Gentleman Programming @G_Programming

En vez de implementar Posthog, me puse a tirar SQL con el lab de Superset y todo va muy bien. Me enamoré de Engram. <3 @G_Programming

Chorch @chorch_md

2 days ago

Así trabajo en Growth usando agentes de IA con contexto local en @SaldoComAr La clave no es el prompt, es la infraestructura. Tengo un repo que es la memoria viva del negocio: procesos, CX, producto, métricas. Claude Code lo lee y entiende cómo operamos sin que tenga que

1 0 8 3K 18

@AlricJuan Modo openspec cuando te pregunta :)

Si le tirás una prompt vaga a un agente, te escupe basura. Y después culpamos a la IA. El problema no es el modelo. Es la falta de proceso. Subí un video mostrando Spec-Driven Development completo, de research a verify. No es prompt engineering. Es ingeniería de procesos. La diferencia entre un junior con IA y un senior con IA no es la herramienta. Es el contexto. El junior le pide magia. El senior la dirige. Tony Stark no le dice a Jarvis "haceme algo, flaco". Le da contexto, constraints, objetivos y feedback. Video en comentarios. #AI #SoftwareEngineering #AgenticEngineering

@NinJoan Perfecto !!

@NinJoan Antrophic no permite modelos de Claude en Opencode a menos que sean por Api, no se si vendrá por ahí

Excelente ver este tipo de reviews y con este nivel de cariño !!! Gentle-AI for the win !!

Nico Lopez @Nicomlopez

2 days ago

x.com/i/article/2059…

7 13 93 29K 164

@antonioleivag Ya sabía que lo decías por mí

youtu.be/KILEn2VSXX8?si…

@gmoyano81 No me dejó responder x por alguna razón desde la app. Obsidian no tiene sentido con engram más que para usar la extensión que hice para visualizar la data desde el mismo. Engram se guarda en una db compartida entre agentes

@Zeler_ai Tienes que probar cual te gusta más 😊

gentle-pi v0.4.0 ya está afuera 🌹 Esta release tiene un objetivo claro: emparejar gentle-pi con todo el laburo de parity de Gentle AI, y cerrar el backlog de issues (menos uno, el autonomous-guard, que lo dejé deferido a propósito porque un guard autónomo no se mete apurado). Lo nuevo: Persona global. /gentle:persona ahora persiste a nivel global, respetando los overrides por proyecto. Configurás una vez y te sigue a todos lados, sin perder el control fino cuando un proyecto necesita algo distinto. Auto-refresh de assets SDD. Los agents y chains globales del paquete se actualizan solos después de un update, mientras tus overrides locales quedan protegidos. Te mantenés al día sin pisar tu trabajo. Banner de arranque configurable. Mostrás u ocultás la rosa y el logo, elegís presets de color, y dejás el panel de info útil. La consistencia de marca también es parte del producto. Export/restore de model routing. /gentle:models exporta tu routing con x y lo restaura con r, con validación y confirmación de por medio. Cambiás de máquina sin rearmar todo a mano. Seguridad y diagnóstico. Sumé /gentle-ai:doctor, guards para paths sensibles en read/write/edit, y SHA pinning en las CI actions. Misma línea de hardening de siempre: la seguridad no es un extra, es parte del diseño. Y los fixes que me importaban: el routing que ignoraban los SDD global agents, la filtración de persona neutra después de un reload, los watchers que mantenían vivas las sesiones pi -p no interactivas, y el parsing de CRLF en frontmatter de skills. Release completa acá 👇 github.com/Gentleman-Prog… #GentleStack #DevTools #AI #OpenSource

