¿Qué es un operador $CODEC? Es donde los modelos de Visión-Lenguaje-Acción finalmente hacen que la IA sea útil para el trabajo real. Un operador es un agente de software autónomo impulsado por modelos VLA que realiza tareas a través de un ciclo continuo de percibir-razonar-actuar. Los LLM pueden pensar y hablar brillantemente, pero no pueden señalar, hacer clic o agarrar nada. Son motores de razonamiento puros sin conexión con el mundo físico. Los VLA combinan percepción visual, comprensión del lenguaje y salida de acción estructurada en una sola pasada hacia adelante. Mientras un LLM describe lo que debería suceder, un modelo VLA realmente lo hace al emitir coordenadas, señales de control y comandos ejecutables. El flujo de trabajo del operador es: - Percepción: captura capturas de pantalla, transmisiones de cámara o datos de sensores. - Razonamiento: procesa observaciones junto con instrucciones en lenguaje natural utilizando el modelo VLA. - Acción: ejecuta decisiones a través de interacciones de UI o control de hardware, todo en un bucle continuo. Ejemplos: LLM vs. Operador impulsado por el modelo VLA Programación de una reunión LLM: Proporciona una explicación detallada de la gestión del calendario, describiendo los pasos para programar una reunión. Operador con modelo VLA: - Captura el escritorio del usuario. - Identifica la aplicación de calendario (por ejemplo, Outlook, Google Calendar). - Navega hasta el jueves, crea una reunión a las 2 PM y añade asistentes. - Se adapta automáticamente a los cambios en la interfaz de usuario. Robótica: Clasificación de objetos LLM: Genera instrucciones escritas precisas para clasificar objetos, como identificar y organizar componentes rojos. Operador con modelo VLA: - Observa el espacio de trabajo en tiempo real. - Identifica componentes rojos entre objetos mezclados. - Planifica trayectorias libres de colisiones para un brazo robótico. - Ejecuta operaciones de recoger y colocar, ajustándose dinámicamente a nuevas posiciones y orientaciones. Los modelos VLA finalmente cierran la brecha entre la IA que puede razonar sobre el mundo y la IA que realmente puede cambiarlo. Son lo que transforma la automatización de un seguimiento frágil de reglas a una resolución de problemas adaptativa: trabajadores inteligentes. "Los scripts tradicionales se rompen cuando el entorno cambia, pero los operadores utilizan la comprensión visual para adaptarse en tiempo real, manejando excepciones en lugar de colapsar ante ellas."

Presentamos las Tarjetas Sub Emerald: una cuenta, tarjetas ilimitadas etiquetas personalizadas, límites individuales y seguimiento de gastos, todo disponible en uno

El sitio web de prueba ya está en línea. Al principio, tuve problemas al desplegarlo en Vercel y me llevó bastante tiempo, pero luego cambié a Cloud Run y fue mucho más fácil. En el futuro, si tengo la oportunidad, también enseñaré a todos cómo hacer que la IA te guíe paso a paso para poner tu APP en la nube. He abierto un "Free Trial" de "3 días" para que todos puedan probarlo, quemando mi API de OpenAI (he establecido un presupuesto, así que no se pasen de la raya...). Simplemente conéctense al sitio web, ingresen la información y podrán analizarla. Espero que quienes lo prueben me den algo de feedback, y también pueden darme una estrella en el repositorio de Git 🙏 Enlace de prueba: Git: No puedo dejar de decir que este marco tiene muchas cosas que se pueden modificar y mejorar. Si miras detenidamente el contenido del informe generado, también es bastante bueno (aunque probé algunas criptomonedas pequeñas y los resultados fueron peores, probablemente porque la fuente de datos que está utilizando el análisis comunitario es bastante mala). En el futuro, al conectar más fuentes de datos y agregar más agentes, debería mejorar el rendimiento. Quizás incluso podríamos conectar MCP para operar directamente, ¡hay tantas cosas que se pueden hacer! Si están interesados en colaborar o patrocinar, ¡bienvenidos a enviarme un DM!

