SPONSORED by NoCODEoPENsOURCE

🚀 ¿Quieres que tu negocio aparezca aquí?
Da a conocer tus servicios ante una comunidad de profesionales del mundo digital, startups y desarrolladores.

👉 Anúnciate por solo 120 € y gana visibilidad real

Hola,

Esta semana el G33K TEAM se llenó de demos en directo: una landing generada y auditada por agentes delante de nuestros ojos para que no huela a IA, una subida de precios en Hetzner que duele de verdad con capturas incluidas, y un repaso a por qué los ASICs de inferencia le están pisando los talones a las GPUs de toda la vida.

En Horizonte Artificial nos metemos con la actualización de Hermes Agent — la "Reach Release" que convierte un agente de escritorio en una plataforma que vive a la vez en iMessage, WhatsApp y Telegram. Y en The Airtist, Marco usa esa misma actualización para resolver un problema que no sabía que tenía: que todo lo que su agente aprende se quede grabado en algún sitio, en vez de evaporarse sesión a sesión, canal a canal.

Esta semana tenemos G33K TEAM — episodio 48, con todo el caos habitual de un directo: landings que ya no huelen a IA, precios que suben sin avisar, y un grafo de conocimiento que se escribe solo mientras tú duermes.

Vamos al lío 👇

📅 G33K TEAM de la Semana

🎙️ Episodio 48 — Landings anti-IA, precios que se disparan y el wiki que se escribe solo

Capítulo con Aitor y Oriol en directo (Néstor de viaje en Japón, Tete ausente por temas familiares) — uno de esos episodios donde se enseña más pantalla que se habla. Demos en vivo, comparativas de precios con capturas reales, y un cierre técnico sobre cómo dejar de perder conocimiento entre sesiones de agente.

🔹 Landing generator con auditoría anti-slop: demo en directo de un sistema con agentes (Pi, Codex, Claude) que genera landings completas con un flujo guiado y luego las pasa por un "anti-AI-slop audit" — detecta y corrige los patrones típicos de IA (chips de resumen, grids con emojis, rejillas de fondo repetidas) antes de desplegarlas a Surge.sh para previsualizar con el cliente al momento.

🔹 Hetzner sube precios el 15 de junio: comparativa con capturas que muestra subidas de hasta 4x en ciertos tiers de cloud instances. Lo ya contratado mantiene el precio anterior; las nuevas órdenes y los rescales, no.

🔹 Alternativa low-cost en La Rioja: servidores desde 3€/mes usados para sustituir a SSD Nodes, levantar un Mailcow propio (sincroniza como si fuera Exchange — calendario y contactos incluidos) y montar clusters de Kubernetes de prueba.

🔹 Cliente web de port-knocking casero: evolución de un sistema de port-knocking cifrado (paquetes UDP firmados) a un cliente web responsive, pensado para acceder a Home Assistant y otros servicios domésticos sin exponer puertos directamente a internet.

🔹 Tenstorrent y Jim Keller: ASICs especializados en inferencia, con stack abierto (fork de vLLM) y mejor relación rendimiento/precio que las GPUs de consumo para correr modelos grandes. De paso, se aclara el rumor de la semana: Nvidia no compró Grok, fue un acuerdo de licencia de inferencia de 20.000 millones — el dato real es SpaceX comprando Cursor por 60.000 millones.

🔹 El patrón "LLM Wiki" de Karpathy, en la práctica: cómo sustituir una vector DB por un grafo de conocimiento que un LLM mantiene solo sobre tus propias notas. El tema que acaba convertido en la pieza de The Airtist de esta semana.

