Dónde y con qué correr tus agentes, y cómo hacer que mejoren.
Escanea para abrir el repogithub.com/Jero110/hand-on-agents-presentation
La terminal y los multiplexers.
Entras a un sitio, chateas y copias lo que te da. Solo ve lo que tú le pegas.
El agente vive dentro de tu editor de código, como VS Code o Cursor.
El agente corre en la terminal y trabaja directo sobre tu computadora.
En la terminal el agente tiene mejor acceso a todo lo que hay en tu computadora.
Le pides que lo busque por ti, y lo encuentra.
> Encuentra mi contrato de renta
✓ buscando en tu computadora
✓ Documentos/casa/contrato-renta.pdfSon una capa extra encima de la terminal. Sirven para ver mejor, pero no son necesarias.
Un nombre muy fancy para algo simple: varias terminales abiertas en una sola pantalla.
Trabajas con varios agentes y los ves al mismo tiempo, cada uno en su panel.
Un Claude puede hablar con otro Claude, o con cualquier otro agente.
Claude y Codex no lo permiten solos: hace falta una pequeña extensión.
El original y el más básico. Funciona en cualquier sistema.

Solo Mac, gratis y de código abierto. Pestañas verticales y avisos cuando un agente te necesita.

Pensado para agentes: los deja corriendo y los retomas cuando quieras.
El workflow que usaremos hoy funciona con cmux y con tmux.
El harness y los modelos.
Otra palabra fancy para lo que está encima del modelo, vigilándolo: herramientas, memoria, reglas y el ciclo que lo hace trabajar.
De Anthropic. Usa los modelos Claude. Muy pulido, pero cerrado.
De OpenAI. Usa los modelos GPT. Muy usado, con poco que cambiar.

Código abierto. Funciona con muchos modelos, incluso gratuitos.
Mínimo y de código abierto. Cualquier modelo. Casi todo lo configuras tú.
Puedes cambiar casi todo, como en pi.
Cuesta menos usarlos.
Como opencode, que incluye algunos.
Uno para diseñar, otro para la lógica, otro para buscar.
Por eso importa que los agentes puedan comunicarse entre sí.
Hoy un harness es el mejor; mañana, otro. En vez de casarte con uno, lo mejor es una solución global que sirva para todos.
Un harness nuevo se conecta igual que los demás.
Un harness mínimo. Adáptalo a tu forma de trabajar, no al revés.
/model cambia de modelo en plena sesión
/tree vuelve a un punto anterior y sigue desde ahí
/export guarda la sesión como HTML
/share la sube a un gist y te da un link
/reload recarga pi después de que se modifique a sí mismo
pi -p "pregunta" modo script, sin interfaz
pi --mode json salida en JSON
pi install npm:<paquete> instala un paquete (o git:<repo>)Ya trae las skills y todo configurado, para que no tengas que armarlo desde cero.
Skills, MCPs y el propio harness.
| Nivel | Qué es | Ejemplo |
|---|---|---|
| 1. Skill la sesión | Texto que el modelo lee para saber cómo trabajar | impeccable |
| 2. MCP un programa | Un programa aparte que le da herramientas nuevas | agent-link |
| 3. Harness settings, hooks, extensiones | Configuración que cambia al harness mismo | El workflow de hoy con Claude |
Texto que el modelo lee para saber cómo trabajar: método, reglas, contexto.
Límite: depende de que el modelo obedezca. No le da herramientas nuevas.
Ejemplo: impeccable le enseña a diseñar interfaces bonitas.
Un archivo de texto. Son instrucciones, no un README: el modelo las lee y las sigue.
---
name: explica-simple
description: Explica cualquier tema técnico sin jerga,
para personas que no son técnicas.
---
# Explica simple
Cuando te pidan explicar algo técnico:
1. Empieza con una analogía de la vida diaria.
2. Usa frases cortas, de 15 palabras o menos.
3. Si usas un término técnico, defínelo en esa misma frase.
4. Termina con un ejemplo concreto.
No hagas:
- Listas largas de conceptos.
- Palabras en inglés si existe una en español.Entender antes de construir
plannergrillingConstruir con método
test-driven-developmentincremental-implementationsecurity-and-hardeningspec-driven-developmentCerrar bien
handoffshipping-and-launchimpeccablecode-review-and-qualitycode-simplificationdebugging-and-error-recoveryUn programa aparte que le da al modelo herramientas nuevas, igual en cualquier harness.
Límite: solo actúa cuando el modelo decide usarlo.
Ejemplo: agent-link le da herramientas para lanzar otros agentes y hablar con ellos.
Configuración y código que el propio harness ejecuta: qué modelo usa, qué acciones aprueba o bloquea, cómo se ve.
Límite: se hace una vez por cada harness.
Ejemplo: conectar el workflow de hoy con Claude. Ya arranca usando los modelos de Claude con tu login, y el modelo no decide eso.
De la idea al resultado, con agentes que trabajan en equipo.
El planner no escribe código. Su trabajo es que el agente entienda exactamente lo que tú quieres.
Con el plan aprobado, lo ejecuta todo solo.
Un agente por tarea, con el modelo ideal para cada una. Cada uno responde PASS, ISSUES o BLOCKED, con su prueba.
Cuando termina de construir, tú puedes pedir más cosas. Son manuales: no siempre quieres que corran.
Por ejemplo, una revisión de código:
> /skill:code-review-and-qualityEl agente revisa lo que se construyó y te dice qué mejorar.
Que el agente no empiece de cero cada vez.
Tú: Haz la página de mis gastos,
en azul.
Agente: Listo. Creé gastos.html.Tú: Cámbiale el color a la página.
Agente: ¿Cuál página? No tengo registro
de ninguna sesión anterior.Cada sesión empieza en blanco. El agente no sabe qué hizo en la sesión 1.
Un cuaderno que él mismo escribe y vuelve a leer: archivos de texto.
El modelo lee tus fuentes y construye una wiki: archivos conectados entre sí.
Un ejemplo:
mi-wiki/
├── AGENTS.md ← las reglas
├── raw/ ← las fuentes (no se tocan)
│ ├── articulo-agentes.pdf
│ └── notas-reunion.md
└── wiki/ ← la escribe el modelo
├── index.md ← el catálogo
├── log.md ← la bitácora
├── harness.md
└── multiplexers.mdAbre esa carpeta de archivos Markdown y muestra cómo se conectan las páginas, en un grafo. Es la herramienta que usaremos hoy.
Que tu sistema mejore con el uso.
No es que el sistema se optimice solo y sin control.
Es algo más simple: que entienda cómo está armado y te diga, con evidencia, qué conviene cambiar.
La decisión sigue siendo tuya.
Un agente con el contexto completo: qué harness y modelos tienes, qué skills existen, cómo se conectan los agentes y qué pasó en las últimas corridas.
Un registro automático de todo: qué agente hizo qué, con qué modelo y skills, cuántos tokens, cuánto tiempo, dónde se trabó. Al final, un análisis.
Vamos a ver el workflow de hoy funcionando.