El sitio web de prueba ya está en línea. Al principio, tuve problemas al desplegarlo en Vercel y me llevó bastante tiempo, pero luego cambié a Cloud Run y fue mucho más fácil. En el futuro, si tengo la oportunidad, también enseñaré a todos cómo hacer que la IA te guíe paso a paso para poner tu APP en la nube. He abierto un "Free Trial" de "3 días" para que todos puedan probarlo, quemando mi API de OpenAI (he establecido un presupuesto, así que no se pasen de la raya...). Simplemente conéctense al sitio web, ingresen la información y podrán analizarla. Espero que quienes lo prueben me den algo de feedback, y también pueden darme una estrella en el repositorio de Git 🙏 Enlace de prueba: Git: No puedo dejar de decir que este marco tiene muchas cosas que se pueden modificar y mejorar. Si miras detenidamente el contenido del informe generado, también es bastante bueno (aunque probé algunas criptomonedas pequeñas y los resultados fueron peores, probablemente porque la fuente de datos que está utilizando el análisis comunitario es bastante mala). En el futuro, al conectar más fuentes de datos y agregar más agentes, debería mejorar el rendimiento. Quizás incluso podríamos conectar MCP para operar directamente, ¡hay tantas cosas que se pueden hacer! Si están interesados en colaborar o patrocinar, ¡bienvenidos a enviarme un DM!

Un proyecto de código abierto sobre trading AI que ha estado muy discutido recientemente - TradingAgents, ha aumentado su número de estrellas a 13K en estos meses. Primero, la conclusión: originalmente, este TradingAgent de código abierto solo podía analizar acciones de EE. UU., pero en menos de 3 horas, utilicé AI Vibe coding para crear una versión de este TradingAgent para criptomonedas, y añadí una interfaz web. He abierto el código (el enlace lo dejaré en los comentarios). Este TradingAgents utiliza Multi-LLM Agents para crear un marco que simula el funcionamiento de una institución de trading real, separando y haciendo independientes a los analistas, investigadores, traders, control de riesgos y directores de inversión, y analizando de manera interactiva hasta llegar a la decisión de cómo realizar las órdenes. Según el artículo, el PNL es mejor que muchas estrategias, y tras realizar algunas pruebas, el proceso en general es bastante bueno, ya que captura diferentes fuentes de datos para el análisis: precios históricos, noticias, sentimientos de la comunidad, análisis técnico, fundamental y emocional también están divididos. Originalmente solo soportaba acciones de EE. UU., pero añadí soporte para Crypto (actualmente soporta algunas criptomonedas grandes) y como la CLI era muy básica, añadí una interfaz web. Operar y visualizar a través del navegador será más intuitivo. Más tarde, cuando tenga tiempo, lo desplegaré para que todos puedan probarlo (pero necesitarán preparar su propia API KEY). Este repositorio lo seguiré actualizando, y planeo intentar añadir más fuentes de datos poco a poco, además de modificar el Prompt del Agent para que el análisis de criptomonedas sea más inmediato y preciso. Incluso se pueden añadir más Agents libremente; el farming de DeFi y el hunting de alpha también deberían poder integrarse en este marco. Idealmente, espero que incluso se pueda analizar MEME. Si alguien está interesado en esto y quiere colaborar en el desarrollo, puede enviarme un DM. Parece que todavía hay muchas personas que analizan si el código fue escrito por AI. Vibe Coding ya es la tendencia actual; Microsoft y Google ya han tomado medidas de despido. Ahora, la eficiencia del desarrollo con AI es tan alta que, cuando tenga tiempo, haré una transmisión en SIDEKICK sobre Vibe Coding. ¡Ustedes juegan y yo le pido a la AI que escriba código para desarrollar cosas!