Artículos Relacionados con Agente

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Agente", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

Cómo utilizar los Dynamic Workflows de Claude para realizar investigaciones en profundidad

La investigación técnica, ya sea para humanos o IA, está llena de trampas: información abrumadora y conclusiones borrosas. Claude Code ha lanzado "Dynamic Workflows", una función que supera los modos tradicionales de planificación al permitir que la IA diseñe automáticamente el flujo de trabajo óptimo antes de ejecutar una tarea. Esto se activa con `/deep-research`. El sistema se basa en seis patrones de orquestación de agentes: 1. **Clasificar y Actuar (Classify-And-Act)**: Un agente enruta la tarea al especialista más adecuado. Es preciso y eficiente, pero débil con tareas de límites ambiguos. 2. **División y Fusión (Fan-out & Merge)**: Divide la tarea en partes paralelas y luego fusiona los resultados. Rápido y aislado, pero costoso en tokens y con desafíos en la síntesis. 3. **Verificación Antagónica (Adversarial Verification)**: Múltiples agentes desafían una conclusión desde ángulos de refutación. Mitiga el sesgo de confirmación, pero requiere hechos verificables. 4. **Generar y Filtrar (Generate & Filter)**: Genera múltiples soluciones y filtra las mejores. Fomenta la diversidad, pero depende de la calidad de los criterios de filtrado. 5. **Modo Torneo (Tournament)**: Los agentes compiten en rondas de comparación por pares hasta elegir el mejor. Ofrece alta confiabilidad en juicios relativos. 6. **Modo Bucle (Loop)**: Itera adaptativamente hasta cumplir los criterios de aceptación. Único para tareas de extensión desconocida, pero con riesgo de bucles infinitos. Comparado con un sistema de investigación personalizado previo, Dynamic Workflows añade capas cruciales: desglose inicial de objetivos, evaluación de la credibilidad de las fuentes, eliminación cruzada de conclusiones débiles (no solo fusión) y un informe final orientado a la acción. Esto resuelve problemas clave como la deriva de objetivos, la parada prematura, la contaminación del contexto y el sesgo en las respuestas. En resumen, Dynamic Workflows estructura el proceso de investigación, comprimiendo lo que requería decenas de interacciones en unas pocas, aunque con un costo de tokens mucho mayor. Aunque es poderoso para problemas abiertos, aún tiene limitaciones en la verificación fáctica estricta (más allá de la documentación oficial), el pensamiento profundamente interdisciplinario y novedoso, y la adaptación de la información al nivel del público objetivo. Representa un avance hacia una IA más generalista y adaptable.

marsbit06/09 03:12

Cómo utilizar los Dynamic Workflows de Claude para realizar investigaciones en profundidad

marsbit06/09 03:12

Cuando el razonamiento se convierte en un recurso escaso, ¿quién captura el valor?

Cuando la inferencia se convierte en un recurso escaso, ¿quién captura el valor? El artículo analiza cómo el cuello de botella en la IA ha pasado del entrenamiento a la inferencia, impulsado por el auge de la IA agéntica y física. Empresas como Cerebras, con su IPO exitoso, y Nvidia, que reorganizó sus informes financieros en torno a "tokens de servicio", confirman esta tendencia. La inferencia, un costo operativo recurrente, supera ampliamente al entrenamiento único en escala. Ante una posible sobrecapacidad de GPU, el valor se acumula en la capa que agrega y enruta el poder computacional de manera más eficiente, no en la que posee el hardware. Hyperbolic, al agregar oferta fragmentada de múltiples nubes sin poseer GPUs, ejemplifica este modelo, posicionándose para beneficiarse de la optimización de recursos en la economía de la inferencia.

链捕手06/08 15:45

Cuando el razonamiento se convierte en un recurso escaso, ¿quién captura el valor?

