ZaRQuN – Diseño Gráfico, Web y Programación Blog sobre diseño grafico en general y curiosidades

La inteligencia artificial es muy buena escribiendo código, pero también tiene una peligrosa afición por complicar tareas sencillas. Ahí es donde entra Ponytail, un proyecto open source creado por Dietrich Gebert que intenta enseñar a los agentes de programación una habilidad que muchos desarrolladores veteranos dominan desde hace años: no escribir código cuando no hace falta.

La idea detrás de Ponytail es sorprendentemente simple. Antes de generar una solución, obliga a la IA a hacerse varias preguntas: ¿realmente hay que crear esto?, ¿ya existe en la librería estándar?, ¿el navegador o el sistema operativo ya lo resuelven?, ¿alguna dependencia instalada lo hace? Solo cuando todas las respuestas son negativas permite escribir código nuevo.

El resultado, según los benchmarks publicados por el proyecto, es una reducción drástica del volumen de código generado, menores costes de uso de modelos de IA y tiempos de respuesta mucho más rápidos. Todo gracias a una filosofía basada en YAGNI («You Aren’t Gonna Need It»), un principio clásico que combate la sobreingeniería.

Uno de los ejemplos más divertidos es el de un selector de fechas. Mientras un agente convencional podría instalar una librería completa, crear componentes personalizados y añadir estilos, Ponytail simplemente recuerda que HTML ya incluye <input type="date"> y que probablemente no necesitas nada más.

Lo interesante es que Ponytail no es un modelo de IA ni un asistente independiente. Funciona como una capa de comportamiento compatible con herramientas como Codex, Claude Code, Cursor, OpenCode y otros entornos de desarrollo asistidos por IA. Su objetivo no es hacer que la IA programe más, sino que programe mejor.

En una época donde muchos proyectos terminan con cientos de líneas de código innecesarias, Ponytail apuesta por algo mucho más revolucionario: la simplicidad.

Repositorio oficial: Ponytail en GitHub

#Ponytail #GitHub #OpenSource #Programacion #DesarrolloWeb #Codex #ClaudeCode #IA #DeveloperTools #SoftwareDevelopment #Coding #Tech #Productividad #DevLife #AIProgramming

Aquí hay que ser claros: no es que “Fable 5” sea una herramienta mágica nueva, sino más bien una forma de nombrar la evolución que está empujando Anthropic con Claude en el terreno creativo y generativo. Y lo interesante no es el nombre, es lo que cambia para diseñadores y devs.

Para diseño, la novedad más bestia es que dejamos de trabajar solo con pantallas estáticas. Ahora el contenido puede generarse en tiempo real según contexto, usuario o intención. Eso significa que el diseñador ya no está solo pensando en UI, sino en sistemas de comportamiento. Interfaces que no son fijas, sino que “responden”. UX más viva, más variable, menos predecible… y eso obliga a diseñar con reglas, no solo con layouts.

Otra cosa importante: el contenido deja de ser un “asset” cerrado. Antes diseñabas textos, estados, variantes… ahora diseñas estructuras que generan esos elementos. Es como pasar de dibujar cada frame a diseñar el motor que los crea.

En desarrollo, el cambio es igual o más profundo. Las APIs de IA no son solo una feature más, se convierten en parte del core lógico del producto. Empiezas a trabajar con prompts como configuración, estados conversacionales como máquinas de estado, y flujos que no están 100% definidos en el código clásico.

Esto tiene una parte brutal: velocidad. Puedes prototipar ideas complejas muchísimo más rápido. Interfaces, juegos narrativos, asistentes, SaaS dinámicos… cosas que antes requerían semanas de iteración ahora se testean en horas.

Pero también hay una parte menos sexy: control y consistencia. Si el sistema genera contenido, tú tienes que diseñar los límites. Qué puede hacer, qué no, cómo se comporta en edge cases, cómo mantienes coherencia. Eso es nuevo terreno para muchos devs: mezclar ingeniería con diseño de comportamiento.

