ZaRQuN – Diseño Gráfico, Web y Programación Blog sobre diseño grafico en general y curiosidades

La mayoría de herramientas de inteligencia artificial actuales funcionan en servidores externos, recopilan datos de uso y dependen de suscripciones. Odysseus propone justo lo contrario: una plataforma open source que convierte tu ordenador en un espacio de trabajo completo para interactuar con modelos de lenguaje de forma local.

Su propuesta es sencilla pero potente. Desde una única interfaz puedes chatear con modelos de IA, utilizar agentes autónomos, ejecutar herramientas, realizar tareas de investigación, gestionar correos electrónicos e incluso servir tus propios modelos. Todo ello funcionando en tu hardware, sin enviar información a terceros y sin sistemas de telemetría ocultos.

Uno de los puntos más interesantes de Odysseus es su enfoque «local-first» y «privacy-first». Esto significa que tus conversaciones, documentos y procesos permanecen bajo tu control. Para desarrolladores, investigadores y entusiastas de la IA, supone una alternativa muy atractiva frente a plataformas cerradas que limitan el acceso o el uso de los datos.

Además, al ser un proyecto de código abierto, cualquiera puede inspeccionar el código, modificarlo y adaptarlo a sus necesidades. Esto abre la puerta a crear asistentes personalizados, entornos de automatización avanzados o laboratorios de experimentación con modelos de lenguaje sin depender de proveedores externos.

Si te interesa la inteligencia artificial, la privacidad y el software libre, Odysseus es uno de esos proyectos que merece un hueco en tu lista de herramientas para probar este año.

#IA #InteligenciaArtificial #OpenSource #LLM #AIWorkspace #SelfHosted #Programacion #DesarrolloWeb #SoftwareLibre #MachineLearning #Productividad #Tech

Si te interesa la programación, la inteligencia artificial o el análisis de datos y todavía no conoces Kaggle Learn, probablemente estés dejando pasar uno de los mejores recursos gratuitos que existen ahora mismo para aprender tecnología de forma práctica.

Kaggle es conocido por ser una enorme comunidad de ciencia de datos donde profesionales y empresas comparten datasets, organizan competiciones y desarrollan proyectos de machine learning. Pero dentro de todo ese ecosistema existe una sección especialmente interesante: Kaggle Learn. Se trata de una colección de microcursos gratuitos diseñados para aprender haciendo, sin largas horas de teoría ni configuraciones complicadas.

Lo mejor es que todo funciona directamente desde el navegador. No necesitas instalar Python, librerías ni entornos de desarrollo. Entras, abres una lección y empiezas a escribir código sobre notebooks interactivos. La experiencia está pensada para que cualquier persona pueda comenzar en pocos minutos.

Entre los cursos más populares encontrarás Python, Pandas, SQL, Visualización de Datos, Machine Learning, Deep Learning, Procesamiento de Lenguaje Natural e incluso temas relacionados con la ética de la IA. La mayoría de las lecciones se completan en pocas horas y combinan explicaciones sencillas con ejercicios prácticos.

Otro punto interesante es que cada curso completado genera un certificado de finalización, algo útil para mostrar tu progreso en LinkedIn o complementar tu portfolio personal. Además, al estar integrado en el ecosistema de Kaggle, puedes pasar directamente de aprender una técnica a utilizarla con datasets reales o participar en competiciones internacionales.

En un momento donde la inteligencia artificial está transformando prácticamente todas las áreas del desarrollo tecnológico, plataformas como Kaggle Learn ofrecen una forma rápida, gratuita y muy práctica de adquirir habilidades reales. Si quieres iniciarte en IA, ciencia de datos o programación orientada al análisis de datos, es difícil encontrar una opción con una relación calidad-precio mejor. Principalmente porque el precio es exactamente cero.

