto sobre primary
`surface`	`#faf8ff`	—	Fondo principal
`surface-container-low`	`#f2f3ff`	`slate-900/50`	Card backgrounds
`surface-container-highest`	`#dae2fd`	`slate-800`	Tags, code pills
`on-surface`	`#131b2e`	`#f1f5f9`	Headlines, body text
`on-surface-variant`	`#3e484d`	`#94a3b8`	Descriptions, metadata
`outline`	`#6e797e`	—	Separadores, labels
`outline-variant`	`#bdc8ce`	—	Bordes sutiles

Colores — Usecase Badges

Usecase	Clase Tailwind	Color
`debugging`	`bg-red-500/10 text-red-400`	🔴 Rojo
`writing`	`bg-blue-500/10 text-blue-400`	🔵 Azul
`review`	`bg-amber-500/10 text-amber-400`	🟡 Ámbar
`validation`	`bg-rose-500/10 text-rose-400`	🌹 Rosa
`ideation`	`bg-violet-500/10 text-violet-400`	🟣 Violeta
`redirect`	`bg-orange-500/10 text-orange-400`	🟠 Naranja
`content-structure`	`bg-emerald-500/10 text-emerald-400`	🟢 Esmeralda
`creative-thinking`	`bg-fuchsia-500/10 text-fuchsia-400`	🩷 Fucsia
`tone-correction`	`bg-cyan-500/10 text-cyan-400`	🩵 Cian
`role-assignment`	`bg-indigo-500/10 text-indigo-400`	🔷 Índigo
`identity`	`bg-teal-500/10 text-teal-400`	🫐 Teal
`reasoning-activation`	`bg-pink-500/10 text-pink-400`	🩷 Rosa claro

Tipografía

Token	Font	Peso	Uso
`font-headline`	Plus Jakarta Sans	extrabold (800)	h1, h2, card titles
`font-body`	Inter	regular (400)	Párrafos, descripciones
`font-label`	Space Grotesk	bold (700)	Tags, badges, metadata, CTAs
`font-mono`	System mono	regular	Code blocks, variables

Spacing (8px grid)

Token	Valor	Uso
Section gap	`mb-8` (32px)	Entre secciones
Card padding	`p-5` (20px)	Interior de cards
Card gap	`gap-4` (16px)	Entre cards en grid
Tag gap	`gap-1.5` (6px)	Entre badges
Footer padding	`px-5 py-3`	Card footer

Border Radius

Token	Valor	Uso
`rounded-xl`	8px	Cards, code blocks
`rounded-lg`	4px	Botones, badges
`rounded-md`	3px	Tags pequeños
`rounded-full`	999px	Pills

Componentes

Prompt Card (Template)

Cards con campo prompt en frontmatter. Muestran code preview con copy button.

ComfyUI para principiantes: tu primera imagen con SDXL paso a paso

Fri, 15 May 2026 00:00:00 +0000

TL;DR: La interfaz de nodos de ComfyUI abruma al principio. Pero el workflow por defecto es más simple de lo que parece: cargas un modelo → escribes un prompt → generas. Te explico cada nodo y cada conexión para que no te pierdas.

La interfaz de ComfyUI explicada

Cuando abres http://127.0.0.1:8188 por primera vez, ves un montón de cajas conectadas con flechas. Cada caja es un nodo (un paso del proceso), y cada flecha es un cable (datos que pasan de un paso al siguiente).

ComfyUI-Manager y custom nodes: amplía ComfyUI con ControlNet, upscalers y Flux

Fri, 15 May 2026 00:00:00 +0000

TL;DR: ComfyUI tiene 3450+ extensiones vía ComfyUI-Manager. Te explico cómo instalarlo y los 5 custom nodes que merece la pena tener: ControlNet, upscalers, soporte Flux, workflow templates, y el inspector de nodos.

Qué es ComfyUI-Manager

Es el gestor de paquetes de ComfyUI. Desde la interfaz web puedes instalar, actualizar y desinstalar extensiones sin tocar la terminal. Es como el pip pero con UI.

Más de 3450 extensiones disponibles, categorizadas y con búsqueda.

Corte limpio — Olvídate de X

Fri, 15 May 2026 00:00:00 +0000

La poda

El jardinero no riega la maleza. La corta.

Cuándo usarlo

El asistente está profundizando en un tema que ya no es relevante. Quizás fue útil explorarlo, pero ahora distrae del objetivo.

El patrón

Olvidate de <rabbit hole>. <Redirigir al foco real>.

Ejemplos de la sesión

"olvidate del offload" → Cortó 15 minutos de discusión CUDA
"olvidate estamos con ollama 13 hay otros motores" → Redirigió de CUDA 12.8 a comparar engines reales
"no olvidate estamos con ollama" → Cortó optimización prematura

Por qué funciona

El contexto del asistente es limitado. Cada línea sobre X es una línea que no está sobre Y. Cortar no es perder información — es proteger el foco.

Dividir y conquistar — No queremos indigestar

Fri, 15 May 2026 00:00:00 +0000

La caña

La caña se dobla pero no se rompe. Cada post resiste solo, pero juntos son un bosque.

Cuándo usarlo

El asistente produce un entregable largo (post, plan, documento) que intenta cubrir todo. Funcional pero indigesto.

El patrón

Esto es mucho. No queremos indigestar. Divídelo.
Cada pieza = un concepto = autónoma.
Juntas = serie coherente.

Ejemplos de la sesión

"no queremos indigestar" → Post de 311 líneas → 3 posts de 112-144 líneas
"tu eres el editor pero yo hare de critico" → Describir posts antes de escribirlos, permitir feedback

El principio

Un concepto = un post. Si necesitas explicar 3 cosas, son 3 posts.
Cada post es autónomo. Se lee sin los otros.
Juntos forman una serie. Links entre ellos.
El lector elige su profundidad. Lee 1 o lee 5.

Por qué funciona

El contexto del lector también es limitado. Un post de 300 líneas exige 15 minutos de atención. Tres posts de 120 exigen 5 minutos cada uno. El lector puede parar, volver, compartir uno solo. La modularidad es respeto por el tiempo del lector.

Editor y crítico — Asignar roles antes de crear

Fri, 15 May 2026 00:00:00 +0000

El casting

El director no actúa. El crítico no dirige. Cada rol tiene su momento.

Cuándo usarlo

Antes de que el asistente empiece a producir (escribir posts, código, planes). Definir quién hace qué.

El patrón

<Asignar rol al asistente>: tú eres <rol>.
<Asignar rol al usuario>: yo soy <rol>.
<Definir la entrega>: primero <describir>, luego <producir>.

Ejemplos de la sesión

"tu eres el editor pero yo hare de critico" → El asistente describe 5 posts sin escribirlos. El usuario decide cuáles van.
"eres un bloger de IT... revisa nuestro about enseñar para aprender" → Contexto + identidad + propósito antes de crear.

Por qué funciona

Sin roles, el asistente produce y evalúa a la vez. “Aquí está el post y está bueno”. Con roles, la producción y la evaluación son fases separadas. El asistente describe, el usuario juzga. La separación elimina el sesgo de justificación.

El precipicio VRAM: por qué tu modelo va a 7 tok/s en vez de 140

Fri, 15 May 2026 00:00:00 +0000

TL;DR: Si el modelo cabe en tu VRAM, va a 140 tok/s. Si no cabe, 7 tok/s. No hay punto medio. Y si le añades contexto largo, puede bajar a 0.9 tok/s. Lo medí todo.

El dato

Velocidad (tok/s)
 140 ┤ ■ gemma4:e4b (4.5B, cabe entero)
 │
 50 ┤ ■ qwen3:14b (14.8B, cabe entero)
 │
 7 ┤ ■ qwen3-coder-30b (30.5B, offload)
 7 ┤ ■ gemma4:26b (26B, offload)
 │
 0 ┤
 └────────────────────────────────────────── VRAM usada
 10 GB 15 GB 16 GB

20x de diferencia. No es una rampa. Es un precipicio.

¿Por qué pasa esto?

Tu GPU tiene VRAM (GDDR7, ultra rápida). Tu sistema tiene RAM (DDR5, ~20x más lenta).

El refrán como prompt — Sabiduría comprimida como herramienta de razonamiento

Fri, 15 May 2026 00:00:00 +0000

El código fuente

Un refrán es 1000 años de debugging en una línea.

La tesis

Los refranes, proverbios, paradojas y conceptos densos son prompts naturales. Evolucionaron durante milenios (refranes) o siglos (filosofía) o décadas (ingeniería) para comprimir un patrón de razonamiento en unas pocas palabras.

Cuando dices “zero trust” a un ingeniero de seguridad, no describe una policy. Activa todo un framework de pensamiento: “no asumas, verifica siempre, el perímetro no existe, cada interacción requiere autenticación”. Una frase activa un modo cognitivo completo.

Enseñar para aprender — Tu segunda memoria

Fri, 15 May 2026 00:00:00 +0000

El cuaderno

El que enseña aprende dos veces.

Cuándo usarlo

Al inicio de un proyecto creativo (serie de posts, documentación, tutorial). Define quién eres, para quién escribes, y por qué.

El patrón

<Definir identidad>: eres un <rol>.
<Definir propósito>: vamos a enseñar lo que hemos hecho.
<Definir fuente>: revisa <material existente> para calibrar tono.

Ejemplos de la sesión

"eres un bloger de IT, revisa nuestro about enseñar para aprender, vamos a enseñar a humanos lo que hemos hecho" → Cambió el tono de “guía técnica” a “crónica de aprendizaje”
"revisa nuestros post existentes para calzar perfecto" → Alineó con el formato y estilo del blog

Por qué funciona

El asistente tiende a escribir como autoridad — “aquí está la guía definitiva”. Pero los mejores posts de blog nacen de la experiencia, no de la autoridad. “Enseñar para aprender” cambia el frame: el escritor es el primero en aprender, el lector acompaña.

Incubación creativa — El baño caliente

Fri, 15 May 2026 00:00:00 +0000

El baño caliente

El agua caliente no resuelve problemas. Los disuelve.

Cuándo usarlo

Después de una sesión intensa de trabajo técnico. Los datos están, el plan está, pero falta la perspectiva. El “por qué” detrás del “qué”.

El patrón

<Reconocer el trabajo hecho>. 
Ahora descansa. 
Imagina que estás en <lugar relajante>. 
Sin querer te surgen ideas. 
Reflexionas. Eres creativo pero crítico.

Herramientas: think mode="be_creative" con contexto personal.

Ejemplos de la sesión

"descansa, imagina que estas en un baño caliente... surgen ideas, reflexionas" → Cambió el plan de tests de “medio” a “combustible”. Reveló que Post 1 no necesitaba tests nuevos.
"me gusta esa filosofia... siendo flexible como un junco una caña" → Capturó la esencia y la convirtió en principio rector.