Y lo más interesante de todo esto es el cambio mental: ya no diseñas pantallas o funciones aisladas. Diseñas sistemas vivos que producen experiencia.

#Claude #Anthropic #IA #DiseñoUX #UI #Programación #CreativeCoding #DesignSystems #UXDesign #AIProducts #Desarrollo

Si utilizas GitHub Copilot a diario, hay un cambio importante que no deberías pasar por alto. Desde el pasado 1 de junio, GitHub ha comenzado a aplicar un modelo de facturación basado en el consumo real de tokens para determinadas funciones de Copilot. En otras palabras, ya no basta con tener una suscripción: ahora conviene vigilar cómo y cuánto utilizas la herramienta.

Lo primero que recomendamos es establecer un límite de gasto de 0 dólares. Puede parecer exagerado, pero es la forma más sencilla de evitar sorpresas mientras entiendes cómo funciona el nuevo sistema. Siempre habrá tiempo para aumentar ese límite cuando tengas claro cuál es tu consumo habitual.

También merece la pena identificar qué tareas son las que más créditos consumen. Un autocompletado rápido apenas tiene impacto, pero las sesiones agénticas largas, los análisis complejos o los flujos que utilizan varias herramientas pueden disparar el consumo mucho más de lo que imaginas.

Otro aspecto clave es elegir el modelo adecuado para cada trabajo. Los modelos más avanzados suelen ofrecer mejores resultados, pero también consumen más créditos. Para tareas rutinarias, generación de código sencilla o consultas rápidas, los modelos ligeros suelen ser más que suficientes.

Ojo también con las revisiones de código automáticas. El nuevo sistema no solo puede consumir créditos de Copilot, sino también recursos de GitHub Actions. Si trabajas en equipo, configurar correctamente los runners a nivel de organización puede ayudarte a mantener los costes bajo control.

La buena noticia es que GitHub ha habilitado un periodo de transición entre junio y septiembre con créditos adicionales para facilitar la adaptación. Es el momento perfecto para medir, probar y entender cómo afecta este cambio a tu flujo de trabajo. No te confíes demasiado, porque cuando llegue octubre las condiciones serán diferentes y conviene llegar preparado.

Y precisamente ahí está la clave de todo: medir. La única forma real de saber si GitHub Copilot sigue siendo rentable para tu equipo o proyecto es comparar productividad y costes con datos reales. Si algo ha quedado claro con este cambio es que la inteligencia artificial ya no solo se evalúa por lo que hace, sino también por lo que cuesta hacerla funcionar.

#GitHub #GitHubCopilot #Programacion #DesarrolloWeb #Developer #Coding #IA #InteligenciaArtificial #OpenAI #SoftwareDevelopment #DevTools #GitHubActions #Productividad #Tecnologia #CodeReview

La mayoría de herramientas de inteligencia artificial actuales funcionan en servidores externos, recopilan datos de uso y dependen de suscripciones. Odysseus propone justo lo contrario: una plataforma open source que convierte tu ordenador en un espacio de trabajo completo para interactuar con modelos de lenguaje de forma local.

Su propuesta es sencilla pero potente. Desde una única interfaz puedes chatear con modelos de IA, utilizar agentes autónomos, ejecutar herramientas, realizar tareas de investigación, gestionar correos electrónicos e incluso servir tus propios modelos. Todo ello funcionando en tu hardware, sin enviar información a terceros y sin sistemas de telemetría ocultos.

Uno de los puntos más interesantes de Odysseus es su enfoque «local-first» y «privacy-first». Esto significa que tus conversaciones, documentos y procesos permanecen bajo tu control. Para desarrolladores, investigadores y entusiastas de la IA, supone una alternativa muy atractiva frente a plataformas cerradas que limitan el acceso o el uso de los datos.

