You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Copy file name to clipboardExpand all lines: docs/agentic/introduction.html
+173-8Lines changed: 173 additions & 8 deletions
Original file line number
Diff line number
Diff line change
@@ -109,6 +109,120 @@ <h3 class="title"><a href="../index.html">Elixir ML & LLM</a></h3>
109
109
</aside>
110
110
<articleclass="doc">
111
111
<h1class="page">Introducción a la Programación Agéntica</h1>
112
+
<divid="preamble">
113
+
<divclass="sectionbody">
114
+
<divclass="paragraph">
115
+
<p>La <strong>programación agéntica</strong> (o <em>agentic programming</em>) es un enfoque de desarrollo donde se crean <strong>agentes de software autónomos</strong>, normalmente impulsados por IA, capaces de <strong>tomar decisiones, aprender y ejecutar tareas por sí mismos</strong> en lugar de seguir únicamente instrucciones fijas.</p>
116
+
</div>
117
+
<divclass="paragraph">
118
+
<p>En vez de definir paso a paso "haz A → luego B → luego C", se diseña un agente con:</p>
cotizar en <ahref="https://llm-price.com/">LLM Price</a>. Normalmente la comparación estándar
136
250
es el valor por el millón de tokens generados. Se puede utilizar también la web
137
251
de <ahref="https://www.swebench.com/index.html">SWE Bench</a>, aunque sus valores no están
138
-
muy actualizados y pueden variar.</p>
252
+
muy actualizados y pueden variar. Una opción razonable es analizar los precios
253
+
de <ahref="https://cursor.com/es/docs/models-and-pricing">Cursor</a>, ya que la mayoría de las otras herramientas tendrán un valor similar y conforme avanza la tecnología modelos
254
+
más nuevos abaratan los costos de los modelos anteriores.</p>
<h2id="se-puede-instalar-modelos-locales"><aclass="anchor" href="#se-puede-instalar-modelos-locales"></a>¿Se puede instalar modelos locales?</h2>
166
-
<divclass="sectionbody">
281
+
<divclass="sect2">
282
+
<h3id="se-puede-instalar-modelos-locales"><aclass="anchor" href="#se-puede-instalar-modelos-locales"></a>¿Se puede instalar modelos locales?</h3>
167
283
<divclass="paragraph">
168
284
<p>Si bien es posible comprar un computador potente como un <ahref="https://www.elladodelmal.com/2024/12/como-montar-tu-propio-servidor-de.html">Mac Mini</a> (Una configuración mínima para poder ejecutar modelos decentes sería un Macbook Pro M4 con 32GB de RAM y 1TB de disco duro).
169
285
e instalar un modelo local como <ahref="https://ollama.com/">oLlama</a>, <ahref="https://lmstudio.ai/">LMStudio</a> o <ahref="https://pinokio.co/">Pinokio</a>. Para simular las capacidades de cómputo de un modelo de subscripción como <ahref="https://www.anthropic.com/claude/opus">Opus 4.6</a> se necesitaría una inversión
<p><ahref="https://github.com/NousResearch/hermes-agent">Hermes Agent</a>, <ahref="https://opencode.ai/">OpenCode</a> y <ahref="https://github.com/openclaw/openclaw">OpenClaw</a> son dos herramientas que permiten dar un contexto persistente a los modelos
311
+
de LLM. Herramientas como <em>Claude Code</em>, <em>Codex</em> y <em>Cursor</em> son potentes dentro de una sesión, pero tienen un contexto limitado entre sesiones.</p>
312
+
</div>
313
+
<divclass="paragraph">
314
+
<p><strong>OpenClaw</strong></p>
315
+
</div>
316
+
<divclass="paragraph">
317
+
<p><em>OpenClaw</em> nació a finales del 2025 y resolvió un problema que los desarrolladores llevaban tiempo esperando que alguien solucionara. Les ofreció un agente de IA autoalojado que se conecta a las aplicaciones de mensajería que ya usan: WhatsApp, Telegram, Slack, Discord, Signal y más de 50 integraciones adicionales. Funciona con todos los principales proveedores de modelos: Anthropic, OpenAI, Google y modelos locales a través de <em>Ollama</em>. El ecosistema creció hasta incluir <ahref="https://clawhub.ai/">ClawHub</a>, un registro público de habilidades con miles de habilidades creadas por la comunidad, múltiples proveedores de hosting gestionado y aplicaciones complementarias para macOS e iOS.</p>
