FRR Blog
Agentic Experience: 1.324 llamadas a mi CLI, 15,9% de error
Analicé 1.324 llamadas reales de Claude Code a mi CLI de Linear. El 15,9% fallaba. Los errores revelan cómo diseñar herramientas que los agentes
Fernando Rodríguez | Desarrollador y CLO en KeepCoding
Nacimos para llevar talento tecnológico de calidad
En este blog encontrarás posts de programación y tecnología, de principiante a avanzado, frikadas y, muy de vez en cuando, una idea genial.
FRR Blog
El patrón de dos capas en Apple Silicon: código determinista barato primero, CoreML para lo pesado
El mismo patrón arquitectónico resuelve análisis de sentimiento y limpieza de imágenes: deterministic primero, CoreML solo sobre lo que sobrevive. PyTorch → ONNX →
FRR Blog
Las colisiones adversariales que rompieron el sistema CSAM de Apple (y por qué importan más allá de Apple)
En agosto de 2021, investigadores rompieron NeuralHash en menos de dos semanas. El ataque no fue una chapuza: es una propiedad estructural de la
FRR Blog
64 bits deciden qué puedes subir a internet: el algoritmo detrás del Chat Control
El EU Chat Control y el fallido escaneo on-device de Apple dependen del mismo algoritmo de 40 líneas de Python. Entender cómo funciona es
FRR Blog
Tu CLI tiene un nuevo usuario y no es humano
Los principios de Agent Experience (AX) cambian cómo se diseñan herramientas CLI cuando el usuario principal es un LLM. Output token-efficient, fuzzy matching, errores
FRR Blog
El modelo on-device de Apple es terrible para chat pero sorprendentemente bueno en structured output y tool calling
Construí una app macOS para stress-test de todas las capacidades de Apple Intelligence on-device. El modelo de 3B es mediocre en texto libre, pero
FRR Blog
Bridgeando async Swift a sync C: cuatro funciones para usar el LLM de Apple desde cualquier lenguaje
libfoundationmodels expone el LLM on-device de Apple como una dylib C de 4 funciones. El bridge async Swift → sync C con Mutex y
FRR Blog
Estoy pagando $15 por millón de tokens para escribir ‘fix: typo’
Los coding agents usan modelos cloud de $15/M tokens para generar commit messages. foundation-hooks los reemplaza con el LLM on-device de Apple: 300ms, 0
FRR Blog
El análisis de sentimiento de Apple cree que ‘borra el fichero temporal’ es una amenaza de muerte
NLTagger de Apple puntúa 'delete the temp file' como -0.8 (muy negativo). Es un sesgo sistemático en texto técnico que nadie ha documentado. Datos,
FRR Blog
TurboQuant, un mes después: implementaciones, controversia y qué funciona de verdad
El paper TurboQuant de Google consiguió 575 puntos en HN y hundió las acciones de memoria. Un mes después: qué implementaciones funcionan de verdad,
FRR Blog
Tu Mac tiene un LLM gratis y no lo estás usando
Apple Intelligence incluye un modelo de 3B parámetros en tu Mac. Cómo usarlo para clasificación, naming, triage y commit messages sin pagar APIs. Recetas
FRR Blog
Tres agentes entran en un bar: mi experimento para programar más y pagar menos
Mi plan para repartir trabajo entre Claude, Codex y GLM/Z.AI sin automatizar demasiado pronto, reduciendo coste sin perder criterio.
FRR Blog
En Codex, un skill no es un /command (y en Claude Code casi sí)
Si vienes de Claude Code, esto te ahorra un buen rato de frustración: en Codex un skill no es un slash command. Sirven para
FRR Blog
NLTagger y el análisis de sentimiento: por qué Apple cree que tu código es deprimente
NLTagger de Apple puntúa como negativo texto técnico perfectamente neutro. Análisis empírico del sesgo, por qué ocurre, y qué usar en su lugar.
FRR Blog
Claude por la mañana, Codex por la tarde: el flujo de dos agentes que no sabía que necesitaba
165 sesiones de Claude Code y 27 de Codex CLI después, los datos muestran un patrón: cada agente brilla en un tipo de trabajo
FRR Blog
Lo mejor que le ha pasado a Python en décadas está escrito en Rust
Python lleva años con un ecosistema de herramientas fragmentado y lento. La revolución ha venido de donde nadie esperaba: Rust. uv, Ruff y ty
FRR Blog
Madness Driven Design: Don Quijote, Sancho Panza y tu copiloto IA
MDD: metodología para diseñar herramientas que absorban las alucinaciones de tu copiloto IA. Dos capas — arqueología de errores y verificación adversarial — inspiradas
FRR Blog
Por qué la salida de mi CLI no es XML (y cómo acabé reinventando TOON sin saberlo)
XML repite tags, JSON repite claves. Cuando tu consumidor es un LLM, cada token cuenta. Historia de cómo acabé con un formato posicional compacto
FRR Blog
150 líneas de disculpas eliminadas
Mi skill de Linear tenía 150 líneas de workarounds: UUIDs hardcodeados, fallbacks a curl, notas de 'la CLI no soporta X'. No las reescribí
FRR Blog
Adversarial Programming: cuando tu copiloto IA se inventa el API
Tu IA genera código plausible contra APIs que no existen. Schema introspection, fixtures reales y separación fetch/proceso: la metodología anti-alucinación que funciona.
Apúntate a la NERDSLETTER
de Fernando Rodríguez