Además, al ser un proyecto de código abierto, cualquiera puede inspeccionar el código, modificarlo y adaptarlo a sus necesidades. Esto abre la puerta a crear asistentes personalizados, entornos de automatización avanzados o laboratorios de experimentación con modelos de lenguaje sin depender de proveedores externos.

Si te interesa la inteligencia artificial, la privacidad y el software libre, Odysseus es uno de esos proyectos que merece un hueco en tu lista de herramientas para probar este año.

#IA #InteligenciaArtificial #OpenSource #LLM #AIWorkspace #SelfHosted #Programacion #DesarrolloWeb #SoftwareLibre #MachineLearning #Productividad #Tech

Hay dos formas de usar IA para programar: una es pedirle código a lo loco y cruzar los dedos… y otra es hacer ingeniería de verdad. Y justo ahí entra mattpocock/skills, un repo que está explotando en GitHub y que, sinceramente, deberías mirar si te mola el diseño, el código o ambos.

La idea es tan simple que duele: en vez de tratar a la IA como un genio improvisado, la conviertes en alguien con “habilidades concretas”. Cada skill es básicamente una receta bien definida: cómo crear un PRD, cómo dividir tareas, cómo hacer TDD, cómo diseñar interfaces… no magia, proceso.

Y aquí está lo interesante: no es teoría bonita. Es literalmente el workflow real de un dev top publicado tal cual. El repo nace del propio entorno de trabajo de Matt Pocock, que decidió abrir su carpeta .claude/skills/ al mundo. Resultado: uno de los repos más virales del momento, con decenas de miles de estrellas en cuestión de días .

Lo que te encuentras dentro no es código complejo, sino pequeñas piezas ultra concretas. Cosas como: convertir una idea en un PRD automáticamente, romper ese PRD en issues bien estructurados, forzar a la IA a preguntarte cosas incómodas antes de empezar (sí, eso existe), o generar múltiples diseños de interfaz para el mismo problema. Todo modular, todo reutilizable .

Y aquí viene el giro interesante para gente de diseño: esto no va solo de programar. Hay skills como “design-an-interface” que generan varias propuestas radicalmente distintas de UI para el mismo módulo. Es como tener un diseñador explorando caminos en paralelo, pero sin el caos típico de brainstorming eterno.

Además, el enfoque mola porque rompe con el “vibe coding”, ese rollo de improvisar con IA hasta que algo funciona. Aquí la filosofía es otra: primero piensas, luego estructuras, luego ejecutas. PRD → issues → código → tests. Un flujo mucho más cercano al diseño de producto que al simple desarrollo .

Otra cosa clave: cada skill es pequeña y hace una sola cosa bien. Esto es importante porque refleja cómo deberíamos pensar tanto el código como el diseño: piezas simples que se combinan para crear sistemas complejos. Nada de herramientas gigantes que hacen de todo mal.

Y lo mejor es que esto no es solo para usarlo tal cual. Es más bien una plantilla mental. Puedes copiar los skills, modificarlos o crear los tuyos. De hecho, el propio repo incluye uno para “crear skills”, lo cual ya es bastante meta.

En resumen: si estás en diseño o programación y usas IA, este repo te pega una bofetada suave pero necesaria. Te recuerda que no se trata de pedir resultados, sino de diseñar procesos. Y eso, al final, es donde está el nivel.

#Programación #DiseñoUX #InteligenciaArtificial #GitHub #Frontend #ProductDesign #UXUI #DevTools #IA #ClaudeAI #TypeScript #Workflow

Vale, esto es importante: si sabes hacer una web, ya puedes hacer vídeos. Sin timeline, sin Premiere, sin After Effects. Solo HTML.

Eso es exactamente lo que propone HyperFrames, un framework open source de HeyGen que básicamente rompe la forma tradicional de crear vídeo.

La idea es tan simple que cuesta entender por qué no existía antes: escribes HTML, lo renderizas y obtienes un MP4. Fin.

