SigMap v8.9: La Capa de Contexto Determinista Reduce el Uso de Tokens en un 97% para Agentes de Codificación de IA

✍️ OpenClawRadar📅 Publicado: 7 de julio de 2026🔗 Source
SigMap v8.9: La Capa de Contexto Determinista Reduce el Uso de Tokens en un 97% para Agentes de Codificación de IA
Ad

SigMap v8.9 es una capa de fundamentación determinista y verificable para el trabajo de código con IA. Afirma una reducción de tokens del 97.0 %, una precisión de recuperación hit@5 del 87.8 % (frente al 13.6 % aleatorio) y un 49.2 % menos de prompts por tarea (1.44 frente a 2.84). La herramienta no tiene dependencias, es completamente offline y funciona con TypeScript, Python, Go, Rust, Java, Kotlin, Ruby, PHP, Swift, C#, C++, Dart, Scala, Vue, Svelte, GraphQL, SQL, Terraform, R, GDScript y más.

Flujo de trabajo principal: preguntar, validar, juzgar, aprender

El flujo de trabajo va más allá de la simple reducción de contexto:

  • Generar un mapa de firmas compacto una vez con npx sigmap.
  • Preguntar por archivos específicos para la tarea actual: sigmap ask "explica el flujo de autenticación". Esto genera una lista de archivos clasificados y .context/query-context.md listo para pegar.
  • Validar cobertura: sigmap validate --query "auth login token" comprueba si el contexto es suficiente.
  • Juzgar fundamentación: sigmap judge --response response.txt --context .context/query-context.md puntúa si la respuesta está fundamentada en el código.
Ad

Integración con MCP e IDE

SigMap está listo para MCP y funciona con Copilot, Claude Code, Cursor, Windsurf, Codex, OpenCode y Gemini CLI. El lanzamiento v8.9.1 añade una herramienta MCP squeeze_output y el flag de CLI squeeze --response para comprimir trazas de pila ruidosas, logs de CI o cargas JSON de forma determinista en medio de la sesión: la decimonovena herramienta MCP.

Resultados de benchmark

Último benchmark guardado (v8.9.1, julio 2026):

MétricaSin SigMapCon SigMap
Proxy de éxito de tarea10%67.8%
Prompts por tarea2.841.44
Acierto de recuperación hit@513.6%88%
Reducción total de tokens97.0%
Repositorios que desbordan GPT-4o16/210/21

El rendimiento abarca 21 repositorios y 90 tareas de codificación reales.

Inicio rápido

npx sigmap
sigmap ask "explica el flujo de autenticación"
# Genera lista de archivos clasificados + .context/query-context.md
# Pega el contexto en el asistente de IA

Para equipos o CI, SigMap ofrece estrategias configurables y generalización para monorepos. También tiene una guía dedicada para agentes de código abierto (OpenCode, Aider, Cline) y LLMs locales (Ollama, llama.cpp, vLLM): sin costo, privacidad total.

📖 Leer la fuente completa: HN LLM Tools

Ad

👀 Ver también

Weejur: Una Interfaz de Usuario Sencilla para Publicar en GitHub Pages
Herramientas

Weejur: Una Interfaz de Usuario Sencilla para Publicar en GitHub Pages

Weejur es una herramienta gratuita que proporciona una interfaz de usuario simplificada para publicar sitios web a través de GitHub Pages, permitiendo a los usuarios pegar HTML o subir archivos después de iniciar sesión con OAuth.

OpenClawRadar
Colección Curada de Recursos OpenClaw de Código Abierto Revelada
Herramientas

Colección Curada de Recursos OpenClaw de Código Abierto Revelada

Descubre una nueva colección de recursos de OpenClaw de código abierto, curada por la comunidad para mejorar el desarrollo y la colaboración en IA.

OpenClawRadar
TailClaude: Interfaz Web de Código Abierto para Acceder a Sesiones de Código Claude desde Móvil y Navegador
Herramientas

TailClaude: Interfaz Web de Código Abierto para Acceder a Sesiones de Código Claude desde Móvil y Navegador

TailClaude es una interfaz web de código abierto que te permite acceder y continuar sesiones de Claude Code desde tu teléfono o cualquier navegador en menos de un minuto usando Tailscale. El proyecto fue construido con la asistencia de Claude Code para el andamiaje, el backend de transmisión SSE, la interfaz de chat móvil y la integración de códigos QR.

OpenClawRadar
TRELLIS.2 Image-to-3D Portado para Ejecutarse de Forma Nativa en Apple Silicon
Herramientas

TRELLIS.2 Image-to-3D Portado para Ejecutarse de Forma Nativa en Apple Silicon

Un desarrollador ha adaptado el modelo de imagen a 3D TRELLIS.2 de Microsoft de 4B parámetros para ejecutarse de forma nativa en Apple Silicon a través de PyTorch MPS, reemplazando las operaciones específicas de CUDA con alternativas puras de PyTorch. La adaptación genera mallas de ~400K vértices a partir de fotos individuales en aproximadamente 3.5 minutos en M4 Pro con 24GB de memoria.

OpenClawRadar