Por qué funciona

El modo “productivo” del asistente genera planes, tablas, código. El modo “reflexivo” genera perspectiva. La diferencia: el plan dice “cómo”. La perspectiva dice “por qué” y “para qué”.

Instalar ComfyUI en una RTX 5080 con CachyOS: setup, lecciones y por qué Fooocus ya no sirve

Fri, 15 May 2026 00:00:00 +0000

TL;DR: Quise montar generación de imágenes local en mi RTX 5080. Fooocus estaba abandonado y me dio errores de dependencias. Investigué, diagnosticé el problema (Starlette 1.0 rompió la API de Gradio), y cambié a ComfyUI. Resultado: setup limpio con Python 3.12, PyTorch 2.12, CUDA 13, y SDXL base listo para generar.

El plan original: Fooocus + ComfyUI

La idea era simple: dos herramientas, un modelo SDXL compartido, outputs en carpetas separadas.

Inversión deliberada — Dale la vuelta

Fri, 15 May 2026 00:00:00 +0000

La inversión

Si todos miran hacia el norte, mira al sur. No porque el norte esté mal, sino porque al sur no hay nadie.

Cuándo usarlo

El asistente propone una estructura, plan o enfoque que es correcto pero genérico. Funcional pero sin alma. La respuesta esperada.

El patrón

<Directiva de pensamiento creativo>. Dale la vuelta.

Herramientas: think mode="be_creative", think mode="red_team", o simplemente "dale la vuelta".

Ejemplos de la sesión

"/creative dale la vuelta" → De “cómo montar IA local” (tutorial) a “errores que me explotaron” (crónicas)
"esos titulos parecen hechos por un niño tonto" → De clickbait a técnico con respeto por la audiencia

Por qué funciona

El primer impulso del asistente es el más común — probablemente el que cualquier otro asistente daría. Forzar la inversión no es rechazar lo obvio, es buscar lo que falta en el espacio de soluciones.

InvokeAI: la alternativa a ComfyUI con interfaz simple para generación de imágenes

Fri, 15 May 2026 00:00:00 +0000

TL;DR: ComfyUI es potente pero su interfaz de nodos no es para todo el mundo. InvokeAI (v6.12, activo) ofrece una experiencia similar a Midjourney: escribes un prompt, ajustas un par de sliders, y generas. Con canvas profesional para inpainting y outpainting. Aquí te cuento cuándo elegir cada uno.

El problema: ComfyUI abruma

Es real. La interfaz de nodos de ComfyUI es increíblemente potente, pero:

Hay que entender qué hace cada nodo y cada conexión
Un workflow básico tiene 5-6 nodos; uno avanzado puede tener 30+
Si algo falla, tienes que rastrear el error por los cables
No hay un botón simple de “generar imagen”

Si tu uso es “quiero escribir un prompt y obtener una imagen bonita”, los nodos son overhead.

Know your audience — No somos niños tontos

Fri, 15 May 2026 00:00:00 +0000

La diana

Si apuntas a todos, no das a nadie.

Cuándo usarlo

El asistente produce contenido con el tono equivocado: demasiado simple, demasiado marketing, demasiado académico. Funcional pero fuera de target.

El patrón

<Rechazar el tono actual con concreción>.
<Describir la audiencia real>: quiénes son, qué saben, qué han invertido.
<Describir lo que quieren>: no entretenimiento, sino <necesidad real>.

Ejemplos de la sesión

"esos titulos parecen sacados de algo hecho por un niño tonto" → Rechazó clickbait
"somos interesados en la informatica geeks gente que por lo menos se ha gastado la pasta en una 5070 y no sabe como usarla" → Definió audiencia: gente que ha gastado 400-1500€ en GPU y quiere ROI
"y si pobre 5060" → Amplió la audiencia: no solo 5080/5090, también 5060 con 8GB

Por qué funciona

El asistente tiende a escribir para “todo el mundo” — el denominador común más bajo. Pero el contenido excelente escribe para alguien específico. La corrección de audiencia no es fastidio — es calibración del tono.

Mixture of Experts: cómo 30.000 millones de parámetros solo usan 3.000 millones por token

Fri, 15 May 2026 00:00:00 +0000

TL;DR: Un modelo MoE tiene muchos parámetros pero solo usa una fracción por token. Eso permite que modelos de 30B “piensen” como si fueran de 3B, pero con más conocimiento disponible. La trampa: todos los parámetros deben estar en memoria, aunque no se usen todos a la vez.

El problema

Un modelo tradicional (dense) procesa todos sus parámetros para cada token que genera. Un modelo de 14B procesa 14B por token. Uno de 30B, 30B. Más parámetros = más calidad, pero también más memoria.

RTX 50xx e IA local: qué modelo instalar según tu GPU (con velocidades reales)

Fri, 15 May 2026 00:00:00 +0000

TL;DR: Tienes una RTX 50xx, quieres IA local, y no sabes qué modelo instalar. Aquí está la respuesta directa: tu GPU → tu modelo → tu comando.

Un comando para empezar

# Instalar Ollama (Arch / CachyOS)
sudo pacman -S ollama-cuda
sudo systemctl enable --now ollama

# Tu primer modelo
ollama pull gemma4:e4b
ollama run gemma4:e4b "Hola, ¿me lees?"

Si responde, ya tienes IA local. Sin Docker, sin Python, sin configuración.

Validación en cadena — Abogado del diablo

Fri, 15 May 2026 00:00:00 +0000

La autopsia

No confíes en el plan. Confía en la verificación. La autopsia se hace antes de morir.

Cuándo usarlo

El asistente presenta un plan completo, una propuesta, o afirma algo con confianza. Antes de ejecutar, validar.

El patrón

¿Estás seguro? <capa 1: verificación de hechos>
Revisa en internet <capa 2: benchmarking externo>
¿Nos aporta algo? <capa 3: diferencial>
¿Estamos alineados? <capa 4: coherencia>
Mejoras <capa 5: optimización>
Audita, valida, justifica <capa 6: evidencia>
Abogado del diablo <capa 7: ataque desde el lado contrario>
KISS <capa 8: simplicidad>

No hace falta usar todas las capas. Pero cada capa añade robustez.

Auditoría Frontend — pabloib.com

Tue, 12 May 2026 00:00:00 +0000

Auditoría Frontend — pabloib.com

Fecha: 2026-05-12 Alcance: Layouts, CSS, patrones de diseño, mobile Fuentes: ui-ux-pro-max, web-design-guidelines, inspección de código Estado: Hallazgos — pendiente de triaje

CRÍTICO — Overflow horizontal en mobile

Síntoma: El usuario puede hacer scroll horizontal en varias páginas.

Causas raíz identificadas

#	Archivo	Problema	Severidad
1	`head.html`	`body { min-height: max(884px, 100dvh) }` — valor fijo 884px (estético, no causa overflow)	🟢 Bajo
2	`index.html`	Filtros de categoría con `-mx-4` (margen negativo) + `px-4` + `overflow-x-auto` — sangrado deliberado pero sin contenedor overflow-hidden	🟡 Medio
3	`index.html`	Artículo destacado: `text-3xl ... md:text-5xl` + `max-w-3xl` sin `overflow-hidden` — títulos largos desbordan en 375px	🟡 Medio
4	`index.html`	80+ líneas de `<style>` inline en el template (filtros scroll) — debería ser CSS externo	🟡 Medio
5	`about.html`	`grid-cols-3` de stack items con emojis + texto — en 320px cada celda mide ~90px, texto cortado	🟡 Medio
6	`baseof.html`	Sin `overflow-x: hidden` en body/html — ningún catch-all para overflow	🔴 Alto
7	`prompts/list.html`	Cards con `min-w-max` implícito por flex + texto de prompt sin truncar	🟡 Medio

Fix global propuesto

/* Añadir a head.html <style> */
html {
 overflow-x: hidden;
}
body {
 overflow-x: hidden;
}

Y reemplazar min-height: max(884px, 100dvh) por min-height: 100dvh (el 884px actual no causa overflow, solo es estético).

Auditoría profunda: HugoBlox (Kit)

Tue, 12 May 2026 00:00:00 +0000

Auditoría profunda: HugoBlox (Kit)

Fecha: 2026-05-12 Repositorio: https://github.com/HugoBlox/kit (fork: https://github.com/pabloalgo/kit-hugo) Docs: https://hugoblox.com/docs/ Licencia: MIT Autor: George Cushen / Lore Labs Historia: 9 años (Hugo Academic → Wowchemy → HugoBlox, 3 renombrados) Stars: 9.4K | Forks: 2.9K | Sitios: 150K+ (acumulados desde 2016) Último commit: 2 Mayo 2026 (hace 10 días)

Arquitectura del framework

Estructura de módulos

kit/
├── modules/
│ ├── blox/ → CORE: layouts, partials, blocks, assets
│ │ ├── archetypes/ → Front matter templates
│ │ ├── assets/ → CSS core (Tailwind v4), JS
│ │ ├── blox/ → Block definitions (YAML schemas?)
│ │ ├── data/ → Default data files
│ │ ├── i18n/ → Internationalization
│ │ ├── layouts/ → 🧱 LAYOUTS ENGINE
│ │ │ ├── _partials/hbx/ → Block engine (resolve.html, sections.html)
│ │ │ ├── _markup/ → Render hooks
│ │ │ ├── _shortcodes/ → Shortcodes
│ │ │ ├── authors/ → Author profiles layout
│ │ │ ├── docs/ → Documentation section layout
│ │ │ ├── events/ → Events section layout
│ │ │ ├── faq/ → FAQ section layout
│ │ │ ├── landing/ → Landing page (block composer)
│ │ │ ├── publications/ → Publications section layout
│ │ │ ├── questions/ → Q&A section layout
│ │ │ └── slides/ → Slide deck layout
│ │ └── schemas/ → JSON schemas for validation
│ ├── slides/ → Reveal.js slide module
│ └── integrations/netlify/ → Netlify deploy config
└── templates/
 └── academic-cv/ → Template de referencia
 ├── config/_default/ → hugo.yaml, params.yaml
 ├── content/ → Demo content
 └── go.mod → Solo 3 deps: blox + slides + netlify

Block Engine — Cómo funciona

El sistema de bloques es el core de HugoBlox. Funciona así:

Evaluación: HugoBlox (Kit)

Tue, 12 May 2026 00:00:00 +0000

Evaluación: HugoBlox (antes Wowchemy / Hugo Academic)

Fecha: 2026-05-12 URL: https://hugoblox.com/ GitHub: https://github.com/HugoBlox/kit Licencia: MIT Autor: George Cushen / Lore Labs Desde: 2016 (9 años) Stars: 9.4K+ | Forks: 2.9K | Sitios: 150.000+

Qué es

Framework Hugo con sistema de bloques Tailwind, tipos de contenido estructurado, búsqueda Pagefind y opcionalmente IA generativa (Hugo Chat) y CMS visual (Ownable CMS para VS Code).

