Herramientas de IA para devs, en español
|
13 de octubre de 2026
Edición semanal
|
|
|
Que un CLI de OpenAI instale un daemon persistente sin pedirte permiso es exactamente el tipo de noticia que te hace revisar qué tienes corriendo en tu máquina ahora mismo. Eso, más cinco meses de lecciones duras orquestando coding agents en producción real, y una feature de Claude Code que probablemente no conoces pero que cambia cómo piensas en workflows agentic. Esta edición viene cargada — te conviene seguir leyendo.
|
|
|
Codex CLI instala un daemon en tu máquina sin pedirte permiso
El CLI de Codex de OpenAI, al instalarse, mete un proceso en segundo plano persistente y con auto-actualización sin que el usuario lo apruebe explícitamente. No es un detalle menor: estamos hablando de un servicio que se ejecuta continuamente, se actualiza solo, y en una herramienta que por definición tiene acceso a tu código. La comunidad en HN lo ha puesto a parir con razón. Ojo con esto porque el patrón "instalo lo que me da la gana en tu sistema" es exactamente el tipo de comportamiento que esperamos de malware, no de herramientas de desarrollo. Revisa si ya lo tienes corriendo. leer más
|
|
|
Cinco meses usando IA como si fuera urgencias de hospital
CockroachLabs ha publicado algo que merece más atención que el típico post de "hemos integrado IA en nuestro workflow": cinco meses reales orquestando coding agents con un sistema inspirado en el triaje médico. Cada bug entra como paciente, se clasifica, y distintos agentes actúan como especialistas. Lo interesante no es la metáfora, sino las lecciones concretas que sacan: qué tipos de tareas funcionan bien con agentes autónomos, dónde explotan, y cómo estructurar el contexto para que no pierdan el hilo. Si estás pensando en meter agentes en tu pipeline de desarrollo, esto es lectura obligatoria antes de reinventar la rueda. leer más
|
|
|
Claude Code se guía a sí mismo, y eso cambia cómo debes usarlo
Hay una feature de Claude Code que pasa desapercibida: los "suggested messages", esos botones de respuesta rápida que el modelo propone durante la conversación. El análisis de Zohaib revela algo interesante — Claude no los genera para que tú hagas clic más rápido, sino para orientarse a sí mismo sobre qué información necesita a continuación. El modelo es tanto el productor como el consumidor real de esas sugerencias. Esto tiene implicaciones prácticas: en workflows agénticos, puedes aprovechar este mecanismo para estructurar mejor los puntos de decisión y reducir la ambigüedad sin escribir prompts kilométricos. Ojo con esto porque entender para quién está diseñada cada feature cambia radicalmente cómo la usas. leer más
|
|
|
Microsoft lanza contenedores de ejecución para aislar tus agentes de IA
Microsoft acaba de publicar la v1.0 de MXC (Microsoft Execution Containers), su solución de sandboxing orientada específicamente a correr agentes de IA de forma segura en Windows. La idea es sencilla: defines políticas que controlan qué puede y qué no puede hacer un agente en ejecución — acceso a red, sistema de archivos, APIs del sistema — y el contenedor hace cumplir esas restricciones. Esto significa que ahora puedes darle más autonomía a tus agentes sin rezar para que no hagan algo catastrófico. Ojo con esto porque el modelo de políticas importa mucho: si las defines mal, tienes una falsa sensación de seguridad. leer más
|
|
|
Copilot ya no es un genérico: enséñale cómo funciona TU proyecto
GitHub ha publicado una guía práctica sobre cómo personalizar Copilot para que entienda tu codebase específico en lugar de responder con sugerencias genéricas. Las claves son tres: instrucciones personalizadas en el repositorio (un archivo que define contexto, convenciones y restricciones), agentes custom para tareas recurrentes, y conexión de MCP servers como Playwright para automatizar flujos concretos. Esto significa que puedes hacer que Copilot conozca tu stack, tus patrones de código y tus reglas de negocio desde el primer prompt. Ojo, porque sin esto estás usando Copilot al 30% de su capacidad real. leer más
|
|
|
Más código no significa más software: los datos no mienten
Un análisis que está dando mucho que hablar (331 puntos en HN, casi 300 comentarios) llega a una conclusión incómoda: los agentes de codificación con IA disparan la cantidad de código generado, pero no se traduce en más software funcionando en producción. El cuello de botella se desplaza — antes era escribir código, ahora es revisarlo, integrarlo y mantenerlo. Ojo con esto porque muchos equipos están midiendo el éxito en líneas generadas o PRs abiertos, métricas que ahora están completamente infladas. Si estás evaluando adoptar estas herramientas, mide outcomes reales: features en producción, bugs resueltos, tiempo de ciclo. leer más
|
|
|
rtk
Si trabajas a diario con Claude Code, Codex o Cursor, sabes perfectamente lo rápido que se dispara la factura de tokens. rtk es un proxy CLI escrito en Rust que se interpone entre tus herramientas de desarrollo y la API del LLM, recortando el consumo de tokens entre un 60% y un 90% en comandos habituales. Sin magia negra: optimiza y comprime el contexto que se envía, eliminando ruido innecesario antes de que salga de tu máquina. Un binario único, cero dependencias, instalación en segundos.
Con 83.000 estrellas en GitHub, la comunidad ha votado con los pies: esto toca un problema real y lo resuelve bien. Encaja perfectamente si tienes pipelines de CI que llaman a LLMs o si simplemente quieres que tu presupuesto mensual de API aguante más. Puedes usarlo como capa transparente sin cambiar tu flujo actual.
ver en GitHub
|
|
🔧 Herramienta de la semana
|
|
Serena es un toolkit MCP diseñado para que tu agente de IA entienda y edite código de verdad, no a ciegas. En lugar de pasar archivos enteros al contexto, usa recuperación semántica para que el agente encuentre exactamente lo que necesita: clases, funciones, referencias. Funciona como un IDE invisible para Claude, Cursor o cualquier cliente MCP compatible.
Esta semana la probaría en proyectos medianos donde el agente pierde el hilo por contexto insuficiente: refactorizaciones, búsqueda de dependencias entre módulos o análisis de codebases heredadas. El setup requiere configurar el servidor MCP, así que no es para quien busca algo plug-and-play en cinco minutos. Tampoco aporta mucho en proyectos pequeños donde meter todo el código en contexto ya funciona bien.
probarla
|
|
|
Un daemon silencioso es exactamente el tipo de confianza que no se recupera
OpenAI instalando un proceso persistente y auto-actualizante sin pedirte permiso no es un error de UX: es una decisión de producto. A ti esto te afecta directamente porque Codex CLI tiene acceso a tu entorno de desarrollo, tus archivos, tus credenciales. Que se actualice solo, en background, sin que lo apruebes, convierte tu máquina en terreno gestionado por ellos. El hype alrededor de los coding agents es real, pero aquí hay un patrón preocupante: cuantas más herramientas de IA instalas, menos control tienes sobre tu propia infraestructura. Lee siempre los scripts de instalación. Siempre.
|
|
¿Qué herramienta de IA estás usando más esta semana?
Responde a este email y cuéntame. Leo todas. (👍 si te sirvió · 👎 si no)
|
|
¿Te ha servido esta edición? Pásasela a un compañero dev.
Reenviar y que se suscriba →
|
|
DevAI — Herramientas de IA para devs, en español
Escrita por Alex cada semana
Ediciones anteriores
·
Cancelar suscripción
|
|