🔗 Links del episodio:

• Surge.sh — hosting estático gratuito para previsualizar landings sin montar infraestructura
• Tenstorrent — ASICs de inferencia, stack abierto, fundada por Jim Keller
• Hermes Agent — el agente que protagoniza Horizonte Artificial y The Airtist de esta semana
• Karpathy LLM Wiki — el plugin de Obsidian del que habla Oriol
• Gist original de Karpathy — el patrón "LLM Wiki"
• obsidian-wiki (Ar9av) — la otra implementación del mismo patrón, como framework de skills multi-agente

ℍ𝕠𝕣𝕚𝕫𝕠𝕟𝕥𝕖 𝔸𝕣𝕥𝕚𝕗𝕚𝕔𝕚𝕒𝕝

Te presentamos "Horizonte Artificial", la nueva y flamante sección de nuestra newsletter dedicada exclusivamente a la Inteligencia Artificial. Pero no esperes el contenido convencional que inunda TikTok o YouTube. Aquí, nos sumergiremos en el fascinante mundo del OpenSource, explorando proyectos libres que puedes desplegar en tu propio servidor. Y para guiarnos en esta travesía, contamos con la experticia de Jesús Pacheco, mejor conocido en nuestra comunidad HiveAgile como "Pachecodes". ¡Bienvenidos al horizonte!

🌟 TopGit - Resumen Semanal (2026-06-20)

📚 Repositorios Destacados de la Semana

Los siguientes repositorios han sido seleccionados por su relevancia, calidad y métricas de GitHub:

🔧 🤖 Ponytail

Ponytail es una herramienta que permite a tu agente de IA pensar como el desarrollador senior más perezoso del equipo. Reduce la cantidad de código necesario, haciéndolo hasta un 94% más eficiente, al tiempo que garantiza la seguridad y funcionalidad. Su objetivo es escribir solo lo que realmente necesitas, evitando el sobrecódigo.

📊 Estadísticas de GitHub:
- ⭐ 42,379 estrellas
- 🔄 2,043 forks
- 👀 115 observadores
- 📝 60 issues abiertos
- 🔤 Principal lenguaje: JavaScript

🔧 🤖 Open Code Review

Open Code Review es una herramienta de revisión de código impulsada por inteligencia artificial (IA) que permite a los desarrolladores analizar y mejorar el código de manera eficiente. Originalmente creada como asistente interno en Alibaba, ha sido validada y ahora está disponible como un proyecto de código abierto para la comunidad. Su objetivo es proporcionar comentarios precisos y estructurados sobre el código, asegurando una revisión más efectiva y minimizando errores.

📊 Estadísticas de GitHub:
- ⭐ 8,037 estrellas
- 🔄 498 forks
- 👀 28 observadores
- 📝 39 issues abiertos
- 🔤 Principal lenguaje: Go

🔧 💻 Portabase: Herramienta de respaldo y restauración de bases de datos

Portabase es una herramienta diseñada para simplificar el respaldo y la restauración de instancias de bases de datos. Integrándose sin problemas con los agentes de Portabase para gestionar operaciones de manera segura y eficiente. Soporta múltiples bases de datos como PostgreSQL, MySQL, MsSQL, MariaDB, Firebird SQL, SQLite, MongoDB, Redis y Valkey.

📊 Estadísticas de GitHub:
- ⭐ 1,044 estrellas
- 🔄 60 forks
- 👀 5 observadores
- 📝 22 issues abiertos
- 🔤 Principal lenguaje: TypeScript

🔧 🧠 Compilador Wiki LLM

El Compilador Wiki LLM transforma fuentes crudas en una wiki interconectada y citada que agentes y humanos pueden navegar, consultar, exportar y reutilizar. Cumple con el patrón de Wiki LLM de Andrej Karpathy, permitiendo la compilación de conocimiento en lugar de su recreación en tiempo de consulta.

📊 Estadísticas de GitHub:
- ⭐ 1,566 estrellas
- 🔄 156 forks
- 👀 11 observadores
- 📝 10 issues abiertos
- 🔤 Principal lenguaje: TypeScript

🔧 💻 Ghostty Blackhole

Ghostty Blackhole es una herramienta que crea un agujero negro en tiempo real dentro de tu terminal, creciendo a medida que se llena la ventana de contexto de Claude Code. Ofrece modos de visualización dinámicos como un reloj pomodoro o un modo de seguimiento de tokens para mejorar tu productividad. Con su shader personalizado, simula efectos visuales impresionantes como anillos de fotones y lente gravitacional, transformando tu experiencia en la terminal.