Pero ojo, no es “HTML metido en un vídeo”. Es un sistema donde defines cada elemento con timing, capas y animaciones usando atributos tipo data-start o data-duration. Es decir, conviertes el DOM en una línea de tiempo.

Y aquí es donde se pone interesante para diseñadores y devs:
no hay interfaz visual obligatoria. No hay timeline arrastrando clips. No hay caos. Hay código limpio.

De hecho, HyperFrames está pensado más para máquinas que para humanos. Sí, literalmente. Está diseñado para que agentes de IA puedan generar vídeos solos porque “hablan HTML de forma nativa”.

Esto cambia totalmente el juego.

Antes:
→ Diseñas en Figma
→ Exportas
→ Editas vídeo
→ Renderizas

Ahora:
→ Describes el vídeo
→ Un agente escribe el HTML
→ Ejecutas un comando
→ Tienes el vídeo listo

Y además con algo clave: determinismo. Mismo input, mismo output siempre. Nada de renders aleatorios o bugs raros. Esto es oro para pipelines automáticos, CI/CD o generación masiva de contenido.

A nivel técnico, por dentro mezcla cosas que ya conoces: Chrome en modo headless, captura frame a frame y FFmpeg para generar el vídeo final. Nada mágico, pero muy bien conectado.

Lo realmente potente no es la tecnología, es el enfoque.

HyperFrames no intenta ser “otro editor de vídeo”. Es más bien una capa nueva:
el vídeo como código.

Y eso tiene implicaciones brutales:
puedes versionar vídeos en Git, generar contenido dinámico, automatizar campañas, o crear vídeos personalizados a escala sin tocar una interfaz visual.

Para diseñadores, esto puede sonar raro al principio. Pero si ya trabajas con motion, UI o sistemas de diseño, en el fondo es lo mismo: componentes, estados y animaciones… solo que ahora viven en HTML.

Para developers, esto es directamente un regalo. No tienes que aprender un software nuevo. Usas lo que ya sabes: HTML, CSS, JS, GSAP o lo que quieras.

Y si te preguntas si esto es hype o no, la comunidad está bastante intrigada. En Reddit ya lo están llamando “lo más interesante” que ha salido en vídeo programático últimamente, sobre todo por lo fácil que encaja con herramientas tipo Claude Code o similares.

¿Va a sustituir a After Effects? No.
¿Va a cambiar cómo se crean vídeos en productos digitales, marketing o IA? Muy probablemente sí.

Porque cuando el contenido se vuelve código, deja de ser manual y pasa a ser escalable.

Y ahí es donde empieza lo realmente gordo.

#HyperFrames #DiseñoGráfico #Programación #VideoAutomation #AI #HTML #Frontend #MotionDesign #DevTools #OpenSource #HeyGen #ContentCreation #NoCode #CreativeCoding

Vale, te voy a ahorrar tiempo: si estás usando IA para programar interfaces y todo te sale con pinta de plantilla cutre… no eres tú, es la falta de contexto.

Aquí entra awesome-design-md, un repo que básicamente dice: “oye, en vez de pedirle magia a la IA, dale instrucciones de diseño claras”. Y lo hace con algo tan simple que duele: archivos Markdown.

Sí, Markdown. Nada de Figma, nada de tokens raros, nada de pipelines complejos. Un archivo llamado DESIGN.md donde defines colores, tipografías, espaciados, componentes… y listo. Lo metes en tu proyecto y le dices al agente: “usa esto”. Fin.

La idea es potente porque soluciona un problema real: las IAs programan bien, pero diseñan como si vivieran en 2014. Botones genéricos, layouts reciclados… todo correcto, pero sin alma.

Este repo lo que hace es convertir el “gusto” en texto reutilizable. No estás copiando componentes, estás copiando criterios de diseño.