#Kaggle #KaggleLearn #MachineLearning #InteligenciaArtificial #Python #DataScience #Programacion #SQL #DeepLearning #DesarrolloWeb #AnalisisDeDatos #IA #AprenderProgramacion #Tecnologia #Coding

Si trabajas en desarrollo y AWS forma parte de tu día a día, probablemente conoces esa sensación: quieres probar algo rápido en local y acabas levantando medio planeta para hacerlo funcionar. Contenedores, configuraciones, servicios extra, autenticaciones y unos cuantos minutos esperando. Ahí es donde aparece Floci y llega con una propuesta bastante agresiva: «menos complicaciones y más velocidad».

Floci nace como un emulador local de AWS completamente open source y gratuito. La idea es simple: ofrecer una experiencia casi idéntica a AWS pero funcionando directamente en tu equipo, sin depender de la nube real y sin tener que pasar por procesos absurdamente pesados.

Lo curioso es que no intenta inventar algo nuevo. Hace algo bastante más inteligente: ser prácticamente un reemplazo directo de LocalStack. Si ya utilizas esa herramienta, la migración promete ser casi automática. Mantiene el mismo puerto, las mismas llamadas SDK y la compatibilidad con gran parte de la infraestructura que ya tengas montada. Básicamente cambias una línea y sigues trabajando.

Pero aquí viene la parte que llama la atención a cualquiera que programe a diario: rendimiento. Según los datos publicados por Floci, el arranque ronda los 24 milisegundos y utiliza alrededor de 13 MB de memoria en reposo. Para ponerlo en perspectiva, hablan de una mejora enorme frente a configuraciones similares que suelen tardar segundos en iniciar y consumir bastante más memoria.

La diferencia no parece solo un número bonito para marketing. En proyectos grandes o en pipelines CI/CD, reducir tiempos de espera puede convertirse en algo muy serio. Nadie quiere esperar varios segundos cada vez que ejecuta pruebas o levanta un entorno de desarrollo.

Otro punto interesante es que no viene con la típica estrategia de «gratis, pero solo hasta cierto punto». Floci utiliza licencia MIT y apuesta por una filosofía bastante clara: sin autenticaciones obligatorias, sin características bloqueadas y sin versiones recortadas para empujarte a un plan premium.

Además soporta decenas de servicios AWS, desde los habituales como S3, Lambda o DynamoDB hasta otros bastante más complejos como RDS, API Gateway, ECS o Redis. La intención es acercarse lo máximo posible a un entorno real para evitar sorpresas desagradables cuando el proyecto llega a producción.

Lo interesante de herramientas como esta es que encajan perfectamente en una tendencia que lleva tiempo creciendo: desarrollar cada vez más rápido y con menos fricción. Los desarrolladores ya no quieren pasar media mañana configurando cosas antes de empezar a programar. Quieren abrir el proyecto, lanzar comandos y ponerse a construir.

Floci parece entender bastante bien esa filosofía: menos configuración, menos espera y menos dolores de cabeza.

Y sí, cuando una herramienta promete arrancar en milisegundos, consume poca memoria y encima es gratis, lo mínimo es probarla.

#Floci #AWS #Programacion #DesarrolloWeb #CloudComputing #OpenSource #DevTools #Backend #Docker #SoftwareDevelopment #Tecnologia #Programadores

Hay dos formas de usar IA para programar: una es pedirle código a lo loco y cruzar los dedos… y otra es hacer ingeniería de verdad. Y justo ahí entra mattpocock/skills, un repo que está explotando en GitHub y que, sinceramente, deberías mirar si te mola el diseño, el código o ambos.

La idea es tan simple que duele: en vez de tratar a la IA como un genio improvisado, la conviertes en alguien con “habilidades concretas”. Cada skill es básicamente una receta bien definida: cómo crear un PRD, cómo dividir tareas, cómo hacer TDD, cómo diseñar interfaces… no magia, proceso.

Y aquí está lo interesante: no es teoría bonita. Es literalmente el workflow real de un dev top publicado tal cual. El repo nace del propio entorno de trabajo de Matt Pocock, que decidió abrir su carpeta .claude/skills/ al mundo. Resultado: uno de los repos más virales del momento, con decenas de miles de estrellas en cuestión de días .