Antes se llamaba Wowchemy / Hugo Academic — muy conocido en el mundo académico (investigadores, universidades). Renombrado a HugoBlox en 2024 con pivote hacia SaaS/landing pages.

Evaluación: Hugolify — Framework Hugo modular

Tue, 12 May 2026 00:00:00 +0000

Evaluación: Hugolify — Framework Hugo modular

Fecha: 2026-05-12 URL: https://www.hugolify.io/docs/ GitHub: https://github.com/Hugolify/ Licencia: MIT Autor: Sébastien Moulène (@sebousan)

Qué es

Framework Hugo modular con sistema de bloques, tipos de contenido, taxonomías y multi-CMS. Piensa en él como un “WordPress de Hugo” — estructura modular, CMS integrado, bloques reutilizables.

Arquitectura

hugolify-template (tu sitio)
├── hugolify-theme → layouts, archetypes, i18n (sin CSS/JS)
├── hugolify-theme-bootstrap → Bootstrap 5 + SASS + JS (módulo de estilos)
├── hugolify-admin → CMS config (Sveltia, Decap, Netlify, etc.)
└── hugolify-theme-* → módulos de contenido que necesites

Principio clave: el theme es framework-agnostic. Solo proporciona layouts y templates. El CSS/JS viene de un módulo separado que puedes intercambiar (Bootstrap, design system propio, o incluso Tailwind).

Plan: Hugo Module Mounts para eliminar duplicación

Sun, 10 May 2026 00:00:00 +0000

Plan: Hugo Module Mounts para eliminar duplicación docs/ ↔ content/internal/

Fecha: 2026-05-10 Estado: Propuesto Tipo: Decisión arquitectónica (requiere ADR)

Problema

13 archivos duplicados entre docs/ (fuente para agentes/Obsidian) y content/internal/ (publicado por Hugo detrás de Cloudflare Access). Las copias ya divergieron. Sin mecanismo de sync, el drift empeora con el tiempo.

Decisión

Usar Hugo module mounts para que Hugo lea docs/ durante el build y lo sirva como contenido en /internal/. Una sola fuente de verdad: docs/.

Plan: Memoria del agente, laboratorio CMS y plantillas operativas

Sun, 10 May 2026 00:00:00 +0000

Plan: memoria del agente, laboratorio CMS y plantillas operativas

Fecha: 2026-05-09 Estado: actualizado — fases base implementadas, fase de templates pendiente

Objetivo

Dejar /home/pablo/dev/projects/pabloib/AGENTS.md como una memoria corta, estable y útil para Pi, y mover el conocimiento específico a lugares reutilizables.

El objetivo no es meter todo el conocimiento de Hugo, Sveltia, imágenes, WordPress y mantenimiento en AGENTS.md, sino separar responsabilidades para reducir decisiones repetidas, errores y consumo de tokens.

Plan: Zonas Privadas

Sun, 10 May 2026 00:00:00 +0000

Zona Privada — Estado Actual y Plan de Activación

Fecha: 2026-05-09 Proyecto: pabloib.com (Hugo + Cloudflare Pages) Documento: Referencia para replicar en clientes

1. El problema que resolvimos

El contenido interno del blog estaba accesible públicamente en producción:

URL	Estado antes	Estado después
`pabloib.com/reports/`	❌ Público (con informes internos visibles)	✅ No existe en producción
`pabloib.com/reports/2026-04-16-blog-corrections/`	❌ Público (correcciones internas visibles)	✅ No existe en producción
`pabloib.com/members/`	🟡 No generado (tenía `draft: true`)	✅ No existe en producción

Verificación: rm -rf public && npm run build → 180 páginas (antes 183). Ni reports/ ni members/ se generan.

Postmortem: Migración Sveltia CMS + Page Bundles

Sun, 10 May 2026 00:00:00 +0000

Post-Mortem: Migración Sveltia CMS + Page Bundles

Fecha: 2026-05-10 Sesión: ~3 horas Resultado: CMS funcional con 26 posts visibles (Page Bundles) Coste: 3 reverts, 1 ADR incorrecto, 2 versiones de plan desperdiciadas

Línea de tiempo

10:00 Instalamos Sveltia CMS. Funciona, pero solo ve flat files.
 Probamos nested: depth: 1 → no funciona.
 Revertimos Page Bundles → flat files.
 CMS ve 26 posts. ✅

10:45 El arquitecto dice que path: "{{slug}}/index" SÍ funciona.
 Busco en GitHub — Discussion #190 lo confirma.
 Actualizo planes (ADR-001, CMS-IMAGE-OPTIMIZATION-PLAN v2.0).
 Revertimos flat files → Page Bundles otra vez.

11:30 CMS muestra solo 21 de 26 posts.
 Empiezo a investigar sin datos reales:
 - ¿Drafts ocultos? → Añado view_filters
 - ¿Permisos? → Todos normales
 - ¿YAML corrupto? → Todo válido
 - ¿Slug no coincide? → 13 discrepancias pero no es eso
 - ¿Post fantasma? → "Builds reproducibles" pero no hay razón clara

12:30 Pido al usuario que abra la consola del navegador.
 El error está ahí desde el minuto 1:

 YAMLParseError: Nested mappings are not allowed
 content/posts/2026-04-12-skills-superpoderes-bajo-demanda/index.md

12:35 Corrijo 10 posts (--- pegado al body → salto de línea).
 Deploy. CMS muestra 26 posts. ✅

Tiempo perdido por no abrir la consola: ~90 minutos.

El bug

Qué era

10 posts tenían el closing delimiter del front matter pegado al body:

Postmortem: Section Lists — Layout lookup, código muerto y sed salvaje

Sun, 10 May 2026 00:00:00 +0000

Postmortem: Section Lists — Layout lookup, código muerto y sed salvaje

Fecha: 2026-05-10 Sesión: Internal section list UX Severidad: Baja (no afectó producción, detectado en desarrollo)

Resumen

Al implementar section lists para /internal/, cometí 3 errores de diagnóstico que habrían roto el sitio si se hubieran deployado sin verificación.

Impacto

Tiempo perdido: ~20 min debuggeando layout lookup incorrecto
Tiempo perdido: ~5 min debuggeando partial invisible
1 commit con description dentro de un code block (corregido antes de push)

Línea de tiempo

Afirmé: “_default/list.html puede manejar subsecciones internas con .CurrentSection”
Implementé bifurcación $isInternalSubsection en _default/list.html
No funcionaba — /internal/evaluations/ seguía mostrando el dashboard
Intenté quitar layout: internal de los _index.md — tampoco funcionó
Inyecté <meta name="dbg"> en ambos layouts y comparé HTML generado
Evidencia: las 3 URLs usaban internal/list.html, nunca _default/list.html
La bifurcación era código muerto — Hugo prioriza layouts/{section}/ sobre layouts/_default/
Corrección: mover la bifurcación a layouts/internal/list.html (donde realmente se ejecuta)
Escribí section-list.html como partial con {{ define "main" }} — invisible
Corrección: quitar define, partial puro
sed masivo reemplazó description: "" dentro de un code block de ejemplo
Corrección: grep -n post-sed, revertir la línea 90

Causa raíz

Razonamiento sin evidencia. Asumí el layout lookup de Hugo en vez de verificar con el HTML generado. Hugo no da errores cuando un template no se usa — simplemente lo ignora.

Roadmap — Pablo IB

Sun, 10 May 2026 00:00:00 +0000

Roadmap — Pablo IB

Estado: 2026-05-18

En progreso

Validar Sveltia workflow local (F5.1+F5.2 del plan de auditoría)
ADR para el sistema de filtros en docs/decisions/ (viola PROHIBICIÓN ESTRICTA)

Backlog — PWA

Install prompt personalizado: Banner “Añadir a pantalla de inicio” con UX nativa en vez del prompt genérico de Chrome
Cache de imágenes: Estrategia Cache First para imágenes del blog (muchas son estáticas)
Periodic background sync: Actualizar cache en segundo plano cuando el usuario visita
Share target: Permitir compartir URLs/texto hacia la app desde otras apps móviles
Iconos adaptativos: Iconos monocromáticos para Android 13+ themed icons

Backlog — UX

Burger menú en desktop: Navegación completa para desktop
Visibilidad de la sección prompts: Mejorar discoverability desde la home
Imágenes en posts: Campo image en Sveltia CMS (ver CMS-IMAGE-OPTIMIZATION-PLAN.md)
Zonas privadas: Ver PRIVATE-ZONES-PLAN.md — ✅ HECHO (2026-05-12)
Hero card imagen: Placeholder visual cuando no hay imagen destacada

Backlog — Técnico

Migrar búsqueda Fuse.js → Pagefind: Pagefind (Rust-based) reemplaza Fuse.js. Índice pre-build, lazy loading de fragmentos, stemming, filtros por categoría, ranking superior. Ya integrado en bazar-lab con CI pipeline (ver bazar-lab/.github/workflows/). Migración: añadir paso pagefind post-Hugo en CI, reemplazar UI de search en main.js, eliminar JSON index. Ver ADR-009.
ADR-009: Decisión Fuse.js → Pagefind (cuándo, por qué, pipeline CI)
CF Workers auth para CMS: Edición remota desde pabloib.com/admin/ — ✅ HECHO (2026-05-12)
Migración WP→Hugo: Fase 2 pendiente (ver WP-TO-HUGO-MIGRATION-PLAN.md)

Done

2026-05-18 (v2.6.0):

Runbook: Desarrollo Local

Sun, 10 May 2026 00:00:00 +0000

Runbook: Desarrollo Local (Pre-producción)

Propósito: Workflow obligatorio antes de hacer push a GitHub o deploy a Cloudflare Pages. Regla de oro: Todo se valida en local primero. Cero pushes ciegos.

Workflow secuencial

1. npm run dev → Levanta servidor local (puerto 1315)
2. Validar en navegador → http://localhost:1315/
3. validate-content.sh → Escudo automático de contenido
4. npm run build → Build de producción (minificado)
5. git add + commit → Solo si 3 y 4 pasan

Nunca saltar pasos. Nunca push si 3 o 4 fallan.

Runbook: Resolver problemas de Sveltia CMS

Sun, 10 May 2026 00:00:00 +0000

Runbook: resolver problemas de Sveltia CMS

Estado: operativo (workflow local) Última revisión: 2026-05-10

Modo de operación

Sveltia funciona en workflow local sin auth. Ver AGENTS.md sección “CMS y laboratorio”.

npm run dev → http://localhost:1315/admin/index.html → Work with Local Repository

No requiere CF Workers, OAuth, ni base_url.

Cuándo usar este runbook

Usar este runbook cuando el CMS de /home/pablo/dev/projects/pabloib/static/admin/:

no muestra posts;
no guarda cambios;
no carga imágenes;
muestra errores de autenticación;
parece incoherente con el contenido que existe en disco;
falla después de cambiar content/posts/, static/admin/config.yml, CSP o Cloudflare.

