El texto plano sigue siendo una de las mejores tecnologías que tenemos

Artículo original ↗ Discusión en Hacker News ↗

El texto plano es valorado como una de las formas más duraderas y portables de almacenar información, pero los comentaristas señalan lo desordenado que es en la práctica, desde los finales de línea y codificaciones incompatibles (ASCII frente a Unicode/UTF-8) hasta las ambigüedades en las convenciones de números, fechas e idiomas. Muchos sostienen que, a pesar de estas fallas, los formatos basados en texto siguen siendo muchísimo más fáciles de inspeccionar, preservar, analizar y controlar versiones que los formatos propietarios o binarios, que pueden volver los datos inaccesibles con el tiempo. Junto a esto, el hilo aborda herramientas y formatos construidos alrededor del texto plano (para contabilidad, guiones y escritura), debates sobre la complejidad de Unicode y los emojis, y una creciente fatiga ante la escritura generada por IA y las herramientas de detección poco fiables.

Preocupaciones sobre contenido generado por IA

  • Varios comentaristas sospechan que el artículo e incluso todo el blog están asistidos por LLM o escritos por un LLM.
  • Las pruebas citadas: alta frecuencia de publicación, longitud/estructura similar de las entradas, enfoque temático estrecho, foto del autor con apariencia de IA y un repositorio de GitHub con muchos commits “co-authored by Claude”.
  • Otros lo cuestionan: el texto suena humano, incluye pequeños errores y no tiene marcadores obvios de LLM. Varios señalan que los detectores de IA (p. ej., Pangram) tienen altas tasas de falsos positivos, especialmente con escritores ESL y con buena prosa.
  • Algunos expresan cansancio ante la basura generada por IA, mientras que otros advierten que “esto fue escrito por IA” se está convirtiendo en una forma perezosa de descartar contenido sin discutirlo.
  • Se menciona (no está claro, según la memoria) que HN podría estar usando herramientas de IA para penalizar contenido de LLM.

Fortalezas del texto plano y complejidad oculta

  • Hay un fuerte acuerdo en que el texto plano es duradero, portable y probablemente legible dentro de décadas, especialmente gracias a ASCII y, cada vez más, UTF‑8.
  • Varios señalan que “plano” carga con mucho trabajo: los finales de línea varían (CR, LF, CRLF, e incluso variantes históricas), las codificaciones difieren, y metadatos como formatos de fecha/número o idioma no son inherentes.
  • Algunos sostienen que esta ambigüedad es aceptable o incluso una característica; otros desearían metadatos estandarizados (charset, finales de línea) y lamentan que los atributos extendidos del sistema de archivos no se usen para esto.
  • Discusión sobre convenciones históricas de dispositivos y sistemas operativos en torno a CR/LF y cómo se han adaptado las herramientas.

Unicode, ASCII y semántica del texto

  • Debate sobre si ASCII es el único charset realmente “plano” frente a Unicode como el verdadero estándar moderno.
  • Aclaraciones sobre codificaciones: Unicode como puntos de código abstractos, UTF‑8 frente a UTF‑16 y UTF‑32, y grafemas que abarcan múltiples puntos de código.
  • Algunos llaman a Unicode un “desastre”, especialmente por los emojis, la unificación de CJK y reglas de ordenación que no pueden capturar todos los matices culturales (p. ej., la diéresis alemana frente al tréma francés).
  • Otros argumentan que la complejidad es inevitable cuando se da soporte a toda la escritura humana; se defiende a los emojis como una forma de poner a prueba supuestos defectuosos sobre el texto y empujar la adopción de Unicode.

Ecosistema de texto plano: herramientas, formatos y análisis

  • Ejemplos de herramientas centradas en texto plano: sistemas contables (ledger, hledger, beancount), formatos de guion (Fountain) y motores que usan descripciones textuales de escenas.
  • Se presenta un nuevo formato, Brashtag, como una alternativa más simple y programable a Markdown, más cercana a “datos de árbol que se pueden escribir por humanos” que a JSON.
  • Algunos ven Brashtag como redundante respecto a formatos existentes; su creador enfatiza la componibilidad y la facilidad de tooling sobre el renderizado integrado.
  • Preguntas sobre buenas herramientas para convertir texto más gramática en parsers; se sugieren varias bibliotecas de parsing de Python y orientadas al lenguaje.
  • Se reconoce que el texto requiere esfuerzo de parsing, pero es más fácil de inspeccionar e ingeniería inversa que los blobs binarios opacos.

Compensaciones: texto frente a formatos ricos/binarios y durabilidad futura

  • Se elogia al texto plano como casi universal, pero se argumenta que los formatos binarios dan menos miedo ahora que los agentes de IA pueden inferir estructura, descomprimir archivos y escribir herramientas personalizadas.
  • En el archivado científico, el texto funciona bien para tablas, pero se vuelve engorroso para grandes datos de imagen en 2‑D, donde todavía se busca una solución elegante a largo plazo.
  • Algunos sostienen que, como ninguna entidad “posee” por completo el texto, este sigue siendo resiliente, a pesar de que los organismos de estándares controlen ASCII/Unicode.
  • Se observa una tendencia más amplia en los medios: muchos usuarios y editores prefieren video sobre texto, a pesar de que el texto es mucho más compacto y rápido de consumir.