Hax: Un agente de codificación minimalista nativo de terminal en C

✍️ OpenClawRadar📅 Publicado: 14 de agosto de 2026🔗 Source
Ad

Hax es un agente de codificación minimalista, nativo de terminal, escrito en C. Se entrega como un único binario nativo con dependencias mínimas, arranca al instante y utiliza solo unos pocos MB de RAM, dejando más memoria para tus LLMs locales.

Características clave

  • Ligero por diseño: Un único binario nativo en C con un conjunto pequeño de dependencias. Arranca al instante y utiliza una cantidad muy pequeña de memoria (solo unos pocos MB), por lo que queda más RAM para tus LLMs locales.
  • Modelos locales de primera clase: Hax descubre automáticamente el modelo y las capacidades del runtime. No se necesita un bloque de configuración de proveedor personalizado para la configuración predeterminada. Ejemplo:
  • llama-server -m [modelo].gguf
    hax --provider llama.cpp
  • Respeta tu terminal: El Markdown en streaming y la salida de herramientas en vivo se reajustan para la visualización. Solo redibuja la línea actual de streaming o el área de entrada, preservando el scrollback nativo. No toma el control ni estropea tu terminal.
  • Inspectable: Ve exactamente lo que se envió al modelo y lo que respondió en una vista de transcripción útil (Ctrl+T). Opcionalmente, recopila un rastro detallado del protocolo de cable.
  • Usa cualquier proveedor/modelo: Soporta OpenAI (+compatibles), Anthropic (+compatibles), Codex (vía suscripción ChatGPT), OpenRouter, llama.cpp, etc.
  • Herramienta Unix bien educada: Rutas XDG, salida estándar limpia en modo de un solo disparo -p con pistas de reanudación en stderr, archivos de configuración y sesión en texto plano, composición mediante subprocesos en lugar de plugins.
Ad

Para quién es

Desarrolladores que viven en la terminal, ejecutan modelos locales, auditan lo que hacen sus herramientas, empaquetan software para distribuciones, o ejecutan agentes donde los recursos son escasos. Si quieres mercados MCP, un runtime de plugins, paneles IDE, o avisos de permiso por comando, otros agentes construyen exactamente eso; hax deliberadamente no lo hace, y docs/philosophy.md explica cada omisión.

Cómo empezar

Hax funciona en Linux y macOS; en Windows, úsalo bajo WSL. Instala con Homebrew:

brew install oleksandrchekhovskyi/hax/hax

En Arch Linux, hax está en AUR como hax. En cualquier Linux, descarga el binario estático precompilado (x86_64 o aarch64) de la última versión y ponlo en tu PATH.

Compilar desde el código fuente:

git clone https://github.com/OleksandrChekhovskyi/hax.git
cd hax
scripts/install_deps.sh  # Debian/Ubuntu, Fedora, Arch, openSUSE, Alpine, macOS
make                     # binario en ./build/hax
make install             # opcional; puede pedir sudo

Ejecuta hax desde el directorio del proyecto en el que quieras trabajar:

hax                # REPL interactivo
hax -p "listar TODOs"  # ejecuta un prompt e imprime la respuesta final
printf "explica x" | hax -p   # lee el prompt desde stdin
hax -c             # continúa la última sesión para este directorio
hax --resume       # elige una sesión pasada para este directorio
hax --resume=ID -p "siguiente"   # reanuda una sesión específica en modo de un solo disparo

La forma más fácil de empezar es interactiva: inicia hax, luego usa /provider para ver los proveedores disponibles y elegir un modelo. Hax recuerda las selecciones interactivas de proveedor, modelo y esfuerzo. Consulta el README para la configuración del proveedor y la documentación completa.

📖 Lee el código fuente completo: HN AI Agents

Ad

👀 Ver también

La Actualización de Hawkeye Agrega Orquestación de Enjambres, Tareas Remotas y Soporte para Modelos Locales
Herramientas

La Actualización de Hawkeye Agrega Orquestación de Enjambres, Tareas Remotas y Soporte para Modelos Locales

Hawkeye v1.0+ ahora admite orquestación de enjambres multiagente, colas de tareas remotas y una integración mejorada con Ollama/LM Studio. El registrador de vuelo de agentes de IA local-first ayuda a los desarrolladores a rastrear lo que sucede cuando los agentes trabajan en repositorios.

OpenClawRadar
Puntos de Referencia de Rendimiento de LLM Local en Mac Mini con OpenClaw y LM Studio
Herramientas

Puntos de Referencia de Rendimiento de LLM Local en Mac Mini con OpenClaw y LM Studio

Un usuario de Reddit publicó cifras de rendimiento para ejecutar el modelo Unsloth gpt-oss-20b-Q4_K_S.gguf localmente en un Mac Mini con 32 GB de RAM, logrando 34 tokens/segundo con un tiempo de 0.7 segundos para el primer token usando OpenClaw 2026.3.8 y LM Studio 0.4.6+1.

OpenClawRadar
Explorando la IA con pequeños robots: Comprendiendo los agentes de IA a través del tutor de nanobots.
Herramientas

Explorando la IA con pequeños robots: Comprendiendo los agentes de IA a través del tutor de nanobots.

Un miembro de la comunidad OpenClaw comparte sus conocimientos sobre el 'Nanobot Tutor', un marco miniatura diseñado para desmitificar la funcionalidad de los agentes de IA. Descubre cómo sumergirte en este entorno de aprendizaje compacto revela el funcionamiento de los agentes inteligentes.

OpenClawRadar
Monitor de Tokens de IA: Herramienta para macOS Rastrea el Uso y Costo Local de Claude
Herramientas

Monitor de Tokens de IA: Herramienta para macOS Rastrea el Uso y Costo Local de Claude

Un desarrollador creó AI Token Monitor, una aplicación para la barra de menú de macOS que lee archivos de sesión locales de Claude para rastrear el uso de tokens, la distribución de modelos y los costos equivalentes sin claves API. La herramienta de código abierto reveló 6.5 millones de tokens ($4,924 al precio de la API) en 35 días en el caso de un usuario.

OpenClawRadar