Ask HN: ¿Cuál es tu configuración agéntica de IA actual?
Los desarrolladores se están convergiendo rápidamente en unas pocas herramientas dominantes —especialmente Claude Code, Codex, DeepSeek y Qwen— mientras experimentan con todo, desde simples asistentes basados en chat hasta elaboradas “fábricas de software” de agentes coordinados. Muchos describen hacer malabares con varias suscripciones, arneses (Pi, OpenCode, T3 Code, herdr, Orca, etc.) y orquestadores personalizados para paralelizar programación, investigación y automatización personal, pero también reportan sobrecarga cognitiva, problemas de QA y facturas de tokens en aumento. Una minoría notable se queda con un solo modelo ligero o evita por completo los LLMs, citando privacidad, seguridad y preocupaciones por la atrofia de habilidades, y hay un énfasis creciente en sandboxing, inferencia local y en mantener a los humanos firmemente en el bucle de revisión.
Suscripciones y modelos
- Muy común: Claude de pago (Opus 5.5/Sonnet/Fable) y los niveles de ChatGPT/Codex; algunas personas hacen malabares con varios planes de $100–$200 entre proveedores.
- Otras personas lo mantienen al mínimo: un solo nivel de $20, o solo Copilot/Claude/Gemini pagados por la empresa; una minoría visible no paga nada y se queda con niveles gratuitos o modelos locales.
- Los modelos de pesos abiertos se usan mucho: DeepSeek 4.1 Flash, GLM‑5.3, Qwen 3.6/3.8, Kimi, Mistral, Gemma, etc. a través de OpenRouter o proveedores europeos más pequeños.
- Patrón común: modelo “de frontera” para planificación/revisión, modelos más baratos o locales para implementación masiva, resúmenes o trabajos por lotes.
Arneses y flujos de trabajo
- Claude Code y Codex desktop/CLI son los arneses de programación dominantes; muchos dicen que son “suficientes” y mejoran rápidamente.
- Alternativas: OpenCode, Pi/oh‑my‑pi, DeepSeek Harness, Antigravity, Kiro, Maki, Hermes, Muse Code, integraciones con Zed/JetBrains/Cursor y multiplexores de terminal (tmux, Herdr, Rex, Orca, T3 Code).
- Varias personas han creado arneses personalizados (a menudo de código abierto) ajustados a su propia UX: paneles kanban, UIs de tarjetas/canvas, integraciones con Emacs o frontends para Slack/Telegram.
Orquestación, subagentes y “fábricas de software”
- Muchos dependen de funciones de subagentes integradas en Claude Code, Codex, DeepSeek Harness, Pi, etc. para tareas de fan-out y revisión de código.
- Un largo tramo usa orquestadores o plataformas explícitas: OpenClaw, Hermes Agent, Grok Bot, Dots, Muse, ctlflow, Paseo, Gas Town, fábricas al estilo Kiro, etc.
- Bastantes han montado sus propias “fábricas de software”: agentes impulsados por issues de Jira/Linear/GitHub, tableros kanban o tarjetas de sprint; los agentes abren PRs, ejecutan pruebas, realizan revisiones adversariales y repiten hasta la aprobación humana.
- Otros son escépticos de los enjambres, y los describen como quemadores de tokens, frágiles o innecesarios frente a un solo agente fuerte más la guía humana.
Local vs nube, coste y rendimiento
- Algunos lo ejecutan todo localmente (Mac MLX, rigs RTX/Strix Halo/DGX Spark) con Qwen/Gemma/GLM/DeepSeek, citando privacidad, control y bajo coste marginal.
- Otros prefieren suscripciones en la nube, argumentando que los bloques de suscripción superan el precio por API y evitan las molestias del hardware; unos pocos gastan $400–$1000/mes, pero muchos operan cómodamente con $10–$40.
- El hilo señala compensaciones: los modelos cerrados de frontera siguen siendo generalmente más fuertes y concisos; los pesos abiertos están mejorando rápidamente hasta ser “suficientemente buenos” para muchas tareas de programación y automatización.
Seguridad, aislamiento y actitudes
- Las estrategias de aislamiento van desde “en bruto en mi portátil” hasta entornos de sandbox elaborados: bubblewrap, Docker/microVMs, usuarios Unix dedicados, VMs de libvirt, workspaces de Coder o configuraciones personalizadas con gVisor/gateway y proxies de credenciales y listas blancas de URLs.
- Algunos se preocupan explícitamente por baneos de cuentas, filtros de seguridad, retención de datos o prompt injection; otros son más relajados.
- Las opiniones sobre la IA en sí varían mucho: desde “me promovió de programador a arquitecto” y una productividad casi adictiva, pasando por una adopción cauta pero entusiasta, hasta personas que se niegan a usar LLMs en absoluto por ética, seguridad o miedo al desplazamiento cognitivo.