> lista de notas de decisión
Decisiones de arquitectura, notas de implementación de MCP y algún que otro desahogo sobre cosas que no deberían ser tan difíciles.
Última entrega
Empieza aquí si quieres la actualización técnica más fresca antes de meterte al archivo.
Migramos nuestros embeddings de código a voyage-4-large — actualmente en la cima de la tabla pública de RTEB para recuperación de código. La versión honesta: el compromiso que hacemos, qué indexamos realmente, y por qué pagamos por embeddings premium.
Archivo
Arquitectura, observabilidad, diseño de superficie MCP y los patrones que sobrevivieron el contacto con producción.
Damos soporte de inteligencia de código para ~280 lenguajes. Ningún humano puede auditar eso a mano. Así que construimos un bucle de autosuperación recursiva de lenguajes — verificación puntual, LLM como juez, corregir una cosa, revalidar — y lo ejecutamos con una flota de agentes aislados hasta que la extracción sea realmente correcta, no solo verde.
Una consulta como 'dónde está definido parseConfig' necesita una búsqueda distinta a 'cómo funciona la autenticación'. Maguyva clasifica la intención, pondera en consecuencia cuatro modalidades de recuperación, y fusiona los resultados con Reciprocal Rank Fusion ponderada.
Conectamos Claude Code y Codex a un único stack de Grafana con OpenTelemetry y Alloy, y luego usamos trazas y registros para encontrar y corregir problemas de comportamiento de los agentes en su origen.
Los commits de Git se convierten en entradas de changelog estructuradas y registros de decisiones arquitectónicas, que luego retroalimentan a los agentes de IA como memoria institucional consultable.
Evaluamos 3,500 skills candidatas y adoptamos 466. Un bucle sistemático de minería e ingesta para construir, a gran escala, una biblioteca coherente de skills para agentes de IA.
Los sistemas de agentes son opacos por defecto. La divulgación progresiva les da a los operadores vistas de CLI en capas, desde verificaciones rápidas de estado hasta los detalles internos completos de los agentes y sus rastros de decisiones.
Los agentes de IA alucinan con total confianza. Los ground truths son hechos versionados y delimitados que anclan el comportamiento de los agentes a la realidad. Así es como los construimos y los hacemos cumplir.
Un solo orquestador enruta el trabajo hacia agentes de IA especialistas, cada uno con skills y memoria propias. Cómo Orkestra coordina 46 agentes y 466 skills en producción.
Cada entrega llega aquí primero. Las nuevas se publican directo en el changelog, o suscríbete por RSS para enterarte apenas sale una.