Preparándome para cambiar de carrera y convertirse en ingeniero de IA, la mayoría de los materiales de aprendizaje que se encuentran en línea son tutoriales dispersos o hidrología generada por IA, lo que dificulta encontrar una orientación sistemática. Casualmente encontré la Guía de Campo de Ingeniería de IA en GitHub, un proyecto de código abierto basado en 1.765 descripciones reales de puestos y experiencias reales de entrevistas, que es basado en datos y muy práctico. El autor analiza los requisitos del puesto, las competencias, los procesos de entrevista, casos reales, etc., y también ofrece rutas de aprendizaje transformadoras para ingenieros con diferentes formaciones, como datos, back-end y front-end. GitHub: El contenido cubre el posicionamiento de roles y análisis de habilidades, una guía completa de preparación para entrevistas, una colección seleccionada de recursos de aprendizaje en ingeniería artificial y datos reales del mercado laboral y casos de proyectos. También incluye procesos reales de entrevistas y el intercambio de experiencias de 51 empresas como OpenAI, Anthropic, Google, Meta, etc., así como 17 casos de estudio de casos reales de empleos para hacer desde casa. Si estás pensando en convertirte en ingeniero de IA o quieres entender sistemáticamente cuál es realmente el puesto, merece la pena recopilar esta guía.

La lista actual de GitHub Tending es el proyecto de código abierto Hermes Agent, que es bastante interesante. Un agente de IA con un bucle de aprendizaje completo incorporado que evoluciona y crece con nosotros. Automáticamente crea habilidades a partir del uso real, se mejora a medida que las realiza y se recuerda proactivamente que debe recordar información importante. Incluso puedes buscar conversaciones históricas y ir acumulando comprensión de ti a través de las conversaciones, lo que significa que cuanto más lo uses, más te entienden. GitHub: Además, hay un planificador de tareas programadas integrado que te permite configurar informes diarios, copias de seguridad regulares y otras tareas automatizadas en lenguaje natural. También proporciona una interfaz terminal completa que soporta edición multilínea, autocompletación de comandos, historial de sesiones y otras funciones. Si quieres un asistente personal de IA con memoria y crecimiento acompañante, este proyecto puede implementarse y experimentarse.

Gestiona varios agentes de IA y observa qué hacen, chats, avances de tareas e incluso costes en tiempo real. Sin embargo, las herramientas existentes están fragmentadas o requieren claves API adicionales, lo que puede resultar engorroso. Me topé con ClawPort, un proyecto de código abierto dedicado al equipo de agentes de IA de OpenClaw, con un centro de mando visual que gestiona a todos los agentes a través de una única interfaz. Simplemente conéctate al gateway local de OpenClaw para obtener organigramas, conversaciones con agentes, tableros Kanban, monitorización de tareas programadas, seguimiento de costes, flujos de registros en tiempo real y navegadores de memoria. GitHub: Proporciona organigramas interactivos, soporta chat de texto en streaming, reconocimiento visual de imágenes adjuntas y reproducción de formas de onda de mensajes de voz. También hay una asignación Kanban de arrastrar y soltar tareas, monitorización en tiempo real del estado de las tareas programadas y un panel de control de uso de tokens y análisis de costes, que incluye gráficos de costes diarios, detección de anomalías y tendencias semana tras semana. Descubre automáticamente agentes en los espacios de trabajo de OpenClaw, no se requieren archivos de configuración, cinco cambios de tema y arranque rápido con instalación global de npm.