Y aquí está la magia: puedes hacer que tu app parezca Stripe, Notion o Apple simplemente cambiando un archivo. Literalmente eliges un estilo y la IA lo sigue como si fuera un manual de marca.

Además, cada DESIGN.md no es un resumen cutre. Tiene de todo:

• paleta de colores con roles semánticos
• jerarquía tipográfica completa
• estilos de botones, inputs, cards
• reglas de espaciado y layout
• comportamiento responsive
• incluso “qué NO hacer”

O sea, es como pasarle a la IA el cerebro de un diseñador comprimido en texto.

Y lo mejor: funciona porque Markdown es justo el idioma que las LLM entienden mejor. No hay que parsear nada raro.

Ahora bien, tampoco es la panacea.

#diseñografico #uxui #frontend #ia #programacion #webdesign #openSource #designsystems #markdown #aiTools

Si alguna vez has diseñado en Figma y luego has tenido que “traducir” eso a código… sabes perfectamente el dolor.

Horas perdidas, inconsistencias, y ese momento en el que el diseño final no se parece en nada al mockup. Pues bien, ahí es donde entra Pencil.dev y viene a romper esa dinámica de raíz.

La idea de pencil.dev es simple pero potente: diseñar interfaces directamente dentro de tu editor de código. Sí, dentro del propio VS Code o Cursor. Nada de saltar entre herramientas. Nada de handoff. Todo en el mismo sitio.

Funciona como un lienzo vectorial (rollo Figma), pero integrado en tu entorno de desarrollo. Tienes canvas infinito, capas, componentes reutilizables… lo típico de diseño, pero pegado a tu código.

Y aquí viene lo interesante: está pensado para trabajar con IA desde el minuto uno. Puedes generar interfaces enteras con prompts, iterar diseños o modificar componentes sin salir del editor.

En lugar de diseñar algo bonito y luego pelearte para implementarlo, aquí el diseño ya vive dentro del proyecto. Literalmente se guarda como archivos versionables en Git, lo que significa que diseño y código están sincronizados desde el principio.

Esto cambia bastante el juego, sobre todo si eres desarrollador con inquietudes de diseño o si trabajas solo. Porque elimina ese paso intermedio donde todo se rompe.

Además, la herramienta tira fuerte hacia lo que ahora llaman “vibe coding”: generar interfaces directamente con IA mientras programas. Es decir, describes lo que quieres y el sistema te monta la UI y el código a la vez.

¿Es perfecta? Ni de lejos.

Al ser una herramienta bastante nueva, todavía está verde. Le faltan cosas que Figma ya tiene súper pulidas, y dependiendo de cómo la uses puede volverse algo inestable o consumir bastantes recursos. Pero eso es bastante normal en este tipo de herramientas que están naciendo ahora mismo.

Aun así, lo importante no es si hoy es mejor que Figma o no. Lo importante es hacia dónde apunta:

Eliminar la separación entre diseño y desarrollo
Trabajar directamente sobre el producto final
Usar IA como parte del flujo, no como añadido

Si estás empezando en diseño o desarrollo, esta es de esas herramientas que merece la pena probar aunque sea por entender por dónde va el futuro.

Porque esto huele a cambio gordo.

#DiseñoUI #UX #IA #Herramientas #Programación #Frontend #WebDesign #AItools #Figma #Desarrollo

Si ya usas GitHub Copilot y sientes que podría dar más de sí… no estás loco. La realidad es que Copilot es potente, pero lo que realmente marca la diferencia es cómo lo usas. Y aquí es donde entra Awesome GitHub Copilot para volarte la cabeza.

Estamos hablando de una especie de “repositorio cheat code” creado por la comunidad que reúne prompts, agentes, instrucciones y configuraciones para sacarle todo el jugo a Copilot. No es una herramienta nueva, es mejor: es un kit de mejoras para una herramienta que ya usas.