318
+
</div>
319
+
<divclass="paragraph">
320
+
<p><strong>Hermes Agent</strong></p>
321
+
</div>
322
+
<divclass="paragraph">
323
+
<p><em>Hermes Agent</em> se lanzó en febrero de 2026 por Nous Research, el laboratorio detrás de las familias de modelos Hermes, Nomos y Psyche.</p>
324
+
</div>
325
+
<divclass="paragraph">
326
+
<p>Mientras <em>OpenClaw</em> se centró en la amplitud de las integraciones, Hermes Agent se enfocó en la profundidad del aprendizaje. El eslogan del proyecto, “el agente que crece contigo”, describe una arquitectura construida alrededor de un ciclo de aprendizaje cerrado. Tres componentes hacen que este ciclo funcione.</p>
327
+
</div>
328
+
<divclass="paragraph">
329
+
<p>Primero, memoria persistente. Hermes utiliza búsqueda de texto completo FTS5 sobre todas las sesiones pasadas almacenadas en SQLite, combinada con resúmenes generados por LLM. El agente puede recordar conversaciones de semanas atrás, buscar en su propio historial y construir una comprensión más profunda de quién eres y cómo trabajas. Esto no es un archivo <em>CLAUDE.md</em> que mantienes tú mismo. El agente gestiona su propia memoria con ajustes periódicos.</p>
330
+
</div>
331
+
<divclass="paragraph">
332
+
<p>Segundo, creación autónoma de habilidades. Después de completar tareas complejas, el agente puede escribir un documento estructurado de habilidades que registra los procedimientos, los posibles errores y los pasos de verificación que descubrió.</p>
333
+
</div>
334
+
<divclass="paragraph">
335
+
<p>La próxima vez que surja una tarea similar, carga la habilidad en lugar de resolver el problema desde cero. Las habilidades siguen el estándar abierto <ahref="https://agentskills.io/home">agentskills.io</a>, lo que las hace portables entre plataformas compatibles.</p>
336
+
</div>
337
+
<divclass="paragraph">
338
+
<p><strong>OpenCode</strong></p>
339
+
</div>
340
+
<divclass="paragraph">
341
+
<p>OpenCode es un agente de código de código abierto diseñado para la terminal que te permite programar con IA directamente desde la línea de comandos. A diferencia de otras herramientas cerradas, OpenCode funciona como un binario único sin dependencias y destaca por su sistema de agentes, habilidades (skills) y comandos personalizados.</p>
342
+
</div>
343
+
<divclass="paragraph">
344
+
<p>OpenCode no se limita a responder preguntas; te permite crear comandos personalizados para tareas repetitivas (como ejecutar tests o crear PRDs) y agentes especializados para roles específicos (como un arquitecto de seguridad o un experto en documentación).</p>
345
+
</div>
346
+
<divclass="paragraph">
347
+
<p><strong>Mirada Hacia el Futuro</strong></p>
348
+
</div>
349
+
<divclass="paragraph">
350
+
<p><em>OpenClaw</em>, <em>OpenCode</em> y <em>Hermes Agent</em> se entienden mejor como dos prototipos tempranos e influyentes de infraestructura de agentes persistentes. Uno prioriza el ecosistema. El otro prioriza el ciclo de aprendizaje. Ninguno es un producto terminado, pero ambos apuntan hacia un futuro en el que los agentes de IA funcionen como servicios de larga duración en lugar de asistentes limitados a una sesión.</p>
Copy file name to clipboardExpand all lines: modules/agentic/pages/introduction.adoc
+90-3Lines changed: 90 additions & 3 deletions
Display the source diff
Display the rich diff
Original file line number
Diff line number
Diff line change
@@ -1,5 +1,58 @@
1
1
= Introducción a la Programación Agéntica
2
2
3
+
La *programación agéntica* (o _agentic programming_) es un enfoque de desarrollo donde se crean *agentes de software autónomos*, normalmente impulsados por IA, capaces de *tomar decisiones, aprender y ejecutar tareas por sí mismos* en lugar de seguir únicamente instrucciones fijas.
