Qué Era Cierto vs. Qué Sabíamos: Datos Bitemporales para Developers
Los hechos tienen dos relojes: cuándo fueron ciertos y cuándo te enteraste. Datos bitemporales con un ejemplo, cuatro consultas y los bugs que me enseñaron las reglas.
Artículos profundos: sistemas distribuidos, ingeniería con IA y liderazgo. Insights reales de 15+ años construyendo a escala.
Los hechos tienen dos relojes: cuándo fueron ciertos y cuándo te enteraste. Datos bitemporales con un ejemplo, cuatro consultas y los bugs que me enseñaron las reglas.
Cada agente nuevo en un SaaS vertical reconstruye el mismo pipeline. Keel es una capa de contexto open source: eventos de dominio entran, un grafo bitemporal por cliente sale, cinco herramientas MCP para todos los agentes. Con un ejemplo de Toche, mi app de finanzas del hogar.
Context engineering reemplaza a prompt engineering. Aprende a diseñar el contexto completo que reciben los LLMs, con patrones de produccion y metricas reales.
Los tests pasan, el lint esta limpio, el PR se ve perfecto. Pero los agentes de IA introducen modos de fallo que tu pipeline no fue diseñado para detectar. Esto es lo que hay que agregar.
Los sistemas multi-agente fallan cuando los agentes hacen tareas distintas. Funcionan cuando miran lo mismo desde angulos diferentes. Patrones desde produccion.
Framework de desarrollo con IA basado en specs. Despliega microservicios sin escribir codigo manualmente. Extraccion AST + patrones de sintesis LLM.