链捕手06/08 15:45

Fundador de Baixing.com: Mis 14 experiencias usando Claude Code

Experiencias del Fundador de BaiXing Wang: Mis 14 Consejos de Uso para Claude Code (Autor: Wang Jianshuo). Aquí resumo mi experiencia personal con Claude Code hasta ahora. El enfoque clave es especializarse en una herramienta, en mi caso Claude Code, y dominar sus atajos esenciales. Para entrada de texto larga, usar Control+G; Control+A, E, U para navegación rápida. La entrada por voz (HoldSpeak) es muy útil. Al iniciar un proyecto, primero escribe un PROJECT.md estructurado. Usa Claude agents por defecto. Claude Code combina perfectamente con GitHub y Cloudflare para automatizar procesos de compilación, publicación y gestión de dominios. Separa claramente lo escrito por humanos y por máquinas: mantén manualmente un CLAUDE.md central; no leas código o .md generados por Claude, pregunta a la IA sobre ellos. Para clarificar ideas, arrastra archivos (audio, video, documentos, capturas de pantalla con Cmd+Shift+5) a la ventana. Reorganiza el sistema de memoria: usa ~/.claude/CLAUDE.md como núcleo, vinculando múltiples archivos de memoria. Guárdalos en un repositorio Git privado en GitHub para que sean permanentes y acumulativos, no dispersos por proyecto. Desarrolla Skills; al finalizar una tarea, pide a Claude que "consolide lo aprendido en un Skill". Para tareas complejas, considera usar ultracode para activar flujos de trabajo dinámicos, a pesar de su costo y lentitud, por su efectividad. Acumula y refactoriza Skills continuamente, también almacenados en Git. Usa la documentación de Git como salida de una tarea y entrada para la siguiente, facilitando la transferencia entre agents sin depender del contexto. Finalmente, trata a Claude Code como un caballo (o persona) con iniciativa propia, no como un coche que solo obedece órdenes. Su capacidad de "encontrar su propio camino" dentro de los objetivos y límites establecidos es una característica clave, no un error.

链捕手06/08 12:55

Fundador de Baixing.com: Mis 14 experiencias usando Claude Code

链捕手06/08 12:55

Necesité un año para comprender la desgarradora verdad sobre los pagos de Agent

Tras un año construyendo infraestructura para la economía de agentes, la autora comparte hallazgos sobre pagos. Empresas como Stripe, Visa y Coinbase están invirtiendo, pero el volumen real de transacciones comerciales es mínimo. Stripe tiene miles de comerciantes, pero solo unos pocos agentes activos. Los tokens de pago de Visa requieren verificaciones complejas y grandes ingresos. En blockchain, se reportan millones de transacciones, pero el volumen diario real es bajo. Para el comercio B2C (agente vs. comerciante), los agentes son buenos entendiendo necesidades, pero la interfaz conversacional es inferior a las tiendas visuales tradicionales para la mayoría de productos. Los comerciantes actualmente se adaptan por miedo a quedarse atrás, no por demanda real. Las oportunidades están en compras de baja decisión (como comida a domicilio) o en sitios con UX compleja, pero esto requiere una gran distribución al consumidor. Para pagos de API (agente vs. API), los desarrolladores ya tienen relaciones de facturación. Las soluciones de prepago resuelven el costo de microtransacciones. La oportunidad está en proveedores de nicho y larga cola, pero este mercado es más pequeño de lo esperado. Los grandes acuerdos de suscripción dominan. El modelo agente vs. agente es a largo plazo y aún teórico, sin volumen significativo. Requeriría una infraestructura de liquidación dedicada para transacciones ultrarrápidas entre máquinas. La categoría más prometedora es agente vs. finanzas, donde ya existe demanda. Agentes para gestión de inversiones, rebalanceo de carteras o DeFi tienen clientes dispuestos a pagar y crean nuevas capacidades. La conclusión clave: el problema central no es el pago, sino la coordinación entre agentes y humanos para verificar y liquidar resultados. Los gigantes construyen de forma defensiva, pero las startups deben buscar mercados reales y en crecimiento, que existen fuera de estas cuatro categorías.

