Brief diario

Slash Stack — 12 de noviembre de 2026

Snapshot diario priorizado de IA, software, sistemas, infraestructura, agentes, blockchain, research y herramientas desde Discover.

· Generado 16:51 UTC

Síntesis del día

Agentes en el trabajo diario: colaboración, decisiones y modelos de salud

Agentes-chat propone un espacio de equipo autohospedado con agentes; Gemini Decision 1 y una investigación de Google muestran otros frentes de evaluación, con detalles aún desiguales.

Análisis principal

Agentes-chat se presenta como una alternativa de Slack autohospedada en la que personas y agentes comparten canales y mensajes directos. Según la ficha del repositorio, los agentes pueden usar Claude, ChatGPT/Codex, Gemini o Grok, además de herramientas MCP, navegador y ordenador propios, rutinas, memoria y aprobaciones humanas. La aplicación ofrece clientes web, de escritorio y móvil; la ficha indica Docker Compose, Postgres y licencia AGPL-3.0. El cambio práctico aquí no es un nuevo modelo, sino reunir interacción de equipo y agentes en una plataforma que una organización puede alojar por su cuenta. Eso permite evaluar si resulta útil tener conversaciones, herramientas y puntos de aprobación en el mismo entorno, en lugar de repartirlos entre servicios. La descripción, sin embargo, no establece la profundidad de los controles de acceso, cómo se aíslan los agentes ni qué integraciones están disponibles en la práctica. Como la evidencia recuperada del repositorio está truncada, conviene tratar esas capacidades como lo que el proyecto anuncia, no como prestaciones verificadas. Una evaluación acotada debería comprobar si sus aprobaciones y límites de herramientas encajan con las tareas reales del equipo antes de confiarle trabajo sensible.

Fuentes:[S1] GitHub

Señales secundarias

Agentes-chat sitúa la colaboración con agentes dentro de una herramienta de equipo autohospedada; la cuestión práctica es comprobar cómo encajan sus herramientas MCP y aprobaciones con el trabajo cotidiano, sin dar por demostrados los controles que la ficha no detalla (S1). En otra parte del mapa, Simon Willison describe Gemini Decision 1 como una API de modelos de decisión con preguntas de sí/no, elección y puntuación por rúbrica, y señala similitudes con Jev. La evidencia disponible es un extracto breve de una fuente de descubrimiento, no documentación primaria: sirve para identificar la propuesta, no para valorar su funcionamiento o sus límites (S2).

Google Research describe un marco investigacional para convertir señales pasivas de wearables en una «edad de salud» modificable y simular trayectorias de hábitos personalizadas a 12 semanas con un modelo de mundo condicionado por acciones; también menciona biomarcadores sanguíneos. La publicación no basta para concluir que el enfoque esté validado para uso clínico (S4). En móvil, Mika se describe como un agente de IA en el dispositivo para Android que opera aplicaciones y la web; la ficha recuperada no ofrece resultados de evaluación ni detalla sus límites operativos (S6). Turri aporta un contrapunto de ingeniería: su autor explica que dejó de leer y comprender suficiente código al acelerar con agentes de programación, pero el extracto no describe los mecanismos con los que Turri aborda ese problema. Juntos, estos casos invitan a evaluar no solo qué tareas delegan los agentes, sino también dónde se ejecutan y cómo las personas mantienen supervisión y comprensión (S5).

Fuentes:[S1] GitHub · [S2] Simon Willison · [S4] Google Research · [S5] Show HN · [S6] GitHub

Por qué importa

  • Agentes-chat permite evaluar la colaboración con agentes en un espacio autohospedado. Comprueba si sus aprobaciones y herramientas MCP se ajustan a tus tareas; la ficha no acredita controles de seguridad concretos.[S1]
  • Gemini Decision 1 aparece descrito con preguntas de sí/no, elección y puntuación por rúbrica. El extracto de Simon Willison es limitado: faltan aquí documentación primaria y detalles para juzgar su comportamiento.[S2]
  • Google Research plantea simulaciones de hábitos de 12 semanas a partir de wearables, pero califica el marco de investigacional. No equivale a evidencia de utilidad clínica.[S4]
  • Mika sitúa un agente en un teléfono Android para operar aplicaciones y la web. Puede merecer una evaluación en móvil, aunque la ficha no informa de precisión, permisos ni límites.[S6]
  • Turri parte de un problema reconocible: su autor dice que los agentes de programación aceleraron su trabajo, pero redujeron su comprensión del código. El extracto no muestra cómo el proyecto intenta resolverlo.[S5]

Qué seguir

  • Seguir qué documentación ofrece Agentes-chat sobre aislamiento de agentes, permisos MCP y aprobaciones; esos detalles no aparecen en la evidencia recuperada.[S1]
  • Buscar documentación primaria de Gemini Decision 1 para aclarar sus modos de decisión y la comparación con Jev que recoge el extracto de Simon Willison.[S2]
  • Observar si Google Research publica más evidencia sobre la validación del marco investigacional y sus simulaciones de trayectorias de 12 semanas.[S4]
  • Revisar en Mika cómo se comporta el agente al operar aplicaciones y la web en Android; la descripción disponible no especifica límites ni evaluación.[S6]

Síntesis automatizada · gemini/openai/gpt-6-luna

Radar de fuentes

Material primario

Enlaces directos a las fuentes utilizadas en la síntesis de esta edición.

  1. S1
    agentes-chat/agentes-chat GitHub ·open_source
  2. S2
    Gemini Decisions API Simon Willison ·Artículo
  3. S3
  4. S4
  5. S5
  6. S6
    wangzan101/Mika GitHub ·open_source
  7. S7
  8. S8
  9. S9
  10. S10
    KKKKhazix/agent-autoloop GitHub ·open_source
  11. S11
  12. S12
  13. S13
    langchain-typesafe==0.1.0 LangChain ·Tool
  14. S14
    KKKKhazix/AIHOT GitHub ·open_source
  15. S15
    llm 0.37.2 Simon Willison ·Artículo
  16. S16
  17. S17
    libreagi - save OS models Lobsters ·Noticias