10 reglas para el desarrollo con agentes de IA de Cursor
El equipo de Cursor ha compartido su experiencia sobre cómo hacer que el trabajo con agentes sea lo más efectivo posible. Aquí están sus 10 mejores consejos:
1. Siempre planifica — solo después codifica.
2. Si el modelo se confunde, inicia una nueva sesión.
3. Confía en el agente para recolectar contexto — no etiquetes todo al por mayor.
4. No salves código perdido, es mejor reformular las instrucciones.
5. Establece reglas para errores comunes.
6. Escribe pruebas por adelantado — así el agente podrá mejorar rápidamente con ellas.
7. Usa varios modelos y elige el mejor resultado.
8. Para los errores más complejos — activa el modo debug.
9. Cuanto más específico y claro sea el prompt, mejor será el resultado.
10. Siempre valida la salida con linters y pruebas automáticas.
Toda la información del blog está aquí: https://cursor.com/blog/agent-best-practices
El equipo de Cursor ha compartido su experiencia sobre cómo hacer que el trabajo con agentes sea lo más efectivo posible. Aquí están sus 10 mejores consejos:
1. Siempre planifica — solo después codifica.
2. Si el modelo se confunde, inicia una nueva sesión.
3. Confía en el agente para recolectar contexto — no etiquetes todo al por mayor.
4. No salves código perdido, es mejor reformular las instrucciones.
5. Establece reglas para errores comunes.
6. Escribe pruebas por adelantado — así el agente podrá mejorar rápidamente con ellas.
7. Usa varios modelos y elige el mejor resultado.
8. Para los errores más complejos — activa el modo debug.
9. Cuanto más específico y claro sea el prompt, mejor será el resultado.
10. Siempre valida la salida con linters y pruebas automáticas.
Toda la información del blog está aquí: https://cursor.com/blog/agent-best-practices
🩺 Google presentó MedGemma 1.5: un nuevo modelo multimodal para la medicina
Google ha llevado la inteligencia artificial en tecnología médica a un nuevo nivel: MedGemma 1.5 ahora no solo comprende imágenes médicas clásicas, sino que también trabaja con visualizaciones de alta dimensión, datos de EHR e incluso identifica áreas anatómicas a través de bounding boxes.
El modelo aborda varias tareas importantes para la IA médica, desde la interpretación de imágenes complejas hasta la estructuración de información clínica y el análisis de texto relacionado. En esencia, se convierte en una herramienta universal para médicos e investigadores.
Más detalles sobre las capacidades del nuevo modelo — a través del siguiente enlace: research.google/blog/next-generation-medical-image-interpretation-with-medgemma-15-and-medical-speech-to-text-with-medasr/
Google ha llevado la inteligencia artificial en tecnología médica a un nuevo nivel: MedGemma 1.5 ahora no solo comprende imágenes médicas clásicas, sino que también trabaja con visualizaciones de alta dimensión, datos de EHR e incluso identifica áreas anatómicas a través de bounding boxes.
El modelo aborda varias tareas importantes para la IA médica, desde la interpretación de imágenes complejas hasta la estructuración de información clínica y el análisis de texto relacionado. En esencia, se convierte en una herramienta universal para médicos e investigadores.
Más detalles sobre las capacidades del nuevo modelo — a través del siguiente enlace: research.google/blog/next-generation-medical-image-interpretation-with-medgemma-15-and-medical-speech-to-text-with-medasr/
🎓 ¡Nuevo curso sobre automatización de procesos en n8n ya disponible en Stepik!
Stepik ha lanzado un curso que mejorará tus habilidades de automatización con n8n. Ideal para desarrolladores: aprenderás a crear flujos de trabajo basados en triggers y webhooks, a construir lógica dinámica a través de expressions y bifurcaciones, a escribir tu propio JavaScript en el nodo Code y a conectar cualquier API.
Te espera una práctica con agentes de IA, integración de LLM, trabajo con almacenes vectoriales, y como guinda del pastel, las mejores prácticas de despliegue en producción.
Al concluir, recibirás un certificado para tu currículum y LinkedIn.
🔥 Ahora hay un 25% de descuento — solo durante 48 horas.
🔗 Realiza el curso en Stepik: https://stepik.org/a/270333/pay
Stepik ha lanzado un curso que mejorará tus habilidades de automatización con n8n. Ideal para desarrolladores: aprenderás a crear flujos de trabajo basados en triggers y webhooks, a construir lógica dinámica a través de expressions y bifurcaciones, a escribir tu propio JavaScript en el nodo Code y a conectar cualquier API.