4
+
5
+
En vez de definir paso a paso "haz A → luego B → luego C", se diseña un agente con:
6
+
7
+
- *objetivos* (qué debe lograr)
8
+
- *herramientas* (APIs, bases de datos, aplicaciones)
9
+
- *memoria* (para recordar contexto)
10
+
- *capacidad de razonamiento*
11
+
12
+
A partir de esto, el agente decide cómo actuar.
13
+
14
+
En un programa tradicional, se sigue reglas exactas.
15
+
Mientras que en un programa agéntico, se persigue objetivos y
16
+
decide cómo alcanzarlos.
17
+
18
+
Un agente puede, por ejemplo:
19
+
20
+
- Leer y responder correos automáticamente
21
+
- Investigar información en internet
22
+
- Ejecutar código
23
+
- Coordinar tareas entre varias aplicaciones
24
+
- Aprender de interacciones pasadas
25
+
26
+
**Componentes típicos**
27
+
28
+
- *Modelo de lenguaje (LLM)*: el “cerebro”
29
+
- *Memoria*: corto y largo plazo
30
+
- *Planificación*: divide tareas complejas
31
+
- *Herramientas*: acciones en el mundo real (APIs, software)
La programación agéntica representa un cambio importante:
50
+
51
+
- De *software pasivo* → a *software que actúa por ti*
52
+
- De *herramientas* → a *colaboradores digitales*
53
+
54
+
Es la base de asistentes avanzados, automatización inteligente y plataformas de agentes.
55
+
3
56
== ¿Qué es un Token?
4
57
5
58
La velocidad de generación medida en tokens por segundo es el factor que define el rendimiento y usabilidad de los modelos de LLMs. Los tokens representan las unidades mínimas en las que se descompone el texto (palabras, sílabas o incluso caracteres), y la rapidez con la que un modelo puede procesar y generar estas unidades determina su eficiencia en tareas como la creación de texto, la traducción o el análisis de datos.
@@ -18,18 +71,21 @@ También es importante considerar el factor precio, por lo cual se puede
18
71
cotizar en https://llm-price.com/[LLM Price]. Normalmente la comparación estándar
19
72
es el valor por el millón de tokens generados. Se puede utilizar también la web
20
73
de https://www.swebench.com/index.html[SWE Bench], aunque sus valores no están
21
-
muy actualizados y pueden variar.
74
+
muy actualizados y pueden variar. Una opción razonable es analizar los precios
75
+
de https://cursor.com/es/docs/models-and-pricing[Cursor], ya que la mayoría de las otras herramientas tendrán un valor similar y conforme avanza la tecnología modelos
76
+
más nuevos abaratan los costos de los modelos anteriores.
22
77
23
78
=== Modelos Populares
24
79
25
80
Se puede ver los últimos modelos en la siguiente web https://hasbeenreleased.com/[Has been Released].
26
81
27
82
- Claude Code
28
83
- Cursor
84
+
- Codex
29
85
- Sonnet
30
86
- Haiku
31
87
32
-
== ¿Se puede instalar modelos locales?
88
+
=== ¿Se puede instalar modelos locales?
33
89
34
90
Si bien es posible comprar un computador potente como un https://www.elladodelmal.com/2024/12/como-montar-tu-propio-servidor-de.html[Mac Mini] (Una configuración mínima para poder ejecutar modelos decentes sería un Macbook Pro M4 con 32GB de RAM y 1TB de disco duro).
35
91
e instalar un modelo local como https://ollama.com/[oLlama], https://lmstudio.ai/[LMStudio] o https://pinokio.co/[Pinokio]. Para simular las capacidades de cómputo de un modelo de subscripción como https://www.anthropic.com/claude/opus[Opus 4.6] se necesitaría una inversión
@@ -51,9 +107,40 @@ https://lmstudio.ai/[LMStudio] está pensado más para el fine-tuning y personal
51
107
52
108
https://pinokio.co/[Pinokio] Es un "hub" de aplicaciones que permite instalar, ejecutar y controlar de manera programada y local cualquier aplicación de IA con un solo clic. _Pinokio_ automatiza todo el proceso.