📊 Estadísticas de GitHub:
- ⭐ 1,074 estrellas
- 🔄 89 forks
- 👀 1 observadores
- 📝 5 issues abiertos
- 🔤 Principal lenguaje: GLSL

🔧 🧠 Agente de Voz MadMax

Un agente de voz para dispositivos, impulsado por Google Gemini Live API con un detector de palabra clave local y memoria a largo plazo.

• Descripción: Este sistema permite diálogo en tiempo real a través de la API de Gemini, integrando búsqueda en internet, memoria gestionada y herramientas de llamada en modo en vivo.
• Características: Comunicación de voz a voz, extracción automática de memoria, y diagnóstico de latencia entre otros.
• Beneficios: Operación offline, gestión de memoria estructurada y recuperación automática de sesiones perdidas.
• Casos de uso: Ideal para asistentes personales, robótica y casos donde se requiere un agente de voz continuo.

📊 Estadísticas de GitHub:
- ⭐ 14 estrellas
- 🔄 0 forks
- 👀 0 observadores
- 📝 0 issues abiertos
- 🔤 Principal lenguaje: Python

🔧 🤖 Telegram Autopilot

Telegram Autopilot es un asistente personal de IA integrado en tu perfil de Telegram que lee y responde a tus mensajes en tu nombre. Perfecto para cuando estás ocupado, de viaje o simplemente deseas delegar tareas rutinarias. Utiliza la función oficial de Telegram "Automatización de chats", garantizando un uso seguro y confiable del Bot API.

Aprovecha sus múltiples funcionalidades como la capacidad de responder en tu estilo, integrar estadísticas de uso, y manejar múltiples modelos de IA. Además, su interfaz de administración te proporciona control total sobre el funcionamiento del bot.

📊 Estadísticas de GitHub:
- ⭐ 28 estrellas
- 🔄 4 forks
- 👀 0 observadores
- 📝 0 issues abiertos
- 🔤 Principal lenguaje: Python

🔧 💻 Whalerprod: IDE en el Navegador

Descripción: Whalerprod es un IDE de navegador donde cada espacio de trabajo está respaldado por su propio contenedor Docker. El editor es en tiempo real y los archivos se persisten en Postgres, reflejándose en el sistema de archivos del contenedor.

Características: Cambios en el espacio de trabajo son reflejados en la base de datos, cada workspace tiene su propio contenedor Docker, previews que usan la misma estructura de archivos, y edición colaborativa.

Beneficios: Permite un entorno de desarrollo realista, con seguridad en la ejecución y acceso controlado, lo que optimiza el flujo de trabajo de programación.

Casos de uso: Ideal para desarrolladores que buscan un entorno de desarrollo colaborativo, así como para la creación y prueba de aplicaciones web en tiempo real.

📊 Estadísticas de GitHub:
- ⭐ 10 estrellas
- 🔄 0 forks
- 👀 0 observadores
- 📝 0 issues abiertos
- 🔤 Principal lenguaje: TypeScript

📊 Análisis de Distribución por Categorías

La siguiente gráfica muestra la distribución de proyectos por categoría en TopGit:

📈 Estadísticas Semanales

🏆 Top 3 Categorías

📊 Distribución Detallada

🤖 IA & Machine Learning ███████       38%  (3 repos)
🔧 Dev                ███████       38%  (3 repos)
⚡ Productivity       ██            12%  (1 repos)
📊 Data & Analytics   ██            12%  (1 repos)

🚀 Tendencias Destacadas

📈 Métricas Clave

• Repositorios Totales: 8
• Promedio Diario: 1.1 repos/día
• Categorías Activas: 4

🎯 Categorías Dominantes

1. IA & Machine Learning
2. 3 repositorios

3. 37.5% del total

4. Dev

5. 3 repositorios

6. 37.5% del total

7. Productivity

8. 1 repositorios
9. 12.5% del total

💡 Análisis de Tendencias

No se pudo generar el análisis de tendencias.