Te espera una práctica con agentes de IA, integración de LLM, trabajo con almacenes vectoriales, y como guinda del pastel, las mejores prácticas de despliegue en producción.
Al concluir, recibirás un certificado para tu currículum y LinkedIn.
🔥 Ahora hay un 25% de descuento — solo durante 48 horas.
🔗 Realiza el curso en Stepik: https://stepik.org/a/270333/pay
Google Antigravity presentó Artifacts — adiós a los juegos de adivinanza con el agente
Me he quedado impresionado con la nueva función de Google Antigravity: ahora existen los Artifacts — artefactos dinámicos que muestran todo el recorrido del agente. Ya no es necesario adivinar qué está haciendo tu agente: se puede ver cada paso que ha dado, qué ha revisado, dónde ha hecho clic, qué ha capturado y qué conclusiones ha sacado.
Los Artifacts se convierten en una fuente única de verdad entre tú y el agente, ayudando no solo a rastrear la respuesta final, sino también a entender el proceso. El resultado: menos sorpresas, es más fácil hacer debugging, y ahora se pueden repetir las tareas de manera más humana, como mediante una lista de verificación o un caso de prueba. Definitivamente, un gran avance. 🎁
Me he quedado impresionado con la nueva función de Google Antigravity: ahora existen los Artifacts — artefactos dinámicos que muestran todo el recorrido del agente. Ya no es necesario adivinar qué está haciendo tu agente: se puede ver cada paso que ha dado, qué ha revisado, dónde ha hecho clic, qué ha capturado y qué conclusiones ha sacado.
Los Artifacts se convierten en una fuente única de verdad entre tú y el agente, ayudando no solo a rastrear la respuesta final, sino también a entender el proceso. El resultado: menos sorpresas, es más fácil hacer debugging, y ahora se pueden repetir las tareas de manera más humana, como mediante una lista de verificación o un caso de prueba. Definitivamente, un gran avance. 🎁
🚀 Google presentó TranslateGemma: nuevos modelos abiertos para la traducción
Google ha lanzado TranslateGemma: una familia de modelos de código abierto que soporta 55 idiomas y funciona en tres variantes: con 4B, 12B y 27B de parámetros. El enfoque está en la eficiencia: la calidad de la traducción no se ve comprometida, mientras que la latencia es baja y todo funciona sin necesidad de conexión a la nube.
TranslateGemma se basa en Gemma 3 y ha sido entrenada con datos generados por la IA Gemini. En términos simples, Google ha trasladado la inteligencia de un modelo grande a un formato más compacto y accesible.
Ahora, los desarrolladores pueden integrar potentes traductores directamente en los dispositivos, sin necesidad de servidores. Ya se puede probar TranslateGemma en huggingface y Kaggle.
Google ha lanzado TranslateGemma: una familia de modelos de código abierto que soporta 55 idiomas y funciona en tres variantes: con 4B, 12B y 27B de parámetros. El enfoque está en la eficiencia: la calidad de la traducción no se ve comprometida, mientras que la latencia es baja y todo funciona sin necesidad de conexión a la nube.
TranslateGemma se basa en Gemma 3 y ha sido entrenada con datos generados por la IA Gemini. En términos simples, Google ha trasladado la inteligencia de un modelo grande a un formato más compacto y accesible.
Ahora, los desarrolladores pueden integrar potentes traductores directamente en los dispositivos, sin necesidad de servidores. Ya se puede probar TranslateGemma en huggingface y Kaggle.
¡GitHub Copilot ahora trabaja con OpenCode!
Ahora, los suscriptores de GitHub Copilot pueden utilizar oficialmente OpenCode. Al optar por la suscripción Pro+, abres acceso a los mejores modelos para la programación. Es genial que la plataforma continúe apoyando el código abierto y deje en manos de los usuarios la elección de herramientas.
Ahora, los suscriptores de GitHub Copilot pueden utilizar oficialmente OpenCode. Al optar por la suscripción Pro+, abres acceso a los mejores modelos para la programación. Es genial que la plataforma continúe apoyando el código abierto y deje en manos de los usuarios la elección de herramientas.
Cómo evadir los antibots y no perjudicar al agente
Si alguna vez has intentado automatizar la recopilación de datos de YouTube, Instagram o Amazon, sabes que los sitios bloquean inmediatamente cualquier solicitud automatizada. El resultado siempre es el mismo: o bien el agente se rompe, o comienza a “fantasear”, sin obtener los datos necesarios.
