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
Búsqueda en Memoria Semántica Local para Agentes OpenClaw Usando Embeddings Harrier
Ejecuta un servidor de embeddings local con el modelo Harrier de Microsoft, expone una API compatible con Ollama y configura memorySearch de OpenClaw para recuperación de memoria semántica local sin servicios externos.
Astryx: Sistema de diseño de código abierto de Meta con más de 150 componentes, personalizable y listo para agentes de IA
El sistema de diseño Astryx de Meta ya es código abierto: incluye más de 150 componentes React/StyleX, andamiaje CLI, soporte MCP y más de 13.000 aplicaciones que lo usan internamente. Actualmente en beta.
EsoLang-Bench: Un punto de referencia de codificación que utiliza lenguajes esotéricos para evaluar el razonamiento de los LLM.
Los investigadores crearon EsoLang-Bench, un punto de referencia de programación que utiliza lenguajes de programación esotéricos como Brainfuck y Whitespace para probar si los LLM pueden razonar o simplemente coincidir patrones. El mejor resultado entre GPT-5.2, O4-mini, Gemini, Qwen y Kimi fue del 11.2%.
Qwen3.6:27b + Agente Go Personalizado: Una Alternativa Local a Claude Code
Un desarrollador prueba Qwen3.6:27b en Q8 en una RTX 6000 (96GB), afirma que iguala a Claude Code para la codificación diaria y publica como código abierto un agente Go minimalista sin complementos ni MCP.