Marco le enseñó a Hermes a no repetirse

Hermes Agent v0.17.0 unificó los canales de Marco — un solo agente hablando por iMessage, WhatsApp y Telegram. Lo que vino después fue dejar que todo lo que ese agente iba aprendiendo en cada conversación se quedara grabado en un único sitio, sin que nadie tuviera que escribirlo a mano.

El Mac mini llevaba ocho meses en el armario de la entrada, al lado del router. Marco lo había comprado de segunda mano solo para una cosa: mantener vivo el relay de BlueBubbles que le permitía a un agente mandar y recibir iMessages para un cliente que se negaba, por principios, a usar otra cosa que no fuera la app azul de su iPhone.

Funcionaba. Hasta que dejaba de funcionar.

Cada pocas semanas el relay se caía sin avisar y Marco se enteraba a la mañana siguiente porque el cliente le escribía preguntando por qué el agente llevaba doce horas en silencio. Para otro cliente tenía un bridge de WhatsApp sobre Baileys que pedía escanear un QR cada vez que el contenedor se reiniciaba. Para un tercero, un bot de Telegram suelto en un script aparte, sin memoria compartida con nada más.

Tres clientes, tres procesos independientes, ninguno hablándole al otro.

Esa semana salió Hermes Agent v0.17.0 — la que su propio changelog bautiza como the Reach Release. Marco lo leyó y entendió por qué: 1.475 commits, 800 pull requests, 245 contribuidores, y un hilo conductor único — hasta dónde llega el agente sin que tú tengas que sostener la infraestructura por debajo.

A dónde llega ahora un agente

iMessage sin Mac en el armario. Un plugin de plataforma construido sobre el pool gestionado de Photon Spectrum. hermes photon login, autenticación por código de dispositivo, y listo — sin relay en macOS que vigilar. Marco desenchufó el Mac mini esa misma tarde.

WhatsApp oficial, sin bridge que babysittear. Junto al bridge de Baileys que ya existía, ahora hay un adaptador para la API oficial de WhatsApp Business Cloud de Meta. Credenciales de Business API en vez de un QR que caduca cada pocos días.

Raft, una red de agentes nueva. Con RAFT_PROFILE definido, Raft puede despertar a Hermes cuando llega actividad relevante — y el payload de activación nunca lleva el contenido del mensaje, solo metadatos.

Subagentes en segundo plano. delegate_task(background=true) lanza una tarea que corre de fondo y devuelve un handle al momento. Marco sigue trabajando, y el resultado completo vuelve como un turno nuevo en cuanto termina — el mismo patrón de delegar y seguir, ahora también aplicado a los canales de mensajería.

Tres clientes, un único Hermes, con memoria compartida detrás. Marco pensó que ahí terminaba el problema.

No fue así. Fue donde empezó el siguiente.

El problema que la propia actualización dejó al descubierto

Con Hermes unificado, las conversaciones con sus tres clientes — y con sus propios proyectos — se multiplicaron. Cada sesión, cada canal, cada hilo aprendía algo: una decisión de arquitectura aquí, un certificado que había que vigilar allá, una preferencia que un cliente había mencionado de pasada hacía dos semanas.

El problema era que todo ese aprendizaje se quedaba atrapado donde había nacido. Lo que Hermes aprendía en una conversación por WhatsApp con el cliente uno no aparecía cuando Marco le preguntaba algo relacionado dos días después por Telegram. La memoria del agente — incluso con el memory tool mejorado de esta misma versión, que ahora aplica lotes de altas, sustituciones y bajas de forma atómica contra el presupuesto de caracteres — seguía siendo memoria por sesión, no memoria compartida.

Tengo un agente que está en todas partes. Lo que no tengo es un sitio donde todo lo que ha aprendido se quede.

Esa fue la pregunta que lo llevó al plugin del que Oriol llevaba semanas hablando.