Esto es un problema para todos:
▪️ agentes de investigación que obtienen noticias
▪️ agentes de ventas que scrapean LinkedIn
▪️ agentes de comercio electrónico que monitorean precios
▪️ agentes de redes sociales que buscan tendencias
En el video muestro una prueba sencilla:
- a la izquierda: Claude obtiene datos de YouTube. Sin herramientas especiales — intenta con yt-dlp, pero rápidamente falla
- a la derecha: a través del servidor MCP de Bright Data — la misma solicitud con un clic, y todo funciona
Toda la magia ocurre por dentro: Bright Data se encarga de los proxies, la rotación, los captchas y los antibots, mientras que para el agente todo parece una llamada normal.
El servidor MCP es de código abierto, hay un plan gratuito de 5000 solicitudes al mes. Enlace para probarlo en tus tareas: https://github.com/brightdata/brightdata-mcp
Si alguna vez has intentado automatizar la recopilación de datos de YouTube, Instagram o Amazon, sabes que los sitios bloquean inmediatamente cualquier solicitud automatizada. El resultado siempre es el mismo: o bien el agente se rompe, o comienza a “fantasear”, sin obtener los datos necesarios.
Esto es un problema para todos:
▪️ agentes de investigación que obtienen noticias
▪️ agentes de ventas que scrapean LinkedIn
▪️ agentes de comercio electrónico que monitorean precios
▪️ agentes de redes sociales que buscan tendencias
En el video muestro una prueba sencilla:
- a la izquierda: Claude obtiene datos de YouTube. Sin herramientas especiales — intenta con yt-dlp, pero rápidamente falla
- a la derecha: a través del servidor MCP de Bright Data — la misma solicitud con un clic, y todo funciona
Toda la magia ocurre por dentro: Bright Data se encarga de los proxies, la rotación, los captchas y los antibots, mientras que para el agente todo parece una llamada normal.
El servidor MCP es de código abierto, hay un plan gratuito de 5000 solicitudes al mes. Enlace para probarlo en tus tareas: https://github.com/brightdata/brightdata-mcp
Claude Code ahora muestra el diff directamente en la aplicación
Ya no es necesario saltar entre GitHub y la IDE para ver los cambios: en Claude Code para web y escritorio ahora hay una vista de diff. Ahora puedes ver exactamente qué ha cambiado, directamente en la aplicación. Puedes abrir el diff completo, dejar comentarios en línea y, junto con Claude, realizar modificaciones paso a paso, todo en un solo lugar.
Ya no es necesario saltar entre GitHub y la IDE para ver los cambios: en Claude Code para web y escritorio ahora hay una vista de diff. Ahora puedes ver exactamente qué ha cambiado, directamente en la aplicación. Puedes abrir el diff completo, dejar comentarios en línea y, junto con Claude, realizar modificaciones paso a paso, todo en un solo lugar.
La IA escribió un navegador en una semana — ¡ahora es real!
Me topé con un caso increíblemente interesante: los desarrolladores, utilizando GPT-5.2 directamente en Cursor, crearon un nuevo navegador en una semana, dejando trabajar a la IA sin parar. No se trata de "experimentos nocturnos": ¡hay más de 3 millones de líneas de código y miles de archivos!
Lo más genial es que todo el motor de renderizado fue escrito desde cero en Rust. Dentro funciona a pleno un pipeline —parseo de HTML, cascada de CSS, diseño, renderizado de texto, dibujo, ¡incluso su propio motor de JS!
El resultado, por supuesto, está lejos de WebKit o Chromium: hay muchos errores y sitios web complejos pueden desmoronarse. Pero las páginas simples se renderizan rápido y se ven decentes. ¡La captura de pantalla de Google es presentable!
A continuación, el equipo promete probar los límites de este enfoque y compartir sus experiencias.
El código está aquí: https://github.com/wilsonzlin/fastrender
Me topé con un caso increíblemente interesante: los desarrolladores, utilizando GPT-5.2 directamente en Cursor, crearon un nuevo navegador en una semana, dejando trabajar a la IA sin parar. No se trata de "experimentos nocturnos": ¡hay más de 3 millones de líneas de código y miles de archivos!
Lo más genial es que todo el motor de renderizado fue escrito desde cero en Rust. Dentro funciona a pleno un pipeline —parseo de HTML, cascada de CSS, diseño, renderizado de texto, dibujo, ¡incluso su propio motor de JS!
El resultado, por supuesto, está lejos de WebKit o Chromium: hay muchos errores y sitios web complejos pueden desmoronarse. Pero las páginas simples se renderizan rápido y se ven decentes. ¡La captura de pantalla de Google es presentable!
A continuación, el equipo promete probar los límites de este enfoque y compartir sus experiencias.
El código está aquí: https://github.com/wilsonzlin/fastrender