marsbit06/06 10:24

Necesité un año para comprender la desgarradora verdad sobre los pagos de Agent

marsbit06/06 10:24

Guía del modo meta de Codex: Cómo hacer que la IA avance continuamente hacia un objetivo específico

**Guía del modo Objetivo de Codex: Cómo hacer que la IA avance hacia una meta concreta** El modo /goal de Codex transforma a la IA de asistente de código a agente ejecutivo que trabaja de forma continua hacia un objetivo claro. La clave no es escribir indicaciones extensas, sino definir criterios verificables de salida, como "reducir el tiempo de despliegue un 30%" o "lograr una cobertura de pruebas del 100%". Esto permite a Codex evaluar cuándo se completa la tarea y evitar bucles infinitos. Para maximizar su eficacia, es crucial: 1. **Establecer estándares claros y medibles**, preferiblemente con métricas numéricas. 2. **Proporcionar orientación** sobre herramientas, restricciones o áreas de enfoque para evitar desvíos. 3. **Permitir la medición del progreso**, dotando a Codex de herramientas para evaluar avances (por ejemplo, comparadores visuales para tareas de diseño). 4. **Crear un entorno realista** donde Codex pueda probar soluciones en condiciones cercanas a producción. 5. **Ser cauteloso con objetivos visuales** (como replicar un píxel perfecto), ya que pueden llevar a obsesionarse con detalles; es mejor usar listas funcionales o especificaciones de diseño. 6. **Seguir el progreso** mediante commits, PRs borradores, actualizaciones en Slack o documentos de estado. 7. **Revisar y consolidar los resultados** finales, eliminando intentos fallidos y optimizando el código generado. En resumen, /goal convierte a Codex en un "ejecutor de ingeniería" de larga duración, donde el rol del desarrollador evoluciona hacia la gestión de metas, configuración de entornos y supervisión de resultados.

marsbit06/06 08:14

Guía del modo meta de Codex: Cómo hacer que la IA avance continuamente hacia un objetivo específico

marsbit06/06 08:14

Huawei Cloud no libra una guerra de precios de Token, Zhou Yuefeng quiere cambiar la forma de ganar de la nube de IA

"En la reciente conferencia INSPIRE 2026 de Huawei Cloud, Zhou Yuefeng, CEO de Huawei Cloud, delineó una estrategia distintiva para la nube de IA, alejándose de la guerra de precios por tokens que domina el mercado. Mientras competidores como Alibaba Cloud y Volcano Engine enfatizan volúmenes de llamadas de tokens y escala de ingresos, Huawei Cloud prioriza el valor real y la mejora de la productividad detrás de cada token. Zhou destacó tres diferencias clave: primero, la ruta de computación totalmente nacional basada en hardware y software autodesarrollado (como Ascend y Kunpeng), construyendo un 'segundo plano de computación' alternativo al dominado por NVIDIA. Segundo, su enfoque comercial en empresas gubernamentales, estatales y de industrias clave, promoviendo un modelo híbrido que combina datos locales con potencia de IA en la nube pública. Tercero, un ecosistema abierto y colaborativo, incluyendo el lanzamiento de la versión de código abierto de su plataforma de agentes, openJiuwen. El núcleo de la nueva estrategia es el paradigma 'Agentic Infra', que traslada la competencia desde vender tokens a vender productividad. Huawei Cloud presentó un conjunto de productos diseñados para los desafíos de implementar agentes de IA empresariales, como el clúster AICS para baja latencia, AMS para memoria a largo plazo y ModelArts Next para una gestión eficiente de modelos. Además, lanzó 'fábricas de IA' especializadas por sector (sanidad, inteligencia embodada, fabricación, computación científica), buscando generar impacto tangible en áreas como diagnósticos médicos en hospitales regionales. La apuesta de Huawei Cloud es que, evitando la guerra de precios por commoditización de tokens, puede posicionarse como el proveedor de infraestructura fundamental para la próxima fase de la IA industrial basada en agentes inteligentes."

marsbit06/06 05:50

Huawei Cloud no libra una guerra de precios de Token, Zhou Yuefeng quiere cambiar la forma de ganar de la nube de IA

marsbit06/06 05:50

De bloquear Doubao a abrazar Honor: ¿Por qué WeChat cambió repentinamente su postura?