El plugin que junta todo: Karpathy LLM Wiki

No es un framework de skills para terminal. Es un plugin de Obsidian de verdad, instalable desde el propio marketplace de la aplicación — autoría de Greener-Dalii, versión 1.7.19, licencia MIT, creado hace solo tres semanas y con 19 releases ya publicadas. Se actualiza constantemente: la última, hace 16 horas.

La premisa, resumida por el propio autor: escribes, la IA organiza, preguntas. Eso es todo. Tus notas son una mina de oro de gente, conceptos, ideas y conexiones — pero mientras sean solo ficheros en carpetas, encontrar qué se relaciona con qué significa buscar, etiquetar, y esperar acordarte del hilo. La idea, tomada directamente del mismo gist de Andrej Karpathy que circulaba en el podcast, es tratar las notas como materia prima y dejar que un LLM haga el trabajo de arquitecto: lee lo que escribes, extrae entidades y conceptos, y los teje en un wiki estructurado con enlaces bidireccionales, un índice autogenerado, y una interfaz de chat que responde preguntas basándose en tu conocimiento — no en el de internet.

Arquitectura de tres capas, también heredada de Karpathy:

sources/     # tus documentos originales — de solo lectura
  ↓ ingest
wiki/        # páginas generadas por el LLM
  ↓ query / mantenimiento
schema/      # configuración de la estructura, coevoluciona con el wiki

Lo que el plugin añade encima del concepto:

• Extracción de entidades y conceptos con alias obligatorios en cada página — traducción, acrónimo, nombre alternativo — para que la detección de duplicados funcione entre idiomas.
• Fusión inteligente de conocimiento. Cuando una fuente nueva toca un concepto que ya existe, el plugin fusiona la información sin redundancia, conserva las contradicciones con su atribución, y respeta las páginas marcadas como reviewed: true — esas no se sobreescriben, solo reciben contenido genuinamente nuevo añadido al final.
• Máquina de estados para contradicciones: detected → review_ok → resolved (arreglo automático por IA) o detected → pending_fix (revisión manual). Si dos fuentes dicen cosas distintas sobre lo mismo, el wiki no elige una al azar — lo marca y espera.
• Lint Wiki, un escaneo de salud completo: duplicados, enlaces muertos, páginas huérfanas, alias ausentes, contradicciones — todo en un solo informe, con un botón de Smart Fix All que arregla todo en el orden correcto (alias → duplicados → enlaces rotos → huérfanos → páginas vacías).
• Query conversacional con respuestas en streaming y [[wikilinks]] como migas de pan hacia el resto del grafo.
• Multi-proveedor: Anthropic, Gemini, OpenAI, DeepSeek, Kimi, GLM, Ollama, OpenRouter, o un endpoint personalizado.

Y la filosofía que más le interesó a Marco: el plugin sigue deliberadamente en contra del RAG fragmentado. Karpathy argumenta que trocear el conocimiento rompe la capacidad del modelo de razonar sobre el grafo completo — así que el plugin alimenta al LLM con el wiki entero como contexto, no fragmentos recuperados. Por eso recomienda modelos de contexto largo: Claude Sonnet 4.6 y Opus 4.7 con 1M de tokens están en su lista de recomendados.

La gracia: que sea Hermes quien escriba la wiki

Marco no quería ser él quien volcara manualmente lo aprendido en sources/. Eso habría sido sustituir un problema por otro — ahora tendría que acordarse de transcribir conversaciones en vez de simplemente vivirlas.

La pieza que cerró el círculo fue justo la que acababa de instalar: un subagente en segundo plano de Hermes, programado para correr cada noche, que recoge todo lo que el agente ha aprendido ese día — en cualquier canal, de cualquier cliente — y lo escribe como markdown directamente en la carpeta sources/ del vault de Obsidian.

Hermes alimentando la fuente. El plugin convirtiendo esa fuente en wiki. Sin que Marco tocara ninguno de los dos lados.

Cómo montó exactamente ese puente, y qué pasó la primera vez que dos clientes contaron versiones distintas de lo mismo, es la parte que viene ahora.