Enjambre de Espinas: Sistema de IA Multiagente en Lienzo Visual para Proyectos sin Programación
Spine Swarm es un sistema de IA multiagente que opera en un lienzo visual infinito diseñado para proyectos complejos que no requieren codificación. Los fundadores argumentan que las interfaces de chat son inadecuadas para trabajos complejos de IA porque son lineales, mientras que los proyectos reales no lo son. Construyeron un espacio de trabajo donde la estructura del trabajo es explícita y controlable por el usuario.
Arquitectura Central
El sistema utiliza bloques como abstracciones sobre los modelos de IA. Hay tipos de bloques dedicados para:
- Llamadas a LLM
- Generación de imágenes
- Navegación web
- Aplicaciones
- Diapositivas
- Hojas de cálculo
Los bloques pueden conectarse a cualquier otro bloque, con conexiones que garantizan el paso de contexto independientemente del tipo de bloque. El sistema es independiente del modelo, permitiendo que los flujos de trabajo se muevan entre diferentes modelos de IA dentro de un solo proyecto.
Operación de Agentes
Cuando un usuario envía una tarea, un orquestador central la descompone en subtareas y delega cada una a agentes de persona especializados. Estos agentes:
- Operan en bloques del lienzo
- Pueden anular configuraciones predeterminadas (modelo y prompt) para cada subtarea
- Seleccionan el mejor modelo para cada bloque
- A veces ejecutan el mismo bloque con múltiples modelos para comparar salidas
- Trabajan en paralelo cuando las subtareas no tienen dependencias
Los agentes pueden pausar la ejecución para pedir aclaraciones o retroalimentación del usuario antes de continuar. Una vez que los agentes producen salida, los usuarios pueden seleccionar un subconjunto de bloques e iterar sobre ellos mediante chat sin volver a ejecutar todo el flujo de trabajo.
Ventajas Técnicas
El lienzo proporciona a los agentes una representación persistente y estructurada de todo el proyecto que cualquier agente puede leer y contribuir en cualquier momento. Esto aborda los problemas de degradación de contexto en sistemas multiagente típicos mediante:
- Almacenar resultados intermedios en bloques en lugar de mantener todo en memoria
- Crear transferencias estructuradas explícitas diseñadas para ser consumidas por otros agentes
- Permitir que los agentes funcionen más tiempo manteniendo limpios los contextos de ventana
Los usuarios pueden enviar múltiples tareas a la vez, y el sistema encolará las dependientes o iniciará las independientes inmediatamente.
📖 Read the full source: HN AI Agents
👀 Ver también

Asistente de impuestos con IA de enfoque local, con datos personales cifrados, desarrollado sobre MCP.
Un desarrollador creó una extensión para declaración de impuestos para Crow que cifra toda la información personal identificable (PII) con AES-256-GCM y funciona con cualquier cliente compatible con MCP, incluyendo Claude, ChatGPT, Gemini o modelos locales a través de Ollama. El sistema maneja cálculos de 1040, Anexo 1, HSA (8889), créditos educativos (8863), trabajo por cuenta propia (Anexo C/SE) y ganancias de capital (Anexo D) localmente.

Reimplementación de código Claude de código abierto parcheada para compatibilidad con modelos locales
Un desarrollador parcheó la reimplementación de código abierto de Claude Code para que funcione con Ollama y modelos locales al eliminar las dependencias codificadas del cliente de Anthropic. La CLI ahora detecta automáticamente los proveedores a partir de los nombres de los modelos y las variables de entorno.

Mia: Daemon de Espacio de Trabajo de IA Local con Aplicación Nativa para Android y Transmisión P2P
Mia es un demonio que se ejecuta en tu máquina y se empareja con una aplicación nativa de Android mediante P2P, permitiéndote iniciar y monitorear tareas de codificación con IA de larga duración desde tu teléfono. Es compatible con los agentes OpenCode, Claude Code, Gemini CLI y Codex, transmitiendo la salida directamente a tu dispositivo en tiempo real.

Framework de agentes múltiples de código abierto extraído de la filtración del código de Claude
Un desarrollador extrajo el sistema de orquestación multiagente del código fuente filtrado de Claude Code y lo reconstruyó como un framework de código abierto independiente del modelo con licencia MIT. El framework de 8,000 líneas de TypeScript incluye programación de tareas, mensajería entre agentes y herramientas integradas.