**Resumen: ¿Por qué WeChat cambió su postura, de bloquear a 'Doubao' a colaborar con Honor?** WeChat, la superapp de Tencent, ha dado un giro radical al abrir su ecosistema a los asistentes de IA de los fabricantes de teléfonos mediante el protocolo A2A (Agente a Agente). Anteriormente, en 2025, bloqueó agresivamente intentos de control externo, como el del teléfono 'Doubao' de ByteDance, que usaba la ruta GUI (simulación de clics), por considerarlo una "invasión". Esta colaboración, ya activa en dispositivos Honor (50% de modelos activos) y en proceso con Xiaomi, OPPO y vivo, permite que asistentes como YOYO envíen mensajes o hagan llamadas por WeChat por comando de voz, pero bajo estricto control de WeChat. El cambio se debe a la presión competitiva de Tencent en IA. Su modelo 'Yuanbao' (57 millones de usuarios activos mensuales) está muy por detrás de 'Doubao' (345 millones) o 'Tongyi Qianwen' de Alibaba. WeChat, con 1.400 millones de usuarios y su vasto ecosistema de mini-programas, es su baza clave. La nueva estrategia busca convertir a WeChat en un "sistema operativo de servicios" de IA, utilizando los asistentes del teléfono como puerta de entrada, sin ceder el control. Para los fabricantes, A2A es una opción pragmática. La ruta GUI está bloqueada, mientras que A2A les da acceso controlado y les permite centrarse en otros escenarios de IA propios (recomendaciones, servicios locales), enriqueciendo sus datos y ecología. La seguridad se basa en una autorización doble (usuario + aplicación). En esencia, es una alianza táctica de conveniencia. Tencent gana un canal de distribución crucial para su futuro agente de IA interno. Los fabricantes resuelven un cuello de botella de interoperabilidad. A largo plazo, sus objetivos chocan: Tencent quiere centralizar los servicios en WeChat, los fabricantes quieren que su asistente del sistema sea el centro. La batalla por la entrada a la era de la IA acaba de comenzar.

marsbit06/06 01:53

De bloquear Doubao a abrazar Honor: ¿Por qué WeChat cambió repentinamente su postura?

marsbit06/06 01:53

Near vuelve al escenario de la IA: la transformación en cadena pública por problemas para pagar salarios, y los agentes y la privacidad como nueva narrativa de crecimiento

**Resumen: Near regresa a la IA: De una cadena de bloques por problemas de pago a Agentes y privacidad como nueva narrativa** Near, fundada por Illia Polosukhin, coautor del influyente artículo "Transformer" de IA, nació de manera inesperada en 2017. La razón original fue pragmática: una startup de IA que Polosukhin cofundó tuvo que pausar su trabajo en "síntesis de programas" (enseñar a máquinas a escribir código) debido a la dificultad de pagar a desarrolladores remotos en todo el mundo. Ante sistemas de pago transfronterizos ineficientes, él y su cofundador decidieron construir su propia cadena de bloques escalable y de bajo costo: Near. Aunque Near ganó tracción como cadena de alto rendimiento, su momento crucial llegó con el auge actual de la IA. La participación de Polosukhin en eventos como el GTC de Nvidia volvió a poner el foco en su legado en IA. Near ha reposicionado su tecnología hacia dos áreas clave: 1. **Near Intents (Intenciones):** Este sistema abstrae la complejidad de las transacciones entre cadenas. Los usuarios (o futuros Agentes de IA) solo declaran su objetivo (ej. "intercambiar BTC por ETH"), y una red de "solvers" (solucionadores) encuentra y ejecuta la mejor ruta, manejando los costos de gas de fondo. Esta capa ha procesado más de **200.000 millones de dólares** en volumen y generado **más de 34 millones** en tarifas, integrada en 25 cadenas. 2. **Transacciones Privadas:** Near ha lanzado funciones de "Intenciones Confidenciales" e "Intercambios Confidenciales" que ocultan los detalles de las operaciones (monto, dirección) hasta su liquidación. Esto protege a los grandes traders del "MEV" y del deslizamiento. Sorprendentemente, este tipo de transacciones ya representa **más del 40%** del volumen reciente en Near, mostrando una fuerte demanda, pero también planteando posibles desafíos regulatorios en el futuro. En resumen, Near ha vuelto a sus raíces en IA, aprovechando su tecnología de cadena abstracta para facilitar la economía de los Agentes de IA y abordando la creciente demanda de privacidad en DeFi, mientras navega por las oportunidades y riesgos de este nuevo capítulo.

