Reflexiones sobre código, producto y oficio.
Una lectura personal de Clean AI: por qué las especificaciones, las pruebas y los checkpoints importan más cuando el código lo escribe un agente.
Karpathy dejó un agente entrenando modelos toda la noche. Tomé la misma idea y la apliqué a la optimización de APIs: un agente edita un handler, ejecuta una prueba de rendimiento de 30 segundos, mide P95 y decide si conserva o revierte el cambio. Repite hasta que lo interrumpes.
Cómo una frustración con los cursos de IA, una metodología educativa sueca y seis meses construyendo productos con agentes terminaron en un experimento pedagógico.
Si le das una montaña al agente, te devuelve cualquier cosa. La clave es trabajar en fases con entradas, salidas y validación explícita: un sistema que aprende, no un prompt infinito.
Librarian, Researcher y Content Toolkit: tres herramientas que transforman cómo capturo, proceso y organizo conocimiento. Todo local, todo con consentimiento explícito.
Cómo un ingeniero de 20+ años tradujo principios clásicos (Pragmatic Programmer, Evans, Ousterhout) en skills pequeñas y componibles para coding agents. Y qué podemos aprender nosotras.
Cómo trabajo hoy: PRDs manuales, night loops automáticos, CLI personal, y un agente que codea mientras duermo. Mi ciclo completo de desarrollo con IA explicado paso a paso.
>-
La simulación revela que las herramientas de IA para código no están eliminando a los ingenieros junior, sino que están desencadenando un desafío crítico para la industria: si el trabajo de entrada "pesado" se automatiza sin ser reemplazado por oportunidades de crecimiento significativas, la industria tech enfrenta una catastrófica escasez de talento mid-level y senior dentro de una década.
Le pasas 40 markdowns a tu agente esperando que sea más inteligente. Resulta: peor. Context poisoning, attention dilution, y por qué los agentes necesitan límites cognitivos, no más información.
Reflexión basada en una charla de Javier Ideami sobre IA, pensamiento crítico y el futuro del trabajo. La IA es un amplificador, no un reemplazo.
Cuando inicias un proyecto de software con AI desde cero, enfrentas una decisión: vibe coding o no. Aquí explico por qué elijo spec-first y cómo se ve mi scaffold personal.
Meses explorando LLMs, skills y agentes. La lista de proyectos que desarrollé como hobby, lo que aprendí del proceso, y mis recomendaciones.
Después de meses de descanso, clawdbot fue el revuelo que me devolvió a las teclas. Así desarrollo software en 2026 con IA.
Otros espacios donde escribo, registro y conecto ideas.
Bitácora
Registro de aprendizaje, pruebas y notas de proceso.
Nodos
Ideas conectadas sobre software, IA y automatización.
Servicios
Cómo ayudo a equipos a entregar claridad, no solo código.