Dentro te encuentras auténticas joyas: prompts listos para generar documentación sin sufrir, instrucciones que hacen que Copilot siga estándares de código como si fuera tu senior más exigente, y agentes especializados que entienden flujos concretos de trabajo. Todo pensado para que dejes de pelearte con la IA y empieces a dirigirla como toca.

La gracia de todo esto es que no partes de cero. En lugar de escribir prompts random esperando que Copilot adivine lo que quieres, aquí tienes estructuras ya probadas por otros desarrolladores. Es literalmente aprender de la experiencia colectiva, pero sin tener que leer mil hilos de foros.

Además, el proyecto no para de crecer. Es open source, así que cualquiera puede aportar nuevos prompts, mejorar los existentes o crear colecciones completas para casos específicos como DevOps, testing, documentación o incluso arquitectura de software.

Y por si fuera poco, han montado incluso una web navegable donde puedes explorar todo esto como si fuera una tienda de mejoras para tu Copilot: agentes, skills, plugins, workflows… todo organizado para que encuentres rápido lo que necesitas sin perderte entre markdowns.

¿El resultado? Que pasas de usar Copilot como “autocompletado fancy” a convertirlo en un copiloto real que entiende contexto, sigue reglas y trabaja contigo. Productividad, sí, pero con cabeza.

Porque al final, la diferencia entre una IA que ayuda y una que estorba no es la tecnología… es cómo la configuras. Y ahí Awesome GitHub Copilot juega en otra liga.

#GitHubCopilot #IA #Programación #DesarrolloWeb #Productividad #DevTools #AIcoding #OpenSource

Si te mueves en el mundo de la inteligencia artificial, seguro que ya te has dado cuenta de algo: cada semana aparece un modelo nuevo. Que si GPT, que si Claude, que si Gemini… y al final acabas con mil APIs, claves y facturas diferentes. Aquí es donde entra OpenRouter, una herramienta que básicamente hace de “hub” universal para modelos de IA.

OpenRouter es una plataforma que te permite acceder a cientos de modelos de inteligencia artificial desde una única API. Sí, una sola clave para gobernarlos a todos. La idea es sencilla pero potente: en lugar de integrar cada proveedor por separado, usas OpenRouter como intermediario y listo.

Lo interesante es que no solo simplifica el trabajo, sino que también optimiza costes y rendimiento. La propia plataforma puede enrutar tus peticiones al modelo más adecuado según precio, velocidad o disponibilidad, algo clave cuando trabajas con apps o automatizaciones a escala.

Además, funciona con una barbaridad de modelos (más de 300 y más de 60 proveedores), lo que significa que puedes probar, comparar y cambiar de IA sin tocar prácticamente tu código. Esto es oro puro para desarrolladores, startups y gente que está experimentando con productos basados en IA.

Otro punto fuerte es que OpenRouter es compatible con la API de OpenAI, así que si ya has trabajado con ChatGPT o herramientas similares, la curva de aprendizaje es mínima. Cambias la URL, tu API key y a correr.

También mola su sistema de créditos: en lugar de pagar suscripciones individuales por cada modelo, compras saldo y lo usas donde quieras. Esto hace que tengas más control sobre el gasto, especialmente si estás testeando diferentes modelos o construyendo prototipos.

Y ojo, porque esto no es solo para developers hardcore. Cada vez más herramientas y apps integran OpenRouter por debajo, lo que significa que indirectamente lo estás usando sin darte cuenta. De hecho, ya hay cientos de miles de aplicaciones funcionando sobre esta infraestructura.

En resumen, OpenRouter es como el “Spotify de las IA”: eliges el modelo que quieras, cuando quieras, sin casarte con ninguno. Y en un mundo donde la IA cambia cada mes, esa flexibilidad es justo lo que necesitas.

#OpenRouter #InteligenciaArtificial #IA #MachineLearning #Desarrollo #APIs #GPT #Claude #Gemini #Programacion #Tech #AItools