Estoy considerando cambiar de carrera para convertirme en ingeniero de IA, y la mayoría de los materiales de aprendizaje que encontré en línea son tutoriales dispersos o textos generados por IA, lo que hace difícil encontrar una guía sistemática. Justo encontré en GitHub el proyecto de código abierto AI Engineering Field Guide, que se basa en 1765 descripciones de puestos reales y experiencias de entrevistas, es impulsado por datos y muy práctico. El autor analizó los requisitos del puesto, las habilidades necesarias, el proceso de entrevistas, casos reales, etc., y también proporciona rutas de aprendizaje para ingenieros que desean hacer la transición desde diferentes antecedentes, como datos, backend y frontend. GitHub: El contenido abarca la identificación de roles y análisis de habilidades, una guía completa de preparación para entrevistas, una colección de recursos de aprendizaje de ingeniería de IA seleccionados, así como datos reales del mercado laboral y casos de proyectos. También incluye el proceso de entrevistas y experiencias compartidas de 51 empresas, como OpenAI, Anthropic, Google y Meta, además de 17 análisis de casos de tareas prácticas. Si estás considerando convertirte en ingeniero de IA o deseas entender sistemáticamente la realidad de este puesto, esta guía vale la pena guardar.

Hoy, el proyecto de código abierto Hermes Agent aparece en la lista de tendencias de GitHub, lo cual es bastante interesante. Es un agente de IA que incorpora un mecanismo completo de ciclo de aprendizaje, capaz de auto-evolucionar y crecer junto a nosotros. Creará habilidades automáticamente a partir del uso real, se mejorará a sí mismo durante la ejecución y se recordará a sí mismo que debe recordar información importante. Incluso puede acumular su comprensión de ti a partir del historial de búsquedas y conversaciones, lo que significa que cuanto más lo uses, más te entenderá. GitHub: Además, cuenta con un programador de tareas incorporado que permite establecer tareas automatizadas como informes diarios y copias de seguridad periódicas en lenguaje natural. También ofrece una interfaz de terminal completa, que soporta edición de múltiples líneas, autocompletado de comandos, historial de sesiones y más. Si deseas un asistente personal de IA que tenga memoria y crezca contigo, este proyecto se puede desplegar para probarlo.

Gestionar múltiples agentes de IA, querer ver en tiempo real lo que están haciendo, el historial de chats, el progreso de las tareas e incluso los costos. Pero las herramientas existentes o bien tienen funciones dispersas o requieren la configuración adicional de claves API, lo cual es bastante engorroso. Por casualidad, vi ClawPort, este proyecto de código abierto, un centro de mando visual diseñado específicamente para equipos de agentes de IA de OpenClaw, que permite gestionar todos los agentes desde una sola interfaz. Solo necesitas conectar la puerta de enlace local de OpenClaw para obtener un organigrama, las conversaciones de los agentes, tableros, monitoreo de tareas programadas, seguimiento de costos, flujo de registros en tiempo real y un navegador de memoria. GitHub: Ofrece un organigrama interactivo, soporta chat de texto en streaming, reconocimiento visual de imágenes adjuntas y reproducción de ondas de mensajes de voz. También cuenta con tableros de tareas que permiten arrastrar y soltar para asignar, monitoreo del estado en tiempo real de tareas programadas, así como un panel de análisis de uso de tokens y costos, que incluye gráficos de costos diarios, detección de anomalías y tendencias semanales comparativas. Descubrimiento automático de agentes en el espacio de trabajo de OpenClaw, sin necesidad de archivos de configuración, ofrece cinco temas para cambiar, y se puede iniciar rápidamente mediante instalación global a través de npm.