Se habla de modelos pero creo que debemos empezar a enfocarnos más en harness, hablar de loops, tools, permisos, contexto alrededor del #LLM. Y para eso me puse a revisar algunos repos en #Github que creo les pueden servir. - mini-coding-agent de Sebastian Raschka. Un coding agent en un archivo de #Python, sin dependencias, corre con Ollama. github.com/rasbt/mini-coding… - mini-swe-agent, un agente de un aprox de 100 líneas en Python que resuelve tareas reales de SWE-bench. Me sorprende que es un bash como única tool y un loop bien diseñado. github.com/SWE-agent/mini-sw… - humanlayer/12-factor-agents Este si lo veo como una jooooyita, muchas sugerencias, buenas prácticas y justo lo que estaba buscando, siento que es mi favorito github.com/humanlayer/12-fac… - huggingface/smolagents si viene de @huggingface ya sabemos que es calidad, y esto no es la excepción. En este repo vas a encontrar agentes "minimalistas" donde el LLM escribe código Python en vez de JSON tool calls. Está super bueno y lo veo como un repo para "jugar" un ratito y explorar nuevas ideas. github.com/huggingface/smola… - ai-boost/awesome-harness-engineering y por último este recurso, y es una lista completa que tiene todo el stack anterior: memoria, permisos, MCP, evals, observabilidad. Y lo que hoy se hace llamar #Harness Engineering. Super tooop! github.com/ai-boost/awesome-… Si tienen otro repo que creen le pueda servir a la comunidad ayúdame compartiendo en los comentarios, y espero sean de utilidad estos enlaces. #ai #AgenticAI