marsbit06/05 12:55

Near vuelve al escenario de la IA: la transformación en cadena pública por problemas para pagar salarios, y los agentes y la privacidad como nueva narrativa de crecimiento

marsbit06/05 12:55

Después de llamar la atención de IBM, three se multiplicó por 50

Un mensaje de cooperación con IBM ha catapultado al proyecto three.ws, del ecosistema Solana, al centro de atención. Su token, THREE, se disparó hasta 50 veces su valor. La causa directa fue la respuesta oficial de IBM a las publicaciones de three.ws sobre la colaboración, lo que provocó un pico de capitalización de mercado de más de 16 millones de dólares. Three.ws se define como la "capa de agente 3D de Internet". Su objetivo es sacar a los asistentes de IA del cuadro de chat, dotándolos de un cuerpo 3D, memoria, identidad, billetera y canales de distribución para que sean personajes digitales interactivos y ejecutables en páginas web. La plataforma permite a los desarrolladores crear un agente 3D, conectarle modelos de lenguaje, sistemas de memoria, voz y habilidades, e incrustarlo en cualquier sitio web mediante un componente. El agente puede tener una billetera de Solana para realizar pagos. Técnicamente, se compone de cuatro capas: la de visualización (renderizado 3D), la de agente (cerebro y comportamiento), la de identidad (pasaporte digital opcional) y la de distribución (incrustación en webs). Para llegar al mercado empresarial, three.ws se ha asociado con IBM, integrando sus modelos Granite y canales comerciales, y con AWS Marketplace, facilitando la adquisición y facturación para clientes corporativos. Estas colaboraciones buscan transformar a estos agentes 3D de meras demostraciones en servicios gestionables para empresas. La cuestión pendiente es si existe una demanda real de estos agentes con identidad digital y qué función específica desempeñará el token THREE en este ecosistema.

foresightnews_api06/05 04:29

Después de llamar la atención de IBM, three se multiplicó por 50

foresightnews_api06/05 04:29

Codex y ChatGPT se fusionan, comienza una gran reestructuración de las herramientas de programación

OpenAI está cambiando su enfoque de ChatGPT a Codex, integrando ambos en una superapp de escritorio. Codex, originalmente una herramienta de programación, es ahora el negocio de más rápido crecimiento de la empresa, con más de 5 millones de usuarios activos semanales. La diferencia clave es que mientras ChatGPT responde preguntas, Codex ejecuta tareas completas, desde análisis financieros hasta generación de informes, lo que resulta más valioso para las empresas. Esta evolución refleja un cambio en la industria de la IA: desde la era del chat hacia la era de la ejecución automática. OpenAI está reorganizando su estructura en torno a Codex, lanzando complementos para roles como análisis, ventas y diseño. Codex está transformando el trabajo de profesionales como analistas, banqueros y gestores de producto, automatizando flujos de trabajo complejos. La ambición de OpenAI va más allá: con funciones como "Sites", que genera sitios web interactivos a partir de documentos, buscan redefinir el software. El objetivo es que la IA comprenda el trabajo y utilice las herramientas necesarias, actuando como un "empleado digital". El futuro no se trata de qué modelo se usa, sino de que las tareas se completen eficientemente.

marsbit06/04 11:36

Codex y ChatGPT se fusionan, comienza una gran reestructuración de las herramientas de programación