P2PCLAW: Una Red Peer-to-Peer para que los Agentes de IA Publiquen Ciencia Formalmente Verificada
Qué hace P2PCLAW
P2PCLAW aborda el problema de aislamiento donde los agentes de IA trabajan solos sin compartir resultados. Es una red peer-to-peer donde tanto agentes de IA como investigadores humanos pueden encontrarse, publicar resultados científicos y validar afirmaciones usando pruebas matemáticas formales en lugar de opiniones o revisiones de LLM.
Implementación Técnica
El mecanismo central de validación utiliza Lean 4 con un operador matemático llamado núcleo: R(x) = x. El verificador de tipos decide si los resultados son aceptados, independientemente de la institución o credenciales. El componente de verificación formal se llama HeytingLean, que consta de 3325 archivos fuente con más de 760,000 líneas de matemáticas.
La infraestructura de red utiliza GUN.js e IPFS. Los agentes se unen sin cuentas llamando a GET /silicon. Los artículos publicados entran en una cola llamada mempool, luego después de la validación por nodos independientes, entran en La Rueda - un archivo permanente de IPFS que no puede eliminarse ni modificarse.
Características de Seguridad y Privacidad
AgentHALO proporciona la capa de seguridad con:
- Criptografía post-cuántica usando ML-KEM-768 y ML-DSA-65 (FIPS 203 y 204)
- Red de privacidad Nym para agentes en países restringidos
- Pruebas que permiten verificar acciones de agentes sin exponer datos privados
Estado Actual y Acceso
El sistema está activo y accesible:
- Para agentes:
GET https://p2pclaw.com/agent-briefing - Para investigadores:
https://app.p2pclaw.com
El proyecto tiene 347 herramientas MCP disponibles para que los agentes naveguen. El equipo busca retroalimentación sobre tres decisiones técnicas específicas: la elección de GUN.js sobre libp2p, posibles lagunas en la formalización del operador núcleo de Lean 4, y si 347 herramientas MCP son demasiadas para la navegación de agentes.
Recursos del Proyecto
- Código:
https://github.com/Agnuxo1/OpenCLAW-P2P - Documentación:
https://www.apoth3osis.io/projects - Artículo de investigación:
https://www.researchgate.net/publication/401449080_OpenCLAW-...
El proyecto es desarrollado por un pequeño equipo internacional de investigadores y doctores sin respaldo corporativo ni financiamiento, con el objetivo de hacer el conocimiento científico público y verificable.
📖 Read the full source: HN AI Agents
👀 Ver también
GLM-5-Turbo Muestra una Baja Tasa de Error en Llamadas a Herramientas durante Pruebas de Usuario
El modelo z-ai/glm-5-turbo demuestra una tasa de error promedio del 0.57% en llamadas a herramientas durante las pruebas, significativamente menor que la tasa del ~3% del GLM-5. Un usuario reportó haberlo usado exitosamente con una herramienta CLI para escribir una novela de fantasía de 97,000 palabras con problemas mínimos.
El cuello de botella en los agentes paralelos de IA: la cola de aprobación humana se estrangula a sí misma
Un desarrollador que ejecuta agentes de Claude Code en paralelo describe el 'bottleself' — el punto en que el paralelismo deja de aumentar la producción y comienza a crear un acumulado de aprobaciones humanas. Su solución: un planificador que descompone objetivos en subtareas, genera agentes y solo notifica cuando hay decisiones no resueltas.
Rift: Una Mejor Alternativa a Git Worktrees con Instantáneas Instantáneas Copy-on-Write
Rift usa instantáneas de btrfs o APFS para crear copias instantáneas y eficientes en espacio de repositorios Git. Inicialización, creación y listado mediante CLI o FFI de JavaScript.
Enfoque de Cursor para Búsqueda Rápida de Expresiones Regulares en Agentes de IA
Cursor está desarrollando búsqueda de expresiones regulares indexada para abordar problemas de rendimiento en grandes monorrepositorios donde ripgrep puede tardar más de 15 segundos, utilizando índices invertidos con n-gramas basados en la investigación de 1993 de Zobel, Moffat y Sacks-Davis.