53
109
54
-
=== Hermes, OpenClaw
110
+
=== Hermes Agent, OpenClaw, OpenCode
111
+
112
+
https://github.com/NousResearch/hermes-agent[Hermes Agent], https://opencode.ai/[OpenCode] y https://github.com/openclaw/openclaw[OpenClaw] son dos herramientas que permiten dar un contexto persistente a los modelos
113
+
de LLM. Herramientas como _Claude Code_, _Codex_ y _Cursor_ son potentes dentro de una sesión, pero tienen un contexto limitado entre sesiones.
114
+
115
+
*OpenClaw*
116
+
117
+
_OpenClaw_ nació a finales del 2025 y resolvió un problema que los desarrolladores llevaban tiempo esperando que alguien solucionara. Les ofreció un agente de IA autoalojado que se conecta a las aplicaciones de mensajería que ya usan: WhatsApp, Telegram, Slack, Discord, Signal y más de 50 integraciones adicionales. Funciona con todos los principales proveedores de modelos: Anthropic, OpenAI, Google y modelos locales a través de _Ollama_. El ecosistema creció hasta incluir https://clawhub.ai/[ClawHub], un registro público de habilidades con miles de habilidades creadas por la comunidad, múltiples proveedores de hosting gestionado y aplicaciones complementarias para macOS e iOS.
118
+
119
+
*Hermes Agent*
120
+
121
+
_Hermes Agent_ se lanzó en febrero de 2026 por Nous Research, el laboratorio detrás de las familias de modelos Hermes, Nomos y Psyche.
122
+
123
+
Mientras _OpenClaw_ se centró en la amplitud de las integraciones, Hermes Agent se enfocó en la profundidad del aprendizaje. El eslogan del proyecto, “el agente que crece contigo”, describe una arquitectura construida alrededor de un ciclo de aprendizaje cerrado. Tres componentes hacen que este ciclo funcione.
124
+
125
+
Primero, memoria persistente. Hermes utiliza búsqueda de texto completo FTS5 sobre todas las sesiones pasadas almacenadas en SQLite, combinada con resúmenes generados por LLM. El agente puede recordar conversaciones de semanas atrás, buscar en su propio historial y construir una comprensión más profunda de quién eres y cómo trabajas. Esto no es un archivo _CLAUDE.md_ que mantienes tú mismo. El agente gestiona su propia memoria con ajustes periódicos.
126
+
127
+
Segundo, creación autónoma de habilidades. Después de completar tareas complejas, el agente puede escribir un documento estructurado de habilidades que registra los procedimientos, los posibles errores y los pasos de verificación que descubrió.
128
+
129
+
La próxima vez que surja una tarea similar, carga la habilidad en lugar de resolver el problema desde cero. Las habilidades siguen el estándar abierto https://agentskills.io/home[agentskills.io], lo que las hace portables entre plataformas compatibles.
130
+
131
+
132
+
*OpenCode*
133
+
134
+
OpenCode es un agente de código de código abierto diseñado para la terminal que te permite programar con IA directamente desde la línea de comandos. A diferencia de otras herramientas cerradas, OpenCode funciona como un binario único sin dependencias y destaca por su sistema de agentes, habilidades (skills) y comandos personalizados.
135
+
136
+
OpenCode no se limita a responder preguntas; te permite crear comandos personalizados para tareas repetitivas (como ejecutar tests o crear PRDs) y agentes especializados para roles específicos (como un arquitecto de seguridad o un experto en documentación).
137
+
138
+
*Mirada Hacia el Futuro*
55
139
140
+
_OpenClaw_, _OpenCode_ y _Hermes Agent_ se entienden mejor como dos prototipos tempranos e influyentes de infraestructura de agentes persistentes. Uno prioriza el ecosistema. El otro prioriza el ciclo de aprendizaje. Ninguno es un producto terminado, pero ambos apuntan hacia un futuro en el que los agentes de IA funcionen como servicios de larga duración en lugar de asistentes limitados a una sesión.
0 commit comments