Tus agentes de código, trabajando juntos: configura una vez por repo a pi, Claude Code, Codex, Copilot, opencode, Crush o Gemini, ábrelos en Herdr y reparte el trabajo entre varios agentes, cada uno en su rama y su worktree.
Diseño arquitecturas cloud e IA.
Aquí encontrarás código, experiencias y aprendizajes.
Repositorios que mantengo o en los que contribuyo. Cada uno enlaza al código y a su documentación.
Mi entorno de programación agéntica: un runtime local-first escrito en Rust. El MVP, en desarrollo, incluirá CLI/TUI y un agente de código con permisos, presupuestos y cancelación explícitos.
Framework agéntico bajo la organización Veta: construcción y coordinación de agentes de IA en Python. Proyecto en desarrollo activo.
Continuous Cloud Optimization: dashboard de Power BI y guías para optimización continua, gobernanza y FinOps en Azure. Mantengo el proyecto bajo la organización Azure.
Repos con estrella en mi GitHub — sobre todo sistemas multi-agente, herramientas de IA e infraestructura que uso o me inspiran.
Notas cortas sobre lo que estoy explorando: cloud, IA, arquitectura y herramientas.
bond: así he puesto a mis agentes de código a trabajar juntos
Cómo nació bond, mi CLI para configurar una vez por repo a pi, Claude Code, Codex, Copilot, opencode, Crush o Gemini y ponerlos a trabajar en equipo con Herdr y worktrees de git. De mi configuración personal a una herramienta instalable en doce días.
Aplicando estrategias RPI a mis agentes de desarrollo
Cómo he construido common-skills para dejar de repetir instrucciones a mis agentes: de una idea poco clara a un cambio revisado, con ejemplos de uso diario y sin piloto automático mágico.
EpoAura: me regalaron un teclado y acabé haciendo una app para Linux
Un regalo de cumpleaños, un AK820 Pro a medio aprovechar en Linux y una excusa para cacharrear con RGB, pantallas e ingeniería inversa con ayuda de la IA y GPT-Astra.
Pruebas y prototipos, sobre todo con modelos que corren en local: inferencia en edge, agentes, RAG offline.
Menos espera, más agentes: así renové mi stack de IA local
De Lemonade y Vulkan a llama-swap, Docker y Halogen: cómo renové mi stack de IA local para poner a trabajar agentes. Rendimiento, decisiones y resultados explicados sin una sopa de siglas.
Qwen3.8 de 27B en local: cuando el modelo trabaja, pero el chat se corta
Cómo configuramos Qwen3.8-27B en HalostrixLab y por qué actualizar Lemonade resolvió un corte de streaming. Modelos locales, contexto y SSE explicados sin dar nada por sabido.
Vulkan o ROCm en Strix Halo: cómo fallé, medí y elegí un backend para inferencia local
Un experimento con llama.cpp en AMD Strix Halo: memoria UMA, smokes fallidos, gates reproducibles y una comparación corta entre Vulkan e HIP/ROCm.