5 Repos Dominando Claude Code

La analogía simple: Es como darle a Claude un diario personal que relee antes de cada sesión. Lo que le enseñaste el lunes, el estilo que ocupas, el contexto de tu proyecto, todo queda guardado y disponible cuando vuelves el martes.

Qué hace exactamente: Captura automáticamente lo que pasa en cada sesión de Claude Code: qué herramientas usó, qué decisiones tomaste, qué archivos tocaste. Genera resúmenes con IA y los recupera cuando vuelves a preguntar algo relacionado. Trae un visor web en http://localhost:37777 para que revises tu historial en tiempo real y una skill llamada mem-search para buscar con lenguaje natural.

El problema que resuelve: Sin Claude Mem, cada sesión arranca en cero. Tienes que volver a explicar tu proyecto, recordarle el estilo de código que usas, avisarle de las decisiones que ya tomaste. No solo se siente mal, quema tokens inútilmente.

Cuándo usarlo: Desde tu primer día con Claude Code, antes de que te encariñes con explicar lo mismo dos veces.

Qué NO es: No sustituye tu archivo CLAUDE.md. El CLAUDE.md es la constitución del proyecto (las reglas fijas). Claude Mem es la memoria viva (lo que pasó en sesiones). Se complementan, no compiten.

La analogía simple: Karpathy dirigió la IA de Tesla. Él observó los errores típicos de los modelos cuando programan y los resumió en 4 principios. Esto es ese resumen, empacado como un CLAUDE.md que le pegas a tu proyecto y ya.

Qué hace exactamente: Te entrega un archivo CLAUDE.md con 4 principios que domestican a Claude: Think Before Coding (piensa antes de escribir), Simplicity First (lo simple primero), Surgical Changes (no toques lo que no toca), Goal-Driven Execution (criterios de éxito claros). Puedes instalarlo como plugin del marketplace de Claude Code o copiarlo directo a tu proyecto.

El problema que resuelve: Claude, por default, asume cosas que no debería, sobrecomplica soluciones y a veces toca código ajeno sin que se lo pidas. Los 4 principios de Karpathy cortan esos hábitos de raíz.

Cuándo usarlo: Cuando empiezas un proyecto nuevo con Claude Code o cuando sientes que tu asistente toma demasiadas libertades editando cosas que no pediste.

Qué NO es: No es un prompt mágico que arregla cualquier cosa. Es un conjunto de reglas de comportamiento. Si tu tarea requiere contexto técnico específico (una librería rara, una API interna), sigues necesitando escribirlo tú.

La analogía simple: Es como un asistente que se muda a donde tú vivas. Si pasas el día en Telegram, ahí responde. Si prefieres Discord con tu equipo, ahí está. Si trabajas en terminal, también. Y lo hace con un loop de aprendizaje: cada conversación lo deja un poco mejor.

Qué hace exactamente: Es un agente autónomo de Nous Research con un ciclo de aprendizaje integrado. Crea sus propias skills a partir de la experiencia, las mejora sobre la marcha y mantiene conocimiento persistente entre sesiones. Funciona en Telegram, Discord, Slack, WhatsApp, Signal y línea de comandos. Corre con cualquier proveedor de LLM: Nous Portal, OpenRouter, OpenAI, modelos locales y más de 200 opciones.

El problema que resuelve: La mayoría de los agentes viven dentro de un editor o una web. Si quieres que conteste en el grupo de Telegram de tu equipo, tienes que construir el puente tú. Hermes ya lo trae resuelto para 6 plataformas.

Cuándo usarlo: Cuando quieres sacar a Claude del editor y dejar un agente conversacional que tu equipo (o tus clientes) puedan usar desde el chat que ya ocupan.

Qué NO es: No es un chatbot tonto con if/else. Es un agente con memoria, cron interno y creación de skills. Por lo mismo, no lo montes para una tarea trivial que resuelves con un webhook.

La analogía simple: Es como contratar a alguien y darle el ratón, el teclado y la pantalla. Le dices qué quieres lograr y él navega, teclea, abre archivos, lee la pantalla y decide el siguiente paso. Todo en 3 mil líneas de Python, con un Agent Loop de apenas 100.

Qué hace exactamente: Le da al LLM control a nivel de sistema: navegador, terminal, sistema de archivos, dispositivos de entrada, visión de pantalla y hasta dispositivos móviles. Cristaliza automáticamente los flujos exitosos en skills reutilizables, así que mejora con el uso.

El problema que resuelve: Hay cosas que no se resuelven con API: cerrar un banner, arrastrar un archivo entre pestañas, automatizar una app que no tiene integración. GenericAgent las puede hacer porque ve la pantalla y mueve el cursor como tú.

Cuándo usarlo: Cuando necesitas automatizar flujos visuales que no tienen API, siempre y cuando estés dispuesto a vigilarlo o meterlo en un ambiente aislado.

Qué NO es: No es un agente inocuo. Ejecuta comandos reales en tu sistema. Montarlo en tu máquina principal sin sandbox es como darle tu laptop a un pasante en su primer día. Úsalo en VM, contenedor o máquina dedicada.

La analogía simple: Es el entrenador de tus agentes. En lugar de que tú le cambies prompts a mano cada vez que fallan, Evolver lee los logs, detecta los errores repetidos y propone cómo debería cambiar el prompt para la siguiente iteración. Deja rastro de todo en git.

Qué hace exactamente: Motor de auto-evolución basado en GEP (Genetic-Evolutionary Prompting). Analiza logs de ejecución y patrones de error, luego genera prompts de evolución estructurados que guían la siguiente iteración. Todo queda como assets reutilizables llamados Genes y Capsules, con auditoría completa vía git.

El problema que resuelve: Refinar prompts a mano no escala. Cada ajuste queda disperso, sin historial y sin forma de revertir. Evolver vuelve ese proceso en un protocolo auditable.

Cuándo usarlo: Cuando ya tienes al menos un agente en producción y quieres una forma disciplinada de seguir mejorándolo sin depender de tu memoria.

Qué NO es: No es un repo de arranque. Requiere Node 18+ y que tu proyecto esté inicializado como git. Si nunca has construido un agente, empieza por Claude Mem o Hermes primero.