Lo que te encuentras dentro no es código complejo, sino pequeñas piezas ultra concretas. Cosas como: convertir una idea en un PRD automáticamente, romper ese PRD en issues bien estructurados, forzar a la IA a preguntarte cosas incómodas antes de empezar (sí, eso existe), o generar múltiples diseños de interfaz para el mismo problema. Todo modular, todo reutilizable .

Y aquí viene el giro interesante para gente de diseño: esto no va solo de programar. Hay skills como “design-an-interface” que generan varias propuestas radicalmente distintas de UI para el mismo módulo. Es como tener un diseñador explorando caminos en paralelo, pero sin el caos típico de brainstorming eterno.

Además, el enfoque mola porque rompe con el “vibe coding”, ese rollo de improvisar con IA hasta que algo funciona. Aquí la filosofía es otra: primero piensas, luego estructuras, luego ejecutas. PRD → issues → código → tests. Un flujo mucho más cercano al diseño de producto que al simple desarrollo .

Otra cosa clave: cada skill es pequeña y hace una sola cosa bien. Esto es importante porque refleja cómo deberíamos pensar tanto el código como el diseño: piezas simples que se combinan para crear sistemas complejos. Nada de herramientas gigantes que hacen de todo mal.

Y lo mejor es que esto no es solo para usarlo tal cual. Es más bien una plantilla mental. Puedes copiar los skills, modificarlos o crear los tuyos. De hecho, el propio repo incluye uno para “crear skills”, lo cual ya es bastante meta.

En resumen: si estás en diseño o programación y usas IA, este repo te pega una bofetada suave pero necesaria. Te recuerda que no se trata de pedir resultados, sino de diseñar procesos. Y eso, al final, es donde está el nivel.

#Programación #DiseñoUX #InteligenciaArtificial #GitHub #Frontend #ProductDesign #UXUI #DevTools #IA #ClaudeAI #TypeScript #Workflow

Vale, esto es importante: si sabes hacer una web, ya puedes hacer vídeos. Sin timeline, sin Premiere, sin After Effects. Solo HTML.

Eso es exactamente lo que propone HyperFrames, un framework open source de HeyGen que básicamente rompe la forma tradicional de crear vídeo.

La idea es tan simple que cuesta entender por qué no existía antes: escribes HTML, lo renderizas y obtienes un MP4. Fin.

Pero ojo, no es “HTML metido en un vídeo”. Es un sistema donde defines cada elemento con timing, capas y animaciones usando atributos tipo data-start o data-duration. Es decir, conviertes el DOM en una línea de tiempo.

Y aquí es donde se pone interesante para diseñadores y devs:
no hay interfaz visual obligatoria. No hay timeline arrastrando clips. No hay caos. Hay código limpio.

De hecho, HyperFrames está pensado más para máquinas que para humanos. Sí, literalmente. Está diseñado para que agentes de IA puedan generar vídeos solos porque “hablan HTML de forma nativa”.

Esto cambia totalmente el juego.

Antes:
→ Diseñas en Figma
→ Exportas
→ Editas vídeo
→ Renderizas

Ahora:
→ Describes el vídeo
→ Un agente escribe el HTML
→ Ejecutas un comando
→ Tienes el vídeo listo

Y además con algo clave: determinismo. Mismo input, mismo output siempre. Nada de renders aleatorios o bugs raros. Esto es oro para pipelines automáticos, CI/CD o generación masiva de contenido.

A nivel técnico, por dentro mezcla cosas que ya conoces: Chrome en modo headless, captura frame a frame y FFmpeg para generar el vídeo final. Nada mágico, pero muy bien conectado.

Lo realmente potente no es la tecnología, es el enfoque.

HyperFrames no intenta ser “otro editor de vídeo”. Es más bien una capa nueva:
el vídeo como código.

Y eso tiene implicaciones brutales:
puedes versionar vídeos en Git, generar contenido dinámico, automatizar campañas, o crear vídeos personalizados a escala sin tocar una interfaz visual.