Regla principal

Sveltia CMS es una SPA. Cuando algo falla, mirar primero el navegador.

Auditoría de Arquitectura — pabloib.com

Sat, 09 May 2026 00:00:00 +0000

Auditoría de Arquitectura — pabloib.com

Fecha: 2026-05-09
Versión auditada: v2.5.0 (con posts no releaseados en master)
Auditor: Arquitecto IT (vía Pi)
** Método:** Inspección directa de archivos, config y git history

1. ¿De dónde venimos? (Contexto y Decisiones)

1.1 Motivación de la estructura actual

El proyecto nació el 2026-03-25 (v1.0.0) como un blog personal Hugo con el tema Paper (submodule Git). La evolución fue rápida y orientada a iterar sobre funcionalidad visible:

Cómo duplicar la RAM de tu Linux con zram y swap comprimida (sin comprar nada)

Sat, 09 May 2026 00:00:00 +0000

TL;DR: Configuré zram + swap en disco + systemd-oomd en mi Linux y pasé de 32 GB a 64 GB de memoria efectiva. Lo probé con stress-ng allocando 22 GB extra hasta verificar que funciona. No compré nada.

¿Es esto para ti?

Tu RAM	¿Te ayuda?	Por qué
4 GB	✅ Mucho	zram puede darte el equivalente a 6-8 GB. Cambia la experiencia por completo.
8-16 GB	✅ Bastante	Ideal para esta configuración. Firefox, IDEs y Docker notan la diferencia.
32 GB	✅ Sí	Mi caso. Docker + IDEs + Firefox = se llena. Con 64 GB efectivos va sobrado.
64+ GB	⚠️ Poco	Probablemente no necesitas esto. A menos que uses VMs pesadas o compilación masiva.

¿Cómo saber si ya tienes zram?

swapon --show

Si ves una línea con /dev/zram0, tu distro ya lo tiene habilitado. Pero probablemente esté mal configurado. Sigue leyendo.

RAM → zram → swap en disco: cómo montar un sistema de swap por capas y probarlo con stress-ng

Sat, 09 May 2026 00:00:00 +0000

TL;DR: Crea un swapfile de 16 GB con chattr +C (Btrfs) y ponle prioridad 50 en fstab. El kernel usará zram primero y desbordará al disco solo cuando zram se llene. Lo probé con stress-ng: 22 GB extra absorbidos, sistema volvió a la normalidad sin reiniciar.

zram comprime en RAM. El swapfile escribe en disco. Juntos crean un sistema de memoria por capas: lo activo en RAM, lo tibio en zram, lo frío en disco.

Swappiness 180: el valor que hace funcionar zram (y la regla udev que te lo estaba impidiendo)

Sat, 09 May 2026 00:00:00 +0000

TL;DR: Crea /etc/sysctl.d/99-vm-zram-parameters.conf con vm.swappiness = 180 y los otros 3 parámetros. Luego busca si tu distro tiene reglas udev o archivos sysctl que lo sobrescriban — ese fue mi problema.

Si solo quieres que funcione, copia estos comandos:

sudo tee /etc/sysctl.d/99-vm-zram-parameters.conf << 'EOF'
vm.swappiness = 180
vm.watermark_boost_factor = 0
vm.watermark_scale_factor = 125
vm.page-cluster = 0
EOF
sudo sysctl --system

Luego verifica: cat /proc/sys/vm/swappiness debe mostrar 180. Si muestra otro valor, sigue leyendo — tienes un conflicto.

systemd-oomd y Docker limits: lo que nadie te cuenta para proteger tu sistema

Sat, 09 May 2026 00:00:00 +0000

TL;DR: Habilita systemd-oomd — protege tu escritorio matando procesos selectivamente cuando la memoria falla. Si usas Docker, pon límites de memoria a tus containers — sin límite, un container con fuga puede comerse toda la RAM del host.

Todo lo anterior — zram, sysctl, swap por capas — da más margen. Pero si un proceso crece 10 GB por una fuga de memoria, solo hay dos cosas que pueden salvar tu sesión: un OOM killer inteligente y containers con límites.

zram: mitad de RAM, algoritmo zstd y por qué tu distro lo tiene mal configurado

Sat, 09 May 2026 00:00:00 +0000

TL;DR: Pon zram-size = ram / 2 en /etc/systemd/zram-generator.conf, usa zstd, y reinicia. Tu distro probablemente tiene zram al 100% de RAM, que es demasiado agresivo.

¿Qué es zram? Es un módulo del kernel que crea swap comprimida dentro de tu RAM. Piensa en ello como una nevera que comprime la basura para que quepa más. No necesitas disco — comprime y descomprime en memoria. Con un ratio de ~3.5:1, 16 GB de zram solo consumen ~4.5 GB de RAM física.

Evaluación: Context-Mode para Pi Coding Agent

Wed, 06 May 2026 00:00:00 +0000

Evaluación: Context-Mode para Pi Coding Agent

Fecha: 2026-05-06
Autor: Portfolio Manager (project-manager)
Revisión: ✅ Aprobada por Orchestrator SAVA (SAVA-3125)
Decisión: Piloto en storygen-ai + pabloib + timetracker → evaluar extensión a savoury
Fecha revisión resultados: ~2026-05-20 (2 semanas)

Descripción de la Extensión

Campo	Valor
Nombre	context-mode
URL Pi.dev	https://pi.dev/packages/context-mode
Repositorio	https://github.com/mksglu/context-mode
npm	`npm:context-mode` v1.0.111
Autor	Mert Koseoglu (mksglu)
Licencia	Elastic-2.0 (no open source)
Tipo	extension + skill + MCP server
Tamaño	2.8 MB
Descargas	54.3K/mes
Estrellas	13.5K GitHub stars
Plataformas	14 (incluyendo Pi Coding Agent)

¿Qué hace?

Context-mode es un servidor MCP que optimiza el uso del contexto (context window) de los LLM en agentes de coding. Ataca 4 problemas:

RTK prometía ahorrar un 80% de tokens. Dos horas después lo desactivé

Tue, 28 Apr 2026 00:00:00 +0000

Es como comprar un deshumidificador para la nevera sin abrirla primero. No sabes si hay condensación. No sabes si la necesitas. Pero el envoltorio dice “elimina el 80% de la humedad” y lo compras. Hace unos días hice exactamente eso, pero con tokens.

El señuelo del 80%

RTK (Rust Token Killer) es un proxy CLI que comprime la salida de comandos antes de que llegue al contexto del modelo. git status de 120 tokens a 30. cargo test con 262 tests passing de 4.800 tokens a 11. Los números son ridículamente buenos.

Hermes vs Agent Zero: no son rivales, son complementarios

Tue, 21 Apr 2026 00:00:00 +0000

Llevo semanas leyendo documentación de dos agentes de IA que prometen lo mismo — ser tu copiloto inteligente — pero que en la práctica son tan distintos como un bisturí y un martillo. Ambos cortan. No querrás usar el mismo para todo.

Hermes Agent viene de Nous Research, un lab con modelos propios. Agent Zero es proyecto comunitario open-source. Ambos en Python, ambos extensibles, ambos con memoria persistente. Y ahí terminan las similitudes.

Auditar y mejorar un AGENTS.md

Fri, 17 Apr 2026 00:00:00 +0000

Cuándo usarlo

Cuando tienes un archivo AGENTS.md (o CLAUDE.md, .cursorrules, etc.) que quieres auditar. Útil antes de onboarding de nuevos agentes, tras cambios de arquitectura, o cuando notas que el agente ignora instrucciones que creías haber documentado.

Variables

Variable	Qué poner
`<agents-md>`	El contenido completo del archivo AGENTS.md
`<contexto-proyecto>`	Lenguaje, framework, tipo de proyecto, tamaño del equipo
`<herramienta-agente>`	Pi, Claude Code, Cursor, Copilot, u otro agente

Notas de uso

Si el archivo es muy largo, puedes pedir que el análisis se centre en secciones específicas.
Este prompt está optimizado para Claude y GPT-4; con modelos más pequeños, puede ser necesario simplificar las secciones de análisis.
La “versión mejorada” que genera es un punto de partida, no un reemplazo directo. Revísala antes de aplicar.
Si usas un sistema con múltiples archivos de instrucciones (como Pi con .pi/), incluye la ruta relativa de cada archivo para que el agente entienda la jerarquía.

Ejemplo de uso

Eres un experto en configuración de agentes de IA para proyectos de software. Analiza el siguiente archivo de instrucciones de agente y propón mejoras concretas.

**Archivo a auditar:**
# AGENTS.md
## Stack
Hugo v0.159.2, Tailwind CSS v3.4
## Comandos
npm run dev, npm run build
## Reglas
No editar themes/paper/
[... resto del archivo]

**Contexto del proyecto:**
Blog estático Hugo desplegado en Cloudflare Pages. Un solo mantenedor. Usa Pi como agente.

**Herramienta/agente utilizado:**
Pi (pi-coding-agent)

[... resto del prompt]

Debugging TypeScript: rastreo de errores y fixes

Fri, 17 Apr 2026 00:00:00 +0000

Cuándo usarlo

Cuando tienes un error de TypeScript que no resuelves rápido: mensajes crípticos del compilador, fallos de inferencia de tipos, o bugs en runtime que podrían estar relacionados con el sistema de tipos. Especialmente útil cuando el error cruza varios archivos o involucra generics complejos.

Variables

Variable	Qué poner
`<error>`	El mensaje de error completo del compilador o runtime
`<stack>`	El stack trace si existe (puede ir vacío si no aplica)
`<contexto>`	Versión de TypeScript, framework, tipo de proyecto (Node, Deno, app frontend)
`<código-relacionado>`	Los archivos o fragmentos de código involucrados en el error

Notas de uso

Si el error está en un test, incluye el código del test además del código que testea.
Para errores de tipos genéricos complejos, incluye las definiciones de interfaces o types relevantes.
Si usas un framework (Next.js, Nest, etc.), menciónalo en el contexto para obtener fixes alineados con sus convenciones.
El prompt pide el fix mínimo; si necesitas una refactorización más amplia, pídelo explícitamente en un segundo mensaje.

Ejemplo de uso

Eres un experto en TypeScript. Analiza el siguiente error y propón una solución.

**Error:**
Type 'string | undefined' is not assignable to type 'string'.
 Type 'undefined' is not assignable to type 'string'.

**Stack trace:**
src/utils/format.ts:12:5 - error TS2322

**Contexto del proyecto:**
TypeScript 5.4, Next.js 14 App Router, strict mode habilitado

**Código relacionado:**
function formatUser(user: { name?: string }): string {
 return user.name; // error aquí
}

Sigue este proceso:
[... resto del prompt]

Estructurar un post técnico en español

Fri, 17 Apr 2026 00:00:00 +0000

Cuándo usarlo

Cuando quieres escribir un artículo técnico en español y necesitas una estructura sólida antes de empezar a redactar. Especialmente útil para posts de blog, guías o tutoriales donde el contenido técnico necesita estar bien organizado sin sacrificar la narrativa.

