qm – Armazón de agente multijugador para el trabajo

Artículo original ↗ Discusión en Hacker News ↗

Un nuevo “armazón de agente multijugador” de código abierto de YC pretende darle a cada empleado un asistente de IA personal que pueda actuar en las herramientas de la empresa, mientras comparte contexto acotado en “salas” compartidas. A los comentaristas les intriga la idea de agentes a nivel organizacional y el modelo de contribución —ideas de funciones enviadas como texto escrito por humanos en lugar de código—, pero cuestionan cuánto avanza realmente más allá de los bots de Slack existentes, productos tipo Copilot/Cowork y otros marcos de agentes como Hermes u OpenClaw. También hay escepticismo sobre decisiones de diseño impulsadas por el hype, como una elaborada habilidad de “anti-slop”, y preocupaciones más amplias de que los agentes siempre activos puedan generar más ruido, riesgo de seguridad y automatización superficial que ganancias reales de productividad.

Modelo de contribución y código generado por IA

  • El proyecto solo acepta ADRs de “texto escrito por humanos”, no PRs de código. Luego, los mantenedores implementan los cambios, a menudo mediante sus propios agentes.
  • Muchos ven esto como una forma práctica de evitar PRs de baja calidad o “LLM-slop” y centrarse en ideas y especificaciones en lugar de revisión de código.
  • Otros encuentran irónico o “AI-psychotic” que un proyecto intensivo en IA prohíba propuestas escritas por IA, aunque algunos señalan que la restricción en realidad recae sobre especificaciones formalizadas por IA, no sobre el uso general de IA.
  • Se hacen comparaciones con proyectos como SQLite, que también evitan contribuciones de código aleatorias; varios mantenedores dicen que prefieren issues detallados a PRs improvisados.

“Taste” / habilidad anti-slop

  • La “taste skill” para frontends que se entrega intenta evitar el diseño y el copy típicos que parecen generados por IA.
  • A algunos les gusta la idea de codificar explícitamente reglas anti-slop; otros critican el enorme tamaño del prompt y su estilo negativo y prescriptivo.
  • Las prohibiciones de marcadores estilísticos específicos (como ciertas paletas o puntuación) son vistas por algunos como sobreajustadas y ridículas; otros creen que esas señales simplemente se invertirán con el tiempo.

Armazones de agentes, Hermes y casos de uso

  • La discusión compara qm con Hermes, sistemas tipo Openclaw y otros armazones.
  • Algunos prefieren armazones ricos en funciones como Hermes; otros favorecen configuraciones minimalistas y extensibles o construir el suyo propio para tener control y gestionar el uso de recursos.
  • Usos reales reportados: triaje de alertas de guardia, solucionadores de CI, generación de RCA, optimización de consultas a bases de datos, triaje de bandejas de entrada y de RSS/news, gráficos/analítica y herramientas internas mediante webhooks.
  • Una preocupación recurrente: producir mucho código de agentes es fácil; revisarlo, rastrear su procedencia y confiar en él es lo difícil.

Agentes “multijugador” y UX

  • “Multijugador” se interpreta como agentes a nivel de organización y salas/ámbitos compartidos, de modo que cada persona tenga un asistente que pueda colaborar y compartir contexto.
  • Algunos ven esto como otro programador de tareas o un bot de Slack glorificado; otros creen que el contexto compartido acotado es el verdadero reto y valor.
  • Hay interés en nuevas primitivas de UI y agentes (p. ej., modelos de estado vinculados a la UI, aplicaciones basadas en MCP), pero muchos señalan que las páginas de marketing actuales son vagas y similares.
  • Debate sobre si construir armazones a medida o usar plataformas generalizadas; se valora la personalización, pero la fragmentación y el cansancio de “otro armazón más” son evidentes.

Recepción, novedad y escepticismo

  • Algunos consideran que qm es real, útil y una evolución natural de configuraciones previas personales de RAG/agentes.
  • Otros lo ven como sobredimensionado, impulsado por hype, apresurado en respuesta al revuelo de la “IA multijugador”, o una solución en busca de problemas que principalmente quema tokens.
  • Se plantean preocupaciones sobre seguridad (agentes con todos los permisos de un usuario), diferenciación poco clara frente a herramientas como Copilot o Cowork, y los motivos estratégicos más amplios de YC.