@Danyer_Acevedo @Gonzalo2683 Deberías usarlo desde wsl

Confirmo que Gentle-AI funciona MUY bien en Claude con 4.8 opus

@abdiisan github.com/Gentleman-Prog… solo dejo esto por aquí

Tu agente de IA no falla por bugs. Falla por matemática. Cada turno reprocesa TODO el historial. Eso es O(N²). Cuando la ventana se llena, compacta. Pierde estado, pierde decisiones, pierde lo que ya había leído. Intenta recuperarse. Eso genera más contexto. Más compactación. Un ciclo que no tiene fondo. No es el modelo. Es la arquitectura. Agent Teams Lite resuelve esto con un patrón simple: Un coordinador delega TODO a sub-agentes especializados. Cada uno arranca fresco, ejecuta, devuelve el resultado y se descarta. El coordinador nunca se contamina. Los sub-agentes son O(1) por tarea. Lo medimos con la comunidad. Con un proyecto real. 144 archivos Go. 59,513 palabras de código: 📊 1-2 archivos → inline gana. El overhead no se justifica. 📊 8-10 archivos → delegación ahorra ~17%. 📊 25+ archivos → delegación ahorra ~68%. Inline colapsa. No son estimaciones. Son mediciones. ¿Qué trae v4.0.0? → Hard Stop Rule: el orquestador NUNCA toca archivos. Cero excepciones. → Skill registry centralizado: ~11,400 tokens ahorrados por pipeline. → Word budgets en SDD: artefactos chicos, menos tokens en cascada. → Lecturas paralelas de Engram en lugar de secuenciales. Total: ~52,400 tokens menos por pipeline SDD completo. Todo esto ya viene preconfigurado en AI Gentle Stack v1.6.0. Un install y listo — Claude Code, Cursor, Gemini CLI, OpenCode, Copilot, Codex. Sin configuración manual. La pregunta no es si usar orquestación. Es: ¿cuántos archivos toca tu tarea? Si son más de 5, delegá. Los números no mienten. 📄 Análisis completo con tablas: github.com/Gentleman-Prog… 🚀 Agent Teams Lite v4.0.0: github.com/Gentleman-Prog… 🛠️ AI Gentle Stack v1.6.0: github.com/Gentleman-Prog… #AI #AgentTeams #DeveloperTools #OpenSource #GentlemanProgramming

@Danyer_Acevedo Es porque tienes engram corriendo, en la comunidad ya me dijeron que matando la ejecución de engram te permite realizarlo. Pasa por discord !

@NunLamedCaf Nope. A menos que saques todas las extensiones

@RicardoStallman Pasa por discord !

@grootveloper No todavía pero son bugs de estos agentes más que nada no en pi, para eso está el repo de Gentle-AI ;)

Dos patches gemelos en el ecosistema: gentle-ai v1.33.2 y Engram v1.16.1. Los patches no son glamour, pero son la prueba más honesta de que un proyecto está vivo. Después de un wave grande, lo que importa es cuánto tardas en responder cuando alguien te reporta que algo no anda. Y esta vez la respuesta fue rápida en los dos repos. Los bugs que se cerraron no eran teóricos. Eran cosas que te ARRUINAN el día: → Binarios de Engram que no corrían en macOS 26.4 (SIGKILL de AMFI en Apple Silicon). Re-firmados adhoc en release. → install.ps1 en Windows que no actualizaba la versión y dejaba la consola escupiendo "Ô£ù" en vez de los iconos. Cerrado. → Sub-agents duplicados en SDD gastando tokens y disparando conflictos de "file modified since last read". Dedupe en el orquestador. → Memorias editadas con mem_update que no se re-exportaban en sync. UpdatedAt ahora cuenta, no solo CreatedAt. → Sesiones UUID que quedaban con observation_count: 0 porque mem_save caía al fallback. Resolución de sesión activa desde el store compartido. → Proyectos duplicados por diferencia de case (Repo_Name vs repo_name) ping-pongueando entre sí. Normalización antes de comparar. Y hay un detalle del proceso que me importa contar. Engram v1.16.1 se validó con adversarial review antes del merge. Eso atrapó dos fixes que parecían correctos y no lo eran: un session registry que no cruzaba el límite del proceso HTTP/MCP, y un cambio de plugin source que rompía Claude Code anteriores a v2.1.69. Si esos fixes hubieran ido directo a main, el patch generaba más problemas de los que arreglaba. Proceso maduro, no marketing. Nuevos contributors esta vez: aleka, Lokeraar, MzaGuille, jcabrerahi, Codenburg, JuanMPinera reportaron y empujaron arreglos en gentle-ai. Carlos Mora sumó la Team Usage guide en Engram. Comunidad que crece release tras release. Lo que se rompe se arregla. Es así. Release notes completas en los comentarios 👇: #OpenSource #DeveloperTools #AI

@retrodev94 jejej espera a la parte práctica vas a flipar :p

Gentle-AI: github.com/Gentleman-Prog… Engram: github.com/Gentleman-Prog…