Variables

Variable	Qué poner
`<tema>`	El tema concreto del artículo
`<audiencia>`	Nivel técnico de los lectores (junior, mid, senior, generalista)
`<objetivo>`	Qué debe poder hacer el lector tras leer el artículo
`<referencias>`	Links, docs, o contexto adicional relevante

Notas de uso

El prompt genera primero el outline y espera tu validación. Esto es intencional: te da control antes de generar el contenido completo.
Para artículos de opinión, quita la sección de “Ejemplos de código” y añade “Argumentos a favor y en contra”.
Para tutoriales paso a paso, especifica “formato tutorial” en el objetivo para que el outline tenga numeración clara.
Si tu blog tiene convenciones específicas (front matter, longitud de párrafos, uso de imágenes), añádelas en “referencias”.
El prompt pide estimación de longitud: útil para planificar si el post encaja en tu calendario editorial.

Ejemplo de uso

Eres un editor técnico experto en contenido en español. Ayúdame a estructurar un post técnico completo.

**Tema:**
Cómo configurar un agente de código con Pi para un proyecto Hugo existente

**Audiencia:**
Desarrolladores que ya usan Hugo y quieren integrar Pi como asistente de código. Nivel mid-senior.

**Objetivo del artículo:**
Que el lector pueda configurar Pi en su proyecto Hugo en menos de 30 minutos, entendiendo cada archivo de configuración.

**Referencias:**
- Blog personal en Hugo v0.159.2 con tema Paper
- Deploy en Cloudflare Pages
- CSP estricta, sin inline scripts

[... resto del prompt]

Auditoría Profunda V3 — PabloIB

Thu, 16 Apr 2026 00:00:00 +0000

AUDITORÍA PROFUNDA V3 — PabloIB

Fecha: 2026-05-10 Metodología: Zero Trust — cada hallazgo respaldado por comando ejecutado desde disco Alcance: Contrato de datos, escudo de validación, código muerto, infraestructura auth Agente: Pi (auditoría ejecutada secuencialmente, sin saltar pasos)

PASO 1: Contrato de Datos — Layouts vs Sveltia CMS

Comandos ejecutados

# 1A: Extraer todos los .Params de página que los layouts piden
grep -rhE '\.Params\.[a-zA-Z0-9_]+' layouts/ | grep -v '\.Site\.Params' | sed 's/.*\.Params\.\([a-zA-Z0-9_]*\).*/\1/' | sort | uniq

# 1B: Contexto exacto de cada uso
grep -rn '\.Params\.' layouts/ | grep -v '\.Site\.Params'

# 1C: Campos definidos en Sveltia (colección posts)
python3 → yaml.safe_load → collections[name=posts].fields[].name

# 1D: Verificar qué layouts usan cada param huérfano
grep -rn "\.Params\.$param" layouts/

# 1E: Verificar qué posts/prompts reales usan esos params
grep -l "^${field}:" content/posts/*/index.md
grep -l "^${field}:" content/prompts/*.md

Resultado: Variables que los layouts piden pero Sveltia NO provee

Variables de POSTS (layout compartido: single.html, index.html, list.html)

Variable	Layouts que la piden	En Sveltia	Posts reales que la usan	Impacto
`image`	`single.html:37-39`, `index.html:68-70`, `head.html:44`	❌ AUSENTE	1 de 26 posts	CRÍTICO — posts sin imagen hero, cards vacías, sin OG image
`noindex`	`head.html:77`	❌ AUSENTE	0 de 26	Bajo — solo útil para páginas específicas
`faq`	`jsonld.html:19`	❌ AUSENTE	0 de 26	Bajo — schema FAQ enriquecido no disponible desde CMS

Variables de PROMPTS (layout dedicado: prompts/list.html, prompts/single.html)

Variable	Layouts que la piden	En Sveltia (colección prompts)	Prompts reales	Impacto
`usecase`	`prompt-metadata.html:2`, `prompts/list.html:26`, `related-section.html:11`	❌ AUSENTE	3 de 3	ALTO — todos los prompts lo usan, Sveltia no lo expone
`models`	`prompt-metadata.html:8`, `prompts/list.html:60`	❌ AUSENTE	3 de 3	ALTO — metadata de modelos no editable desde CMS
`prompt`	`prompts/list.html:46`, `prompts/single.html:49`	❌ AUSENTE	3 de 3	ALTO — el contenido principal del prompt no editable desde CMS
`variables`	`prompts/list.html:56`, `prompts/single.html:37`	❌ AUSENTE	3 de 3	ALTO — variables del prompt no gestionables
`related_posts`	`prompts/single.html:87`	❌ AUSENTE	3 de 3	Medio — links a posts no editables
`related_prompts`	`prompts/single.html:84`	❌ AUSENTE	3 de 3	Medio — links a prompts no editables

Hallazgo crítico: Sveltia Prompts es completamente inútil

La colección prompts en Sveltia solo expone: title, description, date, tags, draft, body.

Plan: WordPress → Hugo

Thu, 16 Apr 2026 00:00:00 +0000

Plan de Implementación: WordPress → Hugo (Laboratorio pabloib.com)

Fecha: 2026-05-09 Versión: 2.0 — Revisión arquitectónica tras hallazgos de Fase 2 Estado: Fase 1 completada, Fase 2 en progreso (CMS instalado, ajustando modelo de contenido) Propósito: Validar en pabloib.com un flujo de trabajo reproducible para migrar clientes de WordPress a Hugo + Cloudflare

Objetivo

Convertir pabloib.com en una plantilla funcional que demuestre que un cliente WordPress puede:

Editar contenido desde un panel web sin tocar Git
Subir imágenes desde su móvil que se sirvan optimizadas (WebP/AVIF)
Mantener SEO, seguridad y rendimiento sin plugins

Las decisiones aquí documentadas se replicarán en cada migración de cliente.

Extensiones — Pi que se programa a sí mismo

Sun, 12 Apr 2026 00:00:00 +0000

Las skills le dan instrucciones a Pi. Las extensiones le dan código ejecutable. Son módulos TypeScript que pueden registrar tools custom, interceptar llamadas, modificar el contexto, y crear componentes en la UI. Y la parte más alucinante: Pi puede escribir sus propias extensiones, recargarlas, y probarlas. Todo en vivo.

Skills vs Extensiones: ¿Cuándo usar cuál?

	Skills	Extensiones
Formato	Markdown (SKILL.md)	TypeScript (.ts)
Qué hace	Da instrucciones al modelo	Ejecuta código real
Puede	Guiar comportamiento, definir pasos	Registrar tools, interceptar eventos, crear UI
No puede	Ejecutar código, interceptar llamadas	— (puede hacer todo)
Complejidad	Baja	Media-alta
Recarga	`/reload`	`/reload` (hot-reload)
Cuándo usar	Flujos de trabajo, convenciones	Automatización, integraciones, tools custom

Regla práctica: Si puedes describirlo en texto, usa una skill. Si necesitas ejecutar código o interceptar eventos, usa una extensión.

Gestión de contexto y sesiones

Sun, 12 Apr 2026 00:00:00 +0000

El contexto es el recurso más valioso cuando trabajas con agentes de IA. Pi tiene mecanismos sofisticados para gestionarlo: compaction automática, sesiones con estructura de árbol, y navegación temporal. Entender cómo funciona te permite mantener sesiones productivas durante horas sin degradación.

El problema del contexto finito

Los modelos de lenguaje tienen una ventana de contexto fija. Pi usa esa ventana para:

┌──────────────────────────────────────┐
│ System prompt (~100 tokens) │
│ Tool definitions (~900 tokens) │
│ AGENTS.md (variable) │
│ Skills metadata (~100 tokens c/u) │
│ │
│ ┌── Conversation history ──────────┐ │
│ │ Tu primer mensaje │ │
│ │ Respuesta de Pi │ │
│ │ Tool: bash → resultado │ │
│ │ Tool: read → 2000 líneas... │ │
│ │ Respuesta de Pi │ │
│ │ Tu segundo mensaje │ │
│ │ Tool: edit → resultado │ │
│ │ ... y sigue creciendo ... │ │
│ └──────────────────────────────────┘ │
└──────────────────────────────────────┘
 ↑
 Total: 200k tokens (típico)

Cada tool call y su resultado consume tokens. Un read de un archivo largo puede consumir miles de tokens. Una sesión de 2 horas puede llegar a 150k+ tokens.

Patrones avanzados — Multi-agente y automatización

Sun, 12 Apr 2026 00:00:00 +0000

Pi es minimalista en su core, pero poderoso en sus modos de uso. Más allá de la sesión interactiva, puedes orquestar múltiples agentes, automatizar tareas, y embeber Pi en tus propias aplicaciones. Este artículo cubre los 5 patrones agentic principales, subagentes, y el SDK para integración programática.

Los 5 patrones agentic

La investigación en agentes de IA ha identificado patrones recurrentes. Pi los soporta todos, pero no los impone. Tú eliges.

Pi desde cero — Instalación y primera sesión

Sun, 12 Apr 2026 00:00:00 +0000

Si nunca usaste un agente de código en la terminal, este artículo es para ti. Vamos a instalar Pi, configurarlo y tener una sesión funcional en menos de 10 minutos. Sin jerga, sin prerrequisitos imposibles.

¿Qué es Pi y por qué debería importarte?

Pi es un agente de código que vive en tu terminal. No es un chatbot. No es un IDE con IA integrada. Es un asistente que lee, escribe, edita y ejecuta código directamente en tu proyecto.

Plan: CMS + Optimización de Imágenes

Sun, 12 Apr 2026 00:00:00 +0000

Plan: CMS + Optimización de Imágenes

Proyecto: pabloib.com (laboratorio → servicio de migración) Fecha: 2026-05-10 Versión: 2.0 — Arquitectura revisada tras descubrimiento de path: "{{slug}}/index" Estado: En progreso (pasos A1-A4 completados, A5-A7 revirtiendo) Dependencias: Ninguna (plan independiente del plan general de migración)

️ Cambio de arquitectura respecto a v1.0

v1.0 decía: Flat files + R2 + Cloudflare Transformations v2.0 cambia a: Page Bundles + Sveltia path + Hugo image processing + R2 como alternativa

Skills — Superpoderes bajo demanda

Sun, 12 Apr 2026 00:00:00 +0000

Pi viene con 4 tools y un system prompt de 100 tokens. ¿Cómo haces que haga cosas avanzadas sin inflar el core? La respuesta es skills: paquetes de instrucciones que se cargan bajo demanda, solo cuando se necesitan. Y son un estándar abierto: funcionan en Pi, Claude Code, Codex, y más.

