iiinova — where your digital self keeps evolving

Claude Code lo ha petado. Tiene un éxito brutal para programar ya a día de hoy. Anthropic acaba de lanzar Claude Cowork llevando el mismo nivel de autonomía a personas no técnicas. Vídeo con demo de uso real y 5 ejemplos de uso: youtu.be/bMlKWBzG81Q

020

Podemos estar de acuerdo en que depender de donaciones no sea la mejor solución, pero si ayuda a mitigar un poco la situación y dar más tiempo para conseguir adaptarse… pues como mínimo es un granito de arena que mientras tanto aporta 😊.

000

Lo hacemos en directo para evidenciar que sólo cuesta 2 clicks y 5 minutos. Con lo que si no sólo aportamos el granito de arena de la donación directa, si no que también conseguimos animar a que otras personas promuevan iniciativas similares en sus empresas… 🎉 🌈

100

Find new open source contributors to support.

Descubrimos que @GitHub lo pone tremendamente fácil. Analiza las dependencias de tus proyectos, mira qué mantenedores tienen, te permite filtrar y ordenar por distintos criterios… e incluso permite hacer una donación a múltiples personas en una sola transacción: github.com/sponsors/exp...

github.com

Explore GitHub Sponsors

100

Así que, más allá del dolor/pena que dé… **¿qué granito de arena podemos aportar?** Pues en el último directo del Café con Codely empezamos con algo muy concreto: Donar 250 $ cada mes a 5 mantenedores de las dependencias que usamos en todos nuestros repositorios.

100

Además, no sólo apostamos desde el lado de producir Open Source, si no que también, como todas las empresas, usamos un montón de software open source en nuestro día a día. Por esto, ver cómo cada vez el modelo es más insostenible para muchos nos duele especialmente.

100

En Codely apostamos por el Open Source desde el inicio. En nuestra organización de GitHub puedes ver no sólo repositorios de ejemplos para aprender, si no utilidades que aportan valor en sí mismas.

100

Tailwind despide al 75% de su plantilla por la IA. Hasta ahora: Visitabas la documentación, descubrías productos de pago, un % acababa comprando. Ahora: 60% de caída de tráfico → Modelo insostenible. Creemos tiene que ver con el Open Source en general. Qué hemos hecho 👇

130

Todo esto lo explicamos en el curso que acabamos de publicar sobre estos patrones. Ya disponible para Codely Pro. 😊

000

Por otro lado, añadir "por si acaso" estos sistemas que acabamos de explicar, puede causar diversos problemas. Hemos añadido nuevos niveles de indirección, movido cargas a otro sistema (del Rabbit a la BD), añadido nuevos procesos para consumir de estas tablas… Sobreingeniería de libro.

100

Estos 2 patrones son muy poderosos ya que nos desacoplan del sistema de mensajería (también nos pueden permitir desacoplarnos de servicios de envío de email, notificaciones…). Además, el patrón inbox nos puede ayudar a evitar consumir mensajes duplicados.

100

Luego tendremos un proceso que leerá de esa tabla y ejecutará el suscriptor pertinente.

100

Si aplicamos el inbox pattern, lo que haremos es una vez consumido el mensaje guardarlo en una tabla de nuestra base de datos. De esta forma, si se encolan muchos, lo que se llena es nuestra base de datos en lugar de el Rabbit.

100

En un suscriptor podemos escuchar el evento de usuario registrado para enviarle un email de bienvenida. Pero algo que puede pasar es que el servicio de envío de email esté caído y que por culpa de eso perdamos ese evento o que se sature la cola y se acabe cayendo el Rabbit por ello.

100

Luego tendremos otro proceso que leerá de esa tabla y publicará en el Rabbit. De esta forma nos aseguramos de que siempre funcionen bien los casos de uso. 📤 El Inbox pattern El inbox pattern es el patrón que se encarga de que un mensaje siempre sea leído.

100

Obviamente las 2 primeras no nos gustan, así que podemos optar por la 3a. Eso implica que en lugar de publicar en el RabbitMQ en ese momento, haremos un insert del evento en una tabla nuestra.

100

Pero algo que puede pasar, es que el Rabbit se caiga. En ese momento podemos elegir: 💥 Hacer rollback del caso del insert de usuario y devolver un error 500. 🥺 Asumir que hemos perdido el evento. 📤 Aplicar el patrón outbox.

100

📤 El Outbox pattern El outbox pattern es el patrón que se encarga de que un mensaje siempre sea entregado. Una vez un usuario se ha registrado (insert en base de datos) queremos publicar el evento de usuario registrado (en RabbitMQ, por ejemplo).

100

📬 Los patrones Inbox y Outbox pueden ser sobreingeniería Los patrones inbox y outbox son dos patrones que nos aseguran que un mensaje se ha entregado o enviado. Para analizarlos vamos a imaginar el caso de uso de registrar un usuario:

Además, relacionado, Git. Para gente que no sabe programar es muy complicado. Quizás empezamos a ver una alternativa (o wrapper) más sencillo. Sin duda cuesta de imaginar qué es lo que pasará. Llegas a decirnos en el 2020 todo esto y nos reímos de lo imposible que parecía.

000

Aunque si tiene que haber una gran revolución, seguramente sea algo que potencie el Vibe coding. Ahora mismo el Vibe coding está limitado. Si no sabes programar hay un punto donde los agentes dejan de funcionar bien. Quizás el código se vuelve transparente y pasamos del Vibe Coding al Vibe Building

Un punto donde los agentes de programación flaquean ahora es que son muy generalistas. Los subagentes aún no están maduros. Así que tiene sentido que veamos más agentes más especializados trabajando entre ellos para poder hacer mejores tareas.

100

🍍 2026: El año de… ¿la coordinación indirecta de agentes? Vibe Coding++ No sabemos qué va a pasar este año que viene, pero sí que sabemos que viendo el ritmo al que vamos, va a ser un año con más revoluciones incluso que este mismo 2025.

100

Además salieron nuevos editores de Google, Amazon… para programar. Infinitos nuevos modelos cada uno más poderoso que el anterior. Desde este año ya no se entiende programar si no se utiliza IA.

100

Hubo un punto en mayo donde tuvimos que pararnos a analizar todo lo que había pasado e hicimos un directo especial contando nuestra opinión y analizando todos los agentes remotos que habían.

100

Este mismo año salieron infinitos nuevos agentes de programación, apareció Claude Code, modelos mega top. Agentes que podían trabajar horas para hacer lo que les pedías.

100

Poco después, en febrero, se acuñó el término Vibe Coding. Un término que parece que lleve con nosotros una década, pero no hace ni un año de ello. La revolución de los MCPs. Parecían Pokémons. ¡Captúralos todos!

100

🤖 2025: El año de los Agentes y del Vibe Coding Cursor añadió soporte para agentes. Un modo que podía modificar diversos ficheros mientras tú sólo interaccionabas con chat. De golpe gente que no sabía programar podía construir cosas.

100

Además, a final de año Anthropic lanza el spec de los MCPs, aunque pasa bastante desapercibido.

100

✨ 2024: El año de Cursor Este fue el año de cursor. Se lanzó con el autocompletado de "tab tab". Aceptas una sugerencia y te sugiere la siguiente a realizar. De golpe, el rey imbatible de la IA que era GitHub Copilot, empieza a tener competencia 3 años después de su lanzamiento.

100

🦙 Febrero del 2023: Lanzamiento de Llama Meta lanzó el primer gran modelo de IA abierto. Esto detonó en que aparecieran muchísimas herramientas (llama.cpp, Ollama…) y que el programar con modelos locales fuera posible.

100

De golpe pasamos de usar Stack Overflow para todo a preguntarle directamente a ChatGPT. Hicimos un directo con Bea comentando cómo exprimirlo al máximo y se volvió en uno de los más visto que tenemos. El interés era real.

100

🗣️ Noviembre del 2022: Lanzamiento de ChatGPT Casi un año y medio después del lanzamiento de GitHub Copilot, sale ChatGPT. Poco sabíamos en ese momento del acuerdo de Microsoft con OpenAI y que el motor de Copilot era una versión primeriza de Codex.

100

De ese directo hay otro momento muy TOP cuando le preguntamos a copilot cuál es el mejor z-index y nos dice que el 9999 (lo siento, Núria 😬). No éramos conscientes de que justo en ese momento todo iba a empezar a cambiar a un ritmo vertiginoso.

100

Este es el primer momento donde vemos una sugerencia de código hecha con IA. Nos reventó la cabeza que por el contexto de los parámetros supiera sugerir la instancia del agregado que queríamos hacer. ¡Qué tiempos! 🥲

100

2 días después del lanzamiento en technical preview, nos dieron acceso para poder probarlo, e hicimos un directo con ello sin haberlo probado antes. Hemos normalizado cosas que en su momento nos pareció pura magia negra.

100

Hasta ese momento todos los autocompletes que teníamos eran sugerencias de los IDEs. Esta sugerencia de autocompletado con IA hizo que la barrera entre IDE y Editor fuera más borrosa.

100

Parece que las sugerencias de texto para programar con IA llevan décadas con nosotros, pero fue a finales de junio del 2021 cuando esto apareció.

100

Se volvió la herramienta preferida de todas las personas que programábamos y el boost de productividad fue brutal. 🛩️ Junio del 2021: Lanzamiento de GitHub Copilot Pasaron 13 años hasta la siguiente gran revolución.

100

Antes del lanzamiento de Stack Overflow tenías que leerte la documentación para poder solventar errores. Con Stack Overflow, después de una búsqueda en Google, lo más probable es que ya tuvieras la solución a tu problema.

100

📚 Septiembre del 2008: Lanzamiento de Stack Overflow El 2008 fue un año que revolucionó bastante la programación.

100

También se estandarizó el uso de Git como sistema de control de versiones. Antes se usaban alternativas como SVN o directamente hacer zips con el código. ✨

100

💻 Abril del 2008: Lanzamiento de GitHub Este fue el momento clave para el Open Source. De golpe el código se volvió muy accesible y empezaron a aparecer gestores de dependencias que se basaban en repositorios públicos de GitHub.

¿Va a cambiar la forma de programar este 2026? Para poder intentar dar respuesta a este pregunta hemos de echar la vista atrás para entender en qué momentos del pasado esto ha ocurrido.