Autor: Fernando Rodríguez
Fernando Rodríguez
Alumni
FRR Blog
Agentic Experience: 1.324 llamadas a mi CLI, 15,9% de error
Analicé 1.324 llamadas reales de Claude Code a mi CLI de Linear. El 15,9% fallaba. Los errores revelan cómo diseñar herramientas que los agentes
Alumni
FRR Blog
El patrón de dos capas en Apple Silicon: código determinista barato primero, CoreML para lo pesado
El mismo patrón arquitectónico resuelve análisis de sentimiento y limpieza de imágenes: deterministic primero, CoreML solo sobre lo que sobrevive. PyTorch → ONNX →
Alumni
FRR Blog
Las colisiones adversariales que rompieron el sistema CSAM de Apple (y por qué importan más allá de Apple)
En agosto de 2021, investigadores rompieron NeuralHash en menos de dos semanas. El ataque no fue una chapuza: es una propiedad estructural de la
Alumni
FRR Blog
64 bits deciden qué puedes subir a internet: el algoritmo detrás del Chat Control
El EU Chat Control y el fallido escaneo on-device de Apple dependen del mismo algoritmo de 40 líneas de Python. Entender cómo funciona es
Alumni
FRR Blog
Tu CLI tiene un nuevo usuario y no es humano
Los principios de Agent Experience (AX) cambian cómo se diseñan herramientas CLI cuando el usuario principal es un LLM. Output token-efficient, fuzzy matching, errores
Alumni
FRR Blog
El modelo on-device de Apple es terrible para chat pero sorprendentemente bueno en structured output y tool calling
Construí una app macOS para stress-test de todas las capacidades de Apple Intelligence on-device. El modelo de 3B es mediocre en texto libre, pero
Alumni
FRR Blog
El análisis de sentimiento de Apple cree que ‘borra el fichero temporal’ es una amenaza de muerte
NLTagger de Apple puntúa 'delete the temp file' como -0.8 (muy negativo). Es un sesgo sistemático en texto técnico que nadie ha documentado. Datos,
Alumni
FRR Blog
Bridgeando async Swift a sync C: cuatro funciones para usar el LLM de Apple desde cualquier lenguaje
libfoundationmodels expone el LLM on-device de Apple como una dylib C de 4 funciones. El bridge async Swift → sync C con Mutex y
Alumni
FRR Blog
Estoy pagando $15 por millón de tokens para escribir ‘fix: typo’
Los coding agents usan modelos cloud de $15/M tokens para generar commit messages. foundation-hooks los reemplaza con el LLM on-device de Apple: 300ms, 0
Alumni
FRR Blog
TurboQuant, un mes después: implementaciones, controversia y qué funciona de verdad
El paper TurboQuant de Google consiguió 575 puntos en HN y hundió las acciones de memoria. Un mes después: qué implementaciones funcionan de verdad,
Alumni
FRR Blog
Tu Mac tiene un LLM gratis y no lo estás usando
Apple Intelligence incluye un modelo de 3B parámