les dejo un dato para que revisen y decidan sobre su web si querés que tu web la puedan leer bots de ia hay dos cosas 1) podés elegir qué bots dejás pasar en tu robots.txt openai y anthropic tienen tres tipos de bots cada uno, y se bloquean por separado: - uno para entrenar sus modelos (GPTBot, ClaudeBot) - uno para buscar y citarte en sus respuestas (OAI-SearchBot, Claude-SearchBot) - uno que entra a tu web cuando alguien en el chat le pasa tu link (ChatGPT-User, Claude-User) entonces podés bloquear el de entrenamiento y seguir apareciendo en las respuestas. si bloqueás el de búsqueda, dejás de aparecer o aparecés menos hay dos detalles acá para tener en cuenta - openai aclara que ChatGPT-User puede no respetar robots.txt porque lo dispara una persona - si tenés subdominios, la regla va en el robots.txt de cada uno 2) cómo optimizar tu web para que los bots lean lo que querés - el contenido debe estar en texto en el html, no en imágenes - una pregunta por sección y la respuesta en la primera frase - datos con número y fecha esto es una recomendación general, no hay documentación de openai ni anthropic para esto y google dice que para sus respuestas con ia no hace falta nada nuevo, solo estar indexado

es muy interesante este paper y lo loco es que es del 2011. ahora es cuando se están enfrentando a estos problemas de verdad el paper habla sobre que significa que una ia se escape, como debería ser los sistemas para comunicarse cuando están en confinamiento, niveles de confinamiento (foto) y que tipo de libertad tiene para generar respuestas y también deja preguntas como si es ético encerrar a un ser consciente inocente, si una ia tendría razones para querer escaparse o si tenemos el derecho de apagarla o matarla

actualicé claude porque trae fixes de seguridad y permisos antes los archivos de inicio de shell (.zshrc, .bashrc) corrían fuera del sandbox y antes de cada comando entonces significa que puede leer ~/.ssh o ~/.aws, escribir fuera del proyecto y salir a cualquier dominio es exactamente lo que el sandbox impide

ayer salió bitcoin core 32.0 y uno de los 128 nombres en los créditos es “Anthropic Security” fue co-autor en un commit que arregla un bug en psbts github.com/bitcoin/bitcoin/c…

railway está caído

cuando no se respetan los tiempos para publicar las vulnerabilidades se pone en riesgo a todos es ética y sentido común me sorprende igual los tiempos que se manejan, 14 hs no es nada. necesitas estar en esta red social si sos el encargado de un sistema importante lo comparo con el embargo de liquid (layer 2 de bitcoin) que eran 14 días la diferencia entre actualizar un sistema centralizado de un descentralizado

actualicen claude y corran /auto-mode-setup me hizo un relevamiento de mi entorno y con eso escribe la configuración que usa auto mode para decidir

dejo info sobre qué es el sandbox de claude y hasta dónde llega el sandbox es un límite que pone el sistema operativo alrededor de los comandos que corre el agente en la terminal dónde está cada cosa: 1) permisos: revisan cada herramienta antes de que corra. allow, ask o deny. las herramientas son Read, Edit, Bash o WebFetch 2) agente principal y subagentes: los subagentes tienen su propio contexto pero heredan los permisos 3) sandbox: envuelve los comandos de la terminal y todo lo que esos comandos lancen. ej comando python, npm o grep 4) lo que no pasa por el sandbox: leer, editar y buscar archivos usan los permisos, los hooks, los mcp locales y lo que escribís vos con ! qué alcanza un comando adentro del sandbox: - escribe solo en la carpeta del proyecto y en una carpeta temporal - lee casi toda la compu, menos lo que pongas en denyRead (ahí van ~/.ssh, ~/.aws, ~/.npmrc) - sale a internet solo a los dominios que permitiste - hereda las variables de entorno de tu terminal todo lo que el agente lee o un comando imprime entra al contexto y viaja al modelo en cada llamada. el sandbox decide qué se puede leer, no qué se manda entonces el .env es el caso difícil porque vive adentro del proyecto y es justo lo que el sandbox deja leer un Read(.env) frena que el agente use Read sobre el .env pero no frena un script python que abre el .env adentro porque el permiso solo revisa “correr python” y no lo que python hace después

estas son las 3 formas que tenés de desarrollar con ia la elección depende de qué necesites y de cuánta privacidad estés dispuesto a perder - todo en la nube: el agente clona tu repo en una máquina del proveedor, lee los archivos ahí, corre los tests ahí y te devuelve un pr. tu código, tus variables de entorno y el acceso a github viven en un servidor de otro es cómodo para probar algo rápido o para tareas que podés dejar corriendo mientras hacés otra cosa ej: claude code en la web o codex en la nube - agente local, modelo por api: el agente corre en tu compu. lee login.ts, busca con grep, corre los tests, todo local. pero cada vez que necesita pensar, arma un pedido con las instrucciones, la conversación y lo que leyó, y lo manda al modelo el repo entero no sale si no que sale lo que el agente leyó ej: claude code o codex en tu terminal - todo local: el agente y el modelo corren en tu compu. el agente le habla a ollama en localhost en vez de a una api, así que el pedido nunca sale de tu máquina. el límite es el hardware: un modelo puede ocupar unos 5 GB de memoria y entra en una laptop, pero para programar todavía queda lejos de los modelos grandes conviene cuando lo que desarrollas no puede salir de tu compu, como datos de clientes o código bajo contrato ej: un agente apuntando a ollama con un modelo como qwen o llama ninguna opción es la correcta. pero esta bueno saber cuál estás usando

los halagos que me gusta recibir

hoy abrí el transcript de una sesión de claude code para ver qué viaja en cada llamada al modelo en la foto está el ejemplo: 26 llamadas para 6 respuestas. los tokens de entrada crecen en cada llamada porque se reenvía todo el historial lo que vi es que la primera llamada ya fueron 72k tokens antes de que el agente hiciera nada esos tokens son todo lo que el modelo necesita para arrancar: quién es, qué herramientas puede pedir y las reglas de mi proyecto - 17,6k la definición de las herramientas de claude code (bash, read, edit…) - 13,9k las herramientas de los MCP que tengo conectados - 11,7k mi CLAUDE.md - 6,8k la descripción de las skills - 5,5k el system prompt de claude code - 17k de mi primer mensaje eso se manda en la primera llamada y se vuelve a mandar en todas las siguientes algunos tips para gastar menos: - escribí /context y fijate qué pesa en tu proyecto - achicá el CLAUDE.md o partilo: lo que solo sirve para una carpeta puede ir en un CLAUDE.md dentro de esa carpeta, que se carga cuando se trabaja ahí - desconectá los MCP que no usás en ese proyecto para que no se manden en las herramientas