¿Qué es una skill?

Una skill es un directorio con un archivo SKILL.md que contiene instrucciones especializadas. Cuando Pi necesita hacer algo específico (auditar tu configuración, automatizar deploys, generar diagramas), carga la skill relevante al vuelo.

Tu AGENTS.md — Contexto que el agente entiende

Sun, 12 Apr 2026 00:00:00 +0000

La diferencia entre un agente que te entiende y uno que no está en un archivo: AGENTS.md. Es donde le dices a Pi cómo funciona tu proyecto, qué convenciones sigues y qué esperar de él. Sin él, Pi adivina. Con él, Pi sabe.

El problema del contexto

Cuando abres ChatGPT y preguntas “corrige este bug”, necesitas:

Copiar el código
Explicar la estructura del proyecto
Mencionar las convenciones
Aclarar qué framework usas
Especificar la versión de Node

Cada vez. En cada mensaje. En cada sesión.

Builds reproducibles en Hugo con npx

Sat, 04 Apr 2026 00:00:00 +0000

Fijar la versión de Hugo en package.json con npx elimina dependencias de binarios globales y garantiza builds reproducibles. Tu local, CI y cualquier desarrollador obtienen el mismo resultado.

El problema: binarios globales

Instalación típica de Hugo:

# Instalación global
brew install hugo

# O descargar binario manual
wget https://github.com/gohugoio/hugo/releases/download/v0.159.2/hugo_extended_0.159.2_linux-amd64.deb
sudo dpkg -i hugo_extended_0.159.2_linux-amd64.deb

El problema:

// package.json (antes)
{
 "scripts": {
 "dev": "hugo server --buildDrafts",
 "build": "hugo --minify"
 }
}

¿Qué versión de Hugo usa npm run dev?

Debugging con Pi: del stack trace al fix

Sat, 04 Apr 2026 00:00:00 +0000

Lo que nadie te dice: Pi es mejor para debugging que tu IDE. Veo el stack trace, leo el código, encuentro el root cause y propongo el fix — todo en el mismo contexto, sin cambiar de ventana.

El problema: debugging sin Pi

Debugging típico en VS Code:

1. Error en runtime
2. Copy stack trace
3. Paste en Google (o stackoverflow)
4. Abrir 10+ tabs de SO
5. Leer respuestas (muchas obsoletas)
6. Encontrar una prometedora
7. Abrir archivo en VS Code
8. Buscar función/variable
9. Analizar contexto
10. Proponer fix
11. Probar fix
12. Volver a 1 si falló

El problema:

30+ minutos para un bug simple
Context switching constante (IDE ↔ navegador ↔ terminal)
SO answers obsoletas (Python 2.7 cuando usas 3.11)
Stack traces largos que no entiendes
Perder el hilo del por qué llegaste ahí

Con Pi, todo esto cambia.

Ant Colony: cuando un agente no es suficiente

Wed, 25 Mar 2026 00:00:00 +0000

Después de usar agentes de IA durante meses, me di cuenta de algo obvio que nadie te dice: cuando un solo agente se ahoga en tu código, no necesitas un mejor modelo. Necesitas más agentes.

El problema del agente único

Imagina que le pides a un solo desarrollador:

“Migra todo el proyecto de CommonJS a ESM, actualiza imports, exports, tests, y documentación”

Ese desarrollador va a:

Abrir 50 archivos uno por uno
Mantener en la cabeza el estado de cada archivo
Olvidar qué cambió en el archivo #3 cuando está en el #27
No poder verificar todos los cambios sin ejecutar todo el proyecto
Tomar semanas, cansarse, cometer errores

Los agentes de IA tienen el mismo problema. Son excelentes para tareas unitarias:

Cómo configurar Pi para proyectos TypeScript

Wed, 25 Mar 2026 00:00:00 +0000

Lo que nadie te dice: Pi está construido en TypeScript. Configurarlo para proyectos TypeScript no es una configuración especial — es su modo NATIVO.

El mito: “Pi es para JavaScript”

He escuchado esto muchas veces:

“Pi es para proyectos JavaScript/Node.js. Para TypeScript, necesitas otra cosa.”

Esto es falso. Pi está construido en TypeScript desde el inicio.

pi-ai → LLM communication (TypeScript)
pi-agent-core → Agent loop (TypeScript)
pi-coding-agent → Full CLI (TypeScript)

No es que Pi “soporta” TypeScript. Es que Pi está hecho de TypeScript.

Del caos al orden: gestionando contexto con Pi

Wed, 25 Mar 2026 00:00:00 +0000

Las sesiones de IA son como una pila de platos: pones uno, otro, otro… eventualmente la pila se cae. Pi tiene 3 sistemas para manejar esto, y juntos transformaron el caos de mis sesiones en orden predecible.

El problema: sesiones gigantes que se pierden

Imagina esta sesión típica:

09:00 - Empiezas a trabajar en una feature
10:30 - Agregas funcionalidad A
11:00 - Bug report, lo arreglas
12:00 - Meeting, pausas
13:00 - Vuelves, arreglas otro bug
14:30 - Alguien pregunta sobre el proyecto
15:00 - Respondes, sigues con la feature
16:00 - Refactorizas algo relacionado
17:00 - Feature casi terminada
17:30 - Terminas, pruebas, commit

El problema:

Mis 10 extensiones favoritas de Pi

Wed, 25 Mar 2026 00:00:00 +0000

Después de usar Pi durante 6 meses en proyectos reales, estas son las extensiones que realmente cambian mi desarrollo. No son las más populares ni las más nuevas. Son las que realmente uso todos los días.

Mi regla: no instalar extensiones por instalar

La tienda de paquetes de Pi tiene 100+ extensiones. Instalé todas, probé todas, y me di cuenta de algo:

La mayoría son para el 0.1% de los casos.

Prompt engineering para agentes de código

Wed, 25 Mar 2026 00:00:00 +0000

2026 trajo un cambio que nadie está hablando: el prompt engineering tradicional está muriendo. Lo que reemplaza no es “mejor prompting”, es context engineering + agentes. Y tu terminal es el mejor lugar para hacerlo.

El problema: “El prompt gigante de 2024”

Si has usado ChatGPT/Claude en 2024, sabes el patrón:

Prompt de 500 líneas:
- "Eres un desarrollador senior con 15 años de experiencia..."
- "Siempre usa TypeScript..."
- "Sigue SOLID, Clean Code, DDD..."
- "El proyecto está en /ruta/al/proyecto..."
- "La arquitectura es..."
- "Los archivos son..."
- "La convención es..."
- "Cuando encuentres error, haz X, Y, Z..."
- [otras 450 líneas...]

El problema:

Serena vs OneTool: ¿cuándo usar cada uno?

Wed, 25 Mar 2026 00:00:00 +0000

Dos de las herramientas más poderosas en mi stack. Pero usar ambas al mismo tiempo es como llevar un cuchillo de chef y un martillo a la misma cocina. Aquí cuándo usar cada una.

El problema: dos herramientas, ¿cuál usar?

Durante un tiempo tenía este flujo:

Necesito buscar una función en mi código
↓
"¿Uso Serena o OneTool?"
↓
Pruebo con Serena → funciona pero es lento
↓
Pruebo con OneTool → es más rápido pero no encuentra símbolos
↓
Termino usando grep en bash

El problema: no sabía cuál era la herramienta correcta para cada tarea.

Sobre mí

Wed, 25 Mar 2026 00:00:00 +0000

Desarrollador, escritor y eterno aprendiz. Este blog es mi segunda memoria refinada.

Por qué Pi cambió mi workflow de desarrollo

Mon, 23 Mar 2026 00:00:00 +0000

Después de meses usando agentes de IA para programar, descubrí que la diferencia no está en el modelo, sino en cuánto contexto puede acceder. Esto cambió todo.

El problema que no sabía que tenía

Durante meses, mi workflow con IA era:

Encuentro un bug
Copio el código relevante
Lo pego en ChatGPT/Claude
Explico el contexto (otra vez)
Recibo una sugerencia
La copio de vuelta a mi editor
Pruebo… no funciona
Repito desde paso 3

El problema: Estaba gastando más tiempo en copy-paste y explicando contexto que programando.

Mon, 01 Jan 0001 00:00:00 +0000

Evaluación: Cockpit CMS — Sovereign Headless Content Platform

Fecha: 2026-05-14 URL: https://getcockpit.com Repo: https://github.com/Cockpit-HQ/Cockpit Licencia: MIT Autor: Artur Heinze (aheinze) — desarrollador principal, Cockpit-HQ Estado: v2.14.0 (Mar 2026), maduro, 61 releases

Qué es

CMS headless self-hosted. No es Git-based — tiene su propia base de datos (SQLite o MongoDB) y expone el contenido via API REST + GraphQL. El frontend se construye aparte y consume la API.

Importante: Es un CMS headless, no un Git-based CMS. No edita archivos en un repo. Gestiona contenido en su propia DB y lo sirve via API.

Mon, 01 Jan 0001 00:00:00 +0000

Evaluación: Pages CMS — Git-based CMS para sitios estáticos

Fecha: 2026-05-14 URL: https://pagescms.org Repo: https://github.com/pagescms/pagescms Licencia: MIT Autor: Vincent Battaglia (hunvreus) — desarrollador individual Estado: v0.x (pre-1.0), activo, desarrollo continuo

Qué es

CMS open-source para sitios estáticos almacenados en repos GitHub. Edita archivos del repo directamente — no hay base de datos de contenido separada. Es una app web completa (Next.js + PostgreSQL) que actúa como interfaz entre el editor y GitHub.

Mon, 01 Jan 0001 00:00:00 +0000

Evaluación: Payload CMS — Next.js native headless CMS

Fecha: 2026-05-14 URL: https://payloadcms.com Repo: https://github.com/payloadcms/payload Licencia: MIT Adquirido por: Figma (Jun 2025) Stars: 33K Estado: v3.x, activo, equipo absorbido por Figma

Qué es

Framework fullstack Next.js + headless CMS. Se instala dentro de tu /app folder de Next.js. Admin panel React autogenerado, API REST + GraphQL autogeneradas, tipos TypeScript autogenerados.

No es Git-based. Contenido vive en base de datos (D1, PostgreSQL, MongoDB).

Arquitectura

Editor → Payload Admin (React) → API REST/GraphQL → D1/Postgres/Mongo
 ↓
Frontend Next.js ← query directa (sin API) ← Payload

Deploy en Cloudflare (one-click):

Mon, 01 Jan 0001 00:00:00 +0000

Plan: Serie IA Local + Prompt Library Multilingüe

Proyecto dual: Blog posts sobre IA local en RTX 50xx + Biblioteca de prompts basada en refranes, paradojas y conceptos técnicos multilingües. Creado: 2026-05-15 Principio: Cada post genera prompts. Cada prompt genera posts. Los dos tracks se alimentan mutuamente.

Los dos tracks

Track A: Posts IA Local Track B: Prompt Library
───────────────────── ──────────────────────
Post 1 → Tabla por GPU ──→ Prompt: La caña (dividir)
Post 2 → VRAM cliff ──→ Prompt: La autopsia (verificar)
Post 3 → MoE explicado ──→ Prompt: El baño caliente (perspectiva)
Post 4 → Tests calidad ──→ Prompt: La diana (audiencia)
Post 5 → CUDA 13 gap ──→ Prompt: La poda (cortar)
 Prompt: La inversión (dar la vuelta)
 Prompt: El casting (roles)
 Prompt: Enseñar para aprender
 Prompt: El refrán como prompt ★

El post estrella es el que une ambos tracks: “El refrán como prompt” — un post que es a la vez contenido del blog y manifiesto de la prompt library.

Mon, 01 Jan 0001 00:00:00 +0000

Hugolify Lab — Plan de implementación

For agentic workers: REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (- [ ]) syntax for tracking.

Goal: Montar un prototipo Hugolify funcional en hugolify.lab.pabloib.com como primer experimento del laboratorio de frameworks para clientes.

Architecture: Repo independiente hugolify-lab con Hugo modules (theme + admin + posts), deploy a Cloudflare Pages como subdominio de pabloib.com. Sveltia CMS configurado para edición visual de bloques.

Mon, 01 Jan 0001 00:00:00 +0000

Ideas para Prompt Library desde Repos de Prompts

Fecha: 2026-05-18 Origen: Revisión de repos similares sobre prompting

Repos analizados:

Análisis de recursos

Awesome-AI-Image-Prompts (GitHub)

Características:

1000+ prompts curados para IA de imágenes
Formato JSON copy-ready
Multi-modelo: DALL-E, Midjourney, Imagen, Flux, ChatGPT Image, Stable Diffusion
Categorías: 3D miniatures, product photography, portraits, character design
Estructura: prompts estructurados, listos para copiar

Enfoque:

Prompts especializados para generación de imágenes
Énfasis en calidad visual y consistencia
Optimizado para diferentes modelos de IA
Formato técnico y reproducible

Agentpedia Codes - Image Prompts

Características:

Mon, 01 Jan 0001 00:00:00 +0000

Plan de Tests de Calidad — Modelos IA Local (RTX 5080 16GB)

Objetivo: Generar datos únicos de calidad por modelo para la serie de posts “IA local en tu GPU” en pabloib.com. Creado: 2026-05-15 Estado: Pendiente de ejecución Principio: KISS. 3 tests. 1 sesión. Datos suficientes para tablas comparativas en posts.

Por qué no 17 tests

Razón	Detalle
Reinventamos HumanEval mal	HumanEval, SWE-Bench, LiveCodeBench ya existen con miles de modelos evaluados
akitaonrails tiene rubric 0-100 con 8 dimensiones, automatizado, 50+ modelos
Scoring subjetivo no es reproducible — KISS exige binario (funciona / no funciona)
Puzzles lógicos contaminados — el de las cajas está en el training data de todos
Contexto largo ya lo tenemos — Anexo B con números hard
Vision ya lo testeamos — bazar-lab, 5 imágenes, 2 modelos
4 horas para blog posts = ROI negativo
7 sesiones = procrastinación garantizada

Lo que NADIE tiene (nuestro diferencial)

✅ Benchmarks velocidad RTX 5080 — ya tenemos (Anexo A)
✅ Offload por contexto 4K→128K — ya tenemos (Anexo B)
❌ Calidad en español — NADIE testea esto. Los leaderboards son 100% inglés.
❌ Decisión práctica “qué modelo para qué” — necesitamos anécdotas reales

Los 3 tests

Test 1 — Coding práctico (el que ya funcionó)

Por qué: Ya hicimos uno con qwen3-coder-30b (refactor Rust). Funcionó. Ahora lo repetimos con los demás.

Mon, 01 Jan 0001 00:00:00 +0000

Plan: PWA 10/10 — De 7 a casi perfecto

Fecha: 2026-05-18 Proyecto: /home/pablo/dev/projects/pabloib Puerto dev: 1688 (Hugo corriendo, PID 758190) Modelo destino: Cualquier modelo (instrucciones explícitas, sin ambigüedad) Score actual: 7/10 → Target: 9.5/10

Reglas OBLIGATORIAS

Rutas absolutas SIEMPRE. Nunca ../ ni ./.
NO tocar /public/, /static/css/output.css, themes/paper/.
NO usar pkill -f "hugo server" — mata todos los proyectos. Matar solo por PID.
Hugo YA ESTÁ CORRIENDO en puerto 1688 (PID 758190). NO arrancar otro. Usar kill 758190 solo si necesitas reiniciarlo.
Leer archivo ANTES de editarlo. Siempre.
Después de cada fase: ejecutar npm run build y verificar 0 errors.
Commits: Conventional Commits.
NO hacer push hasta el final.
Pi-lens HTML formatter rompe Hugo comments {{- /* ... */ -}}: Si formateas HTML, ejecutar git checkout -- layouts/ después.
NO formatear archivos HTML de layouts/ con herramientas automáticas.

Orden de ejecución

FASE 1 → Self-host fonts (ISSUE-005 + ISSUE-006) — el salto más grande (7→8)
FASE 2 → Iconos completos (ISSUE-012) — installability (8→8.5)
FASE 3 → Maskable + monochrome icons (ISSUE-011 + ISSUE-013) — (8.5→9)
FASE 4 → Install prompt + standalone detection (ISSUE-014 + ISSUE-015) — (9→9.5)
FASE 5 → Screenshots reales + Lighthouse audit — (9.5→casi 10)
FASE 6 → Build + verify + commit + push

FASE 1: Self-host fonts (ISSUE-005 + ISSUE-006)

El problema: Google Fonts y Material Symbols se cargan de CDN. Offline: sin tipografía, sin iconos. Todo se ve roto.

Mon, 01 Jan 0001 00:00:00 +0000

Plan: Corregir 15 Issues PWA — pabloib.com

Fecha: 2026-05-18 Fuente: Auditoría PWA paranoid (Zero Trust, multinivel) Proyecto: /home/pablo/dev/projects/pabloib Puerto dev: 1688 (hugo server --port 1688 --bind 0.0.0.0) Modelo destino: Cualquier modelo (instrucciones explícitas, sin ambigüedad)

Reglas OBLIGATORIAS

Rutas absolutas SIEMPRE. Nunca ../ ni ./.
NO tocar /public/ (se regenera con hugo), /static/css/output.css (generado por PostCSS), ni themes/paper/ (submódulo).
NO usar pkill -f "hugo server" — mata todos los proyectos. Matar solo por PID: kill $PID.
Verificar puerto libre antes de arrancar: ss -tlnp | grep 1688.
Leer archivo ANTES de editarlo. Si no leíste el archivo actual, no lo edites.
Después de cada fase: ejecutar npm run build y verificar 0 errores.
Commits: Conventional Commits. Un commit por fase.
NO hacer push hasta el final. Acumular commits y verificar todo.
Pi-lens HTML formatter rompe comentarios Hugo {{- /* ... */ -}}: Si formateas HTML, ejecutar git checkout -- layouts/ después para restaurar.

Orden de ejecución

Las fases están ordenadas por dependencia. NO saltar fases.

Mon, 01 Jan 0001 00:00:00 +0000

PWA Optimization Plan

Fecha: 2026-05-20 Estado: Pendiente de aprobación Scope: manifest.json, head.html, sw.js

Auditoría

Fuentes consultadas:

web.dev/learn/pwa (service workers, manifest, caching)
MDN Web Docs (manifest spec, offline service workers)
W3C Manifest Specification (w3c.github.io/manifest)
Chrome Lighthouse PWA audit criteria (developer.chrome.com/docs/lighthouse/pwa)
GitHub: justinribeiro/blog-pwa (Hugo + PWA reference)

Resultado

Severidad	Count
CRITICAL	0 ✅ (instalabilidad cubierta)
HIGH	2
MEDIUM	2
LOW	4

Corrección vs auditoría inicial

apple-touch-icon YA EXISTE en head.html:216 → eliminado (falso positivo)
Total real: 2 HIGH, 2 MEDIUM, 4 LOW

HIGH (2) — Instalabilidad/identidad

PWA-1: Falta campo id en manifest

Archivo: static/manifest.json
Fuente: W3C Manifest Spec + web.dev/learn/pwa/web-app-manifest
Problema: Sin id, Chrome usa start_url como identidad de la PWA. Si start_url cambia (ej. de /?source=pwa a /), la PWA se duplica en el dispositivo.
Fix: Añadir "id": "/" antes de start_url.
Verificación: grep '"id"' static/manifest.json

PWA-2: Falta meta apple-mobile-web-app-title

Archivo: layouts/partials/head.html
Fuente: web.dev + Safari Web Content Guide
Problema: iOS muestra el nombre largo o la URL en home screen sin este meta tag.
Fix: Añadir <meta name="apple-mobile-web-app-title" content="PabloIB"> después de apple-mobile-web-app-status-bar-style.
Verificación: grep apple-mobile-web-app-title layouts/partials/head.html

MEDIUM (2) — Iconos

PWA-3: Sin icono maskable de 192px

Archivo: static/manifest.json + nuevo static/icon-maskable-192.png
Fuente: web.dev — “provide maskable in 192+512”
Problema: Android usa maskable para adaptive icons. Solo existe 512px maskable.
Fix: Generar icon-maskable-192.png desde icon-maskable-512.png con ImageMagick/convert + añadir entry al manifest.
Verificación: ls -la static/icon-maskable-192.png + grep maskable-192 static/manifest.json

PWA-4: Iconos legacy redundantes

Archivo: static/manifest.json
Fuente: web.dev — “legacy sizes no longer necessary”
Problema: Iconos de 72, 96, 128, 144, 152px ya no se necesitan. Hacen el manifest más pesado sin beneficio.
Fix: Eliminar iconos < 180px del manifest. Mantener 8 icons:
- 180 (apple-touch-icon)
- 192 any
- 192 maskable (nuevo, PWA-3)
- 384
- 512 any
- 512 maskable
- 192 monochrome
- 512 monochrome
Verificación: cat static/manifest.json | python3 -c "import json,sys; d=json.load(sys.stdin); print(len(d['icons']), 'icons')" → debe dar 8

LOW (4) — Service Worker refactor

PWA-5: Cache dinámico FIFO → LRU

Archivo: static/sw.js
Fuente: web.dev/learn/pwa/caching
Problema: FIFO evicta páginas populares igual que las no visitadas.
Fix: En cada cache.put(), hacer cache.delete(request) primero y luego cache.put(). Así las entradas accedidas recientemente quedan al final y sobreviven a la poda.
Verificación: Revisar que todas las funciones de caché hacen delete+put

PWA-6: Sin TTL en cache dinámico

Archivo: static/sw.js
Fuente: web.dev/learn/pwa/caching — “when to cache”
Problema: HTML/JSON cacheados dinámicamente pueden servir contenido semanas viejo.
Fix: Añadir timestamp en header custom (x-cache-time) al cachear. En caches.match(), comparar con Date.now(). Si excede MAX_AGE → refetch.
- HTML: 24h max age
- JSON (search index): 1h max age
- CSS/JS: sin TTL (se actualizan por SWR, PWA-7)
Verificación: Comprobar que x-cache-time header aparece en respuestas cacheadas

PWA-7: cacheFirst → StaleWhileRevalidate para CSS/JS

Archivo: static/sw.js
Fuente: web.dev/learn/pwa/caching — “serving while updating”
Problema: CSS/JS en cache-first puro no se actualizan hasta que el SW cambia de versión. Si un CSS cambia entre deploys, el usuario ve el viejo.
Fix: Reemplazar cacheFirst() para CSS/JS con staleWhileRevalidate(): servir cache inmediatamente, fetch en background y actualizar cache. El usuario ve contenido rápido PERO se actualiza entre visitas.
Verificación: En Playwright, servir CSS viejo desde cache, verificar que background fetch actualiza

PWA-8: 15 fonts precacheados → cache-on-first-use

Archivo: static/sw.js
Fuente: web.dev — “cache on first use, not on install”
Problema: cache.addAll() descarga 15 woff2 (~200KB) antes de activar el SW. En 3G, retrasa el install.
Fix: Mover fonts de STATIC_ASSETS a caché por primer uso. Las fonts son static assets → staleWhileRevalidate las cachea al primer acceso. Solo precachear: CSS, JS, manifest, offline, favicon, placeholder (9 entradas vs 25 actuales).
Verificación: grep -c woff2 static/sw.js → debe dar 0

Orden de ejecución

PWA-1 + PWA-2 → 2 edits triviales en manifest.json + head.html
PWA-3 → convert para generar icon-maskable-192.png + edit manifest
PWA-4 → limpiar manifest icons (eliminar 5 entradas legacy)
PWA-5 + PWA-6 + PWA-7 + PWA-8 → rewrite de cache strategies en sw.js
Build + Playwright verify → 0 errores, SW registra, offline funciona

Archivos tocados

static/manifest.json
layouts/partials/head.html
static/sw.js
static/icon-maskable-192.png (nuevo)

Criterios de aceptación

manifest.json tiene campo "id"
head.html tiene <meta name="apple-mobile-web-app-title">
icon-maskable-192.png existe y está en manifest
Manifest tiene exactamente 8 icons (sin legacy)
SW usa StaleWhileRevalidate para CSS/JS
SW usa LRU eviction (delete+put)
SW tiene TTL para HTML (24h) y JSON (1h)
STATIC_ASSETS tiene 0 fonts (solo CSS/JS/manifest/offline/favicon)
Hugo build: 0 errores
Playwright: 0 console errors
SW registra correctamente en ?pwa=1

Mon, 01 Jan 0001 00:00:00 +0000

Análisis de repos similares sobre prompting

Fecha: 2026-05-18 Origen: Revisión de GitHub topics “prompt-engineering” y “prompt-library”

Resumen ejecutivo

He encontrado 9 repos principales que estudian el prompting desde diferentes enfoques:

prompts.chat (f/awesome-chatgpt-prompts) — La biblioteca de prompts más grande del mundo
PromptKit (Microsoft) — Framework de prompts ingenieriles con componentes composables
LangGPT — Framework de prompts estructurados (10,000+ stars)
Prompt Optimizer — Herramienta de optimización de prompts con MCP
Awesome_GPT_Super_Prompting — 3000+ stars: jailbreaks, security, adversarial prompting
Awesome-AI-Image-Prompts — 1000+ prompts para generación de imágenes
Agentpedia Image Prompts — 874 items con galería visual
Langfuse — Plataforma LLM con management de prompts
MLflow — Plataforma AI con tracking de prompts

Top repos analizados

1. prompts.chat — La biblioteca de prompts más grande del mundo

URL: https://github.com/f/prompts.chat (formerly Awesome ChatGPT Prompts) Stars: 143k+ Cita académica: 40+ citas en Google Scholar Reconocimiento: Forbes, Harvard, Columbia University

Mon, 01 Jan 0001 00:00:00 +0000

Postmortems

Registro blameless de fallos, incidentes y sesiones donde el diagnóstico costó más de lo esperado.

Inspiración: cultura SRE — documentar impacto, línea de tiempo, causa raíz, factores contribuyentes y acciones preventivas.

Formato recomendado

# Postmortem: Nombre

## Resumen

## Impacto

## Línea de tiempo

## Causa raíz

## Factores contribuyentes

## Qué funcionó

## Qué no funcionó

## Acciones preventivas

## Cambios en runbooks/AGENTS/plans

Regla

Un postmortem no busca culpables. Busca cambiar el sistema para que el fallo sea más difícil de repetir.

Mon, 01 Jan 0001 00:00:00 +0000

Runbook — Gestión de pabloib.com

Objetivo: tener un set mínimo de comandos y rituales repetibles para operar el blog sin pensar.

TL;DR (lo diario)

cd /home/pablo/dev/projects/pabloib
make deps # solo si cambió package-lock.json o entorno nuevo
make dev

Antes de commitear/pushear:

cd /home/pablo/dev/projects/pabloib
make validate
make build

Comandos (Makefile)

make help — lista de targets.
make dev — Tailwind watch + Hugo server (ver package.json).
make validate — valida contenido (front matter y estructura).
make build — build producción (static/css/output.css minificado + Hugo --minify).
make clean — limpia artefactos (public/, resources/, static/css/output.css).
make audit — auditorías rápidas (stack + posts si aplica).

Ritual de cambios (contenido)

Pull por si el CMS remoto comiteó:

cd /home/pablo/dev/projects/pabloib
git pull

Editar contenido en content/.
Validar + build.
Commit (Conventional Commits) + push.

Ritual de cambios (layout/tema)

Evitar tocar themes/paper/ (submodule).
Overrides solo en layouts/.
Si hay decisión de arquitectura: crear ADR en /home/pablo/dev/projects/pabloib/docs/decisions/.

Notas

No editar /home/pablo/dev/projects/pabloib/public/ manualmente.
Puerto dev actual (según README): http://localhost:1315.

Mon, 01 Jan 0001 00:00:00 +0000

Runbooks

Procedimientos tácticos y repetibles. Un runbook debe reducir carga cognitiva: comandos concretos, pasos verificables, criterios de cierre.

Formato recomendado

# Runbook: Nombre

## Cuándo usarlo

## Evidencia inicial necesaria

## Pasos

## Verificación

## Rollback

## Errores comunes

Runbooks disponibles

RESOLVER-PROBLEMAS-SVELTIA-CMS.md — CMS no muestra posts, no guarda, falla auth/CSP o lanza errores de parsing.

Runbooks candidatos

CONTENT-VALIDATION.md — validar Page Bundles, front matter y drafts.
DEPLOYMENT.md — build, push y verificación Cloudflare Pages.
CREATE-POST.md — crear post manual/CMS sin romper Sveltia.

Pablo IB | Tech Blog & Second Brain

Cómo hice Fine-Tuning de Embeddings (BGE-M3) para mi Infraestructura de Agentes: +20.8% de Precisión y Lecciones de Hardware

Me equivoqué sobre GLM-5.2 y sus effort levels

token-optimizer en profundidad: Analytics y el detective de ghost tokens

mcp-compressor en profundidad: Atlassian Labs y el enigma del 70-97% sin benchmarks

Context-mode en profundidad: 98% de ahorro de contexto con Sandbox + SQLite + FTS5

Impacto del Offloading en la Inferencia Local: Análisis de Flash Attention y KV Cache

Ollama vs. llama.cpp: La Batalla por la VRAM en una RTX 5080

El Hardware de Pruebas

El Experimento

MCP Token Optimization: El juego no es quién tiene el vector más grande

Memoria para Agentes IA: Por qué OpenViking es un Context OS, no solo otra base vectorial

El fin de los 'Permission Denied': Gestión profesional de discos en Linux y Proxmox

Screenshots en Linux 2026: La transición X11 → Wayland

Screenshots en Linux 2026: La transición X11 → Wayland

📋 Tabla de Contenidos

Introducción: El cambio de paradigma

OpenClaw: cómo montar un asistente de IA self-hosted al que le hablas por Telegram

¿Qué es OpenClaw?

OpenClaw: cómo optimizar el contexto, la memoria y la seguridad (lo que dice Reddit y lo que funciona de verdad)

La premisa: el harness importa más que el modelo

OpenClaw: instalación oficial (Quadlet) vs distrobox — lo que la documentación no te cuenta

Las dos rutas

Ruta A: Instalación oficial (Quadlet)

OpenClaw: los mejores plugins y skills que sobreviven al filtro de seguridad (y los que no)

Design System Vivo

Filosofía: The Architectural Editor

Principios

Tokens

Colores — Primary & Surface

Colores — Usecase Badges

Tipografía

Spacing (8px grid)

Border Radius

Componentes

Prompt Card (Template)

ComfyUI para principiantes: tu primera imagen con SDXL paso a paso

La interfaz de ComfyUI explicada

ComfyUI-Manager y custom nodes: amplía ComfyUI con ControlNet, upscalers y Flux

Qué es ComfyUI-Manager

Corte limpio — Olvídate de X

🪓 La poda

Cuándo usarlo

El patrón

Ejemplos de la sesión

Por qué funciona

Dividir y conquistar — No queremos indigestar

🎋 La caña

Cuándo usarlo

El patrón

Ejemplos de la sesión

El principio

Por qué funciona

Editor y crítico — Asignar roles antes de crear

🎭 El casting

Cuándo usarlo

El patrón

Ejemplos de la sesión

Por qué funciona

El precipicio VRAM: por qué tu modelo va a 7 tok/s en vez de 140

El dato

¿Por qué pasa esto?

El refrán como prompt — Sabiduría comprimida como herramienta de razonamiento

🧬 El código fuente

La tesis

Enseñar para aprender — Tu segunda memoria

📓 El cuaderno

Cuándo usarlo

El patrón

Ejemplos de la sesión

Por qué funciona

Incubación creativa — El baño caliente

🛁 El baño caliente

Cuándo usarlo

El patrón

Ejemplos de la sesión

Por qué funciona

Instalar ComfyUI en una RTX 5080 con CachyOS: setup, lecciones y por qué Fooocus ya no sirve

El plan original: Fooocus + ComfyUI

Inversión deliberada — Dale la vuelta

Tabla de Contenidos

La poda

La caña

El casting

El código fuente

El cuaderno

El baño caliente

La inversión

La diana

La autopsia

CRÍTICO — Overflow horizontal en mobile