Para diseñadores, esto puede sonar raro al principio. Pero si ya trabajas con motion, UI o sistemas de diseño, en el fondo es lo mismo: componentes, estados y animaciones… solo que ahora viven en HTML.

Para developers, esto es directamente un regalo. No tienes que aprender un software nuevo. Usas lo que ya sabes: HTML, CSS, JS, GSAP o lo que quieras.

Y si te preguntas si esto es hype o no, la comunidad está bastante intrigada. En Reddit ya lo están llamando “lo más interesante” que ha salido en vídeo programático últimamente, sobre todo por lo fácil que encaja con herramientas tipo Claude Code o similares.

¿Va a sustituir a After Effects? No.
¿Va a cambiar cómo se crean vídeos en productos digitales, marketing o IA? Muy probablemente sí.

Porque cuando el contenido se vuelve código, deja de ser manual y pasa a ser escalable.

Y ahí es donde empieza lo realmente gordo.

#HyperFrames #DiseñoGráfico #Programación #VideoAutomation #AI #HTML #Frontend #MotionDesign #DevTools #OpenSource #HeyGen #ContentCreation #NoCode #CreativeCoding

Vale, te voy a ahorrar tiempo: si estás usando IA para programar interfaces y todo te sale con pinta de plantilla cutre… no eres tú, es la falta de contexto.

Aquí entra awesome-design-md, un repo que básicamente dice: “oye, en vez de pedirle magia a la IA, dale instrucciones de diseño claras”. Y lo hace con algo tan simple que duele: archivos Markdown.

Sí, Markdown. Nada de Figma, nada de tokens raros, nada de pipelines complejos. Un archivo llamado DESIGN.md donde defines colores, tipografías, espaciados, componentes… y listo. Lo metes en tu proyecto y le dices al agente: “usa esto”. Fin.

La idea es potente porque soluciona un problema real: las IAs programan bien, pero diseñan como si vivieran en 2014. Botones genéricos, layouts reciclados… todo correcto, pero sin alma.

Este repo lo que hace es convertir el “gusto” en texto reutilizable. No estás copiando componentes, estás copiando criterios de diseño.

Y aquí está la magia: puedes hacer que tu app parezca Stripe, Notion o Apple simplemente cambiando un archivo. Literalmente eliges un estilo y la IA lo sigue como si fuera un manual de marca.

Además, cada DESIGN.md no es un resumen cutre. Tiene de todo:

• paleta de colores con roles semánticos
• jerarquía tipográfica completa
• estilos de botones, inputs, cards
• reglas de espaciado y layout
• comportamiento responsive
• incluso “qué NO hacer”

O sea, es como pasarle a la IA el cerebro de un diseñador comprimido en texto.

Y lo mejor: funciona porque Markdown es justo el idioma que las LLM entienden mejor. No hay que parsear nada raro.

Ahora bien, tampoco es la panacea.

#diseñografico #uxui #frontend #ia #programacion #webdesign #openSource #designsystems #markdown #aiTools

Si alguna vez has diseñado en Figma y luego has tenido que “traducir” eso a código… sabes perfectamente el dolor.

Horas perdidas, inconsistencias, y ese momento en el que el diseño final no se parece en nada al mockup. Pues bien, ahí es donde entra Pencil.dev y viene a romper esa dinámica de raíz.

La idea de pencil.dev es simple pero potente: diseñar interfaces directamente dentro de tu editor de código. Sí, dentro del propio VS Code o Cursor. Nada de saltar entre herramientas. Nada de handoff. Todo en el mismo sitio.

Funciona como un lienzo vectorial (rollo Figma), pero integrado en tu entorno de desarrollo. Tienes canvas infinito, capas, componentes reutilizables… lo típico de diseño, pero pegado a tu código.

Y aquí viene lo interesante: está pensado para trabajar con IA desde el minuto uno. Puedes generar interfaces enteras con prompts, iterar diseños o modificar componentes sin salir del editor.

En lugar de diseñar algo bonito y luego pelearte para implementarlo, aquí el diseño ya vive dentro del proyecto. Literalmente se guarda como archivos versionables en Git, lo que significa que diseño y código están sincronizados desde el principio.

Esto cambia bastante el juego, sobre todo si eres desarrollador con inquietudes de diseño o si trabajas solo. Porque elimina ese paso intermedio donde todo se rompe.

Además, la herramienta tira fuerte hacia lo que ahora llaman “vibe coding”: generar interfaces directamente con IA mientras programas. Es decir, describes lo que quieres y el sistema te monta la UI y el código a la vez.

¿Es perfecta? Ni de lejos.

Al ser una herramienta bastante nueva, todavía está verde. Le faltan cosas que Figma ya tiene súper pulidas, y dependiendo de cómo la uses puede volverse algo inestable o consumir bastantes recursos. Pero eso es bastante normal en este tipo de herramientas que están naciendo ahora mismo.

Aun así, lo importante no es si hoy es mejor que Figma o no. Lo importante es hacia dónde apunta:

Eliminar la separación entre diseño y desarrollo
Trabajar directamente sobre el producto final
Usar IA como parte del flujo, no como añadido

Si estás empezando en diseño o desarrollo, esta es de esas herramientas que merece la pena probar aunque sea por entender por dónde va el futuro.

Porque esto huele a cambio gordo.

#DiseñoUI #UX #IA #Herramientas #Programación #Frontend #WebDesign #AItools #Figma #Desarrollo

Si ya usas GitHub Copilot y sientes que podría dar más de sí… no estás loco. La realidad es que Copilot es potente, pero lo que realmente marca la diferencia es cómo lo usas. Y aquí es donde entra Awesome GitHub Copilot para volarte la cabeza.

Estamos hablando de una especie de “repositorio cheat code” creado por la comunidad que reúne prompts, agentes, instrucciones y configuraciones para sacarle todo el jugo a Copilot. No es una herramienta nueva, es mejor: es un kit de mejoras para una herramienta que ya usas.

Dentro te encuentras auténticas joyas: prompts listos para generar documentación sin sufrir, instrucciones que hacen que Copilot siga estándares de código como si fuera tu senior más exigente, y agentes especializados que entienden flujos concretos de trabajo. Todo pensado para que dejes de pelearte con la IA y empieces a dirigirla como toca.

La gracia de todo esto es que no partes de cero. En lugar de escribir prompts random esperando que Copilot adivine lo que quieres, aquí tienes estructuras ya probadas por otros desarrolladores. Es literalmente aprender de la experiencia colectiva, pero sin tener que leer mil hilos de foros.

Además, el proyecto no para de crecer. Es open source, así que cualquiera puede aportar nuevos prompts, mejorar los existentes o crear colecciones completas para casos específicos como DevOps, testing, documentación o incluso arquitectura de software.

Y por si fuera poco, han montado incluso una web navegable donde puedes explorar todo esto como si fuera una tienda de mejoras para tu Copilot: agentes, skills, plugins, workflows… todo organizado para que encuentres rápido lo que necesitas sin perderte entre markdowns.

¿El resultado? Que pasas de usar Copilot como “autocompletado fancy” a convertirlo en un copiloto real que entiende contexto, sigue reglas y trabaja contigo. Productividad, sí, pero con cabeza.

Porque al final, la diferencia entre una IA que ayuda y una que estorba no es la tecnología… es cómo la configuras. Y ahí Awesome GitHub Copilot juega en otra liga.

#GitHubCopilot #IA #Programación #DesarrolloWeb #Productividad #DevTools #AIcoding #OpenSource

Si alguna vez has intentado meter mapas en una app web, ya sabes el drama: APIs, claves, configuraciones eternas y documentación que parece escrita por villanos. Pues bien, eso se acaba con Mapcn, un proyecto open source que básicamente dice: “pega esto y ya tienes mapas funcionando”.

Este repositorio de GitHub creado por Anmoldeep Singh se centra en algo muy claro: ofrecer componentes de mapas listos para usar en React, sin complicaciones y con una estética brutal desde el minuto uno. Y lo mejor, sin API keys ni configuraciones infernales. Literalmente puedes instalarlo con un comando y empezar a jugar.

Mapcn está construido sobre MapLibre GL, lo que significa que tienes toda la potencia de un motor de mapas moderno, pero sin depender de servicios de pago ni limitaciones raras. Además, utiliza Tailwind CSS para el diseño, así que encaja perfectamente con proyectos modernos y, especialmente, con shadcn/ui.

Lo interesante aquí es que no estás usando una librería cerrada que te limita, sino que puedes copiar los componentes directamente a tu proyecto y modificarlos como quieras. Es decir, control total. Nada de cajas negras.

En cuanto a funcionalidades, Mapcn no se queda corto: puedes añadir marcadores, popups, rutas, controles de zoom, brújula, localización e incluso animaciones tipo “fly to” para mover el mapa con estilo. Todo esto con componentes declarativos que hacen que trabajar con mapas sea mucho más intuitivo.

Otro puntazo es que es “theme-aware”, es decir, se adapta automáticamente al modo claro u oscuro de tu app, lo que te ahorra tiempo en diseño y hace que todo quede coherente sin esfuerzo.

Además, al no depender de APIs externas obligatorias, puedes usar proveedores como OpenStreetMap o MapTiler sin coste, lo que lo convierte en una opción perfecta tanto para proyectos personales como para productos en producción.

En resumen, Mapcn es de esas herramientas que te hacen preguntarte por qué todo no es así de simple. Si trabajas con React o Next.js y necesitas mapas, esto es prácticamente un must: rápido, bonito, flexible y totalmente gratis.

#Mapcn #React #NextJS #OpenSource #DesarrolloWeb #Frontend #JavaScript #TailwindCSS #Mapas #UIComponents #Programación

Si te mueves en el mundo de la inteligencia artificial, seguro que ya te has dado cuenta de algo: cada semana aparece un modelo nuevo. Que si GPT, que si Claude, que si Gemini… y al final acabas con mil APIs, claves y facturas diferentes. Aquí es donde entra OpenRouter, una herramienta que básicamente hace de “hub” universal para modelos de IA.

OpenRouter es una plataforma que te permite acceder a cientos de modelos de inteligencia artificial desde una única API. Sí, una sola clave para gobernarlos a todos. La idea es sencilla pero potente: en lugar de integrar cada proveedor por separado, usas OpenRouter como intermediario y listo.

Lo interesante es que no solo simplifica el trabajo, sino que también optimiza costes y rendimiento. La propia plataforma puede enrutar tus peticiones al modelo más adecuado según precio, velocidad o disponibilidad, algo clave cuando trabajas con apps o automatizaciones a escala.

Además, funciona con una barbaridad de modelos (más de 300 y más de 60 proveedores), lo que significa que puedes probar, comparar y cambiar de IA sin tocar prácticamente tu código. Esto es oro puro para desarrolladores, startups y gente que está experimentando con productos basados en IA.

Otro punto fuerte es que OpenRouter es compatible con la API de OpenAI, así que si ya has trabajado con ChatGPT o herramientas similares, la curva de aprendizaje es mínima. Cambias la URL, tu API key y a correr.

También mola su sistema de créditos: en lugar de pagar suscripciones individuales por cada modelo, compras saldo y lo usas donde quieras. Esto hace que tengas más control sobre el gasto, especialmente si estás testeando diferentes modelos o construyendo prototipos.

Y ojo, porque esto no es solo para developers hardcore. Cada vez más herramientas y apps integran OpenRouter por debajo, lo que significa que indirectamente lo estás usando sin darte cuenta. De hecho, ya hay cientos de miles de aplicaciones funcionando sobre esta infraestructura.

En resumen, OpenRouter es como el “Spotify de las IA”: eliges el modelo que quieras, cuando quieras, sin casarte con ninguno. Y en un mundo donde la IA cambia cada mes, esa flexibilidad es justo lo que necesitas.

#OpenRouter #InteligenciaArtificial #IA #MachineLearning #Desarrollo #APIs #GPT #Claude #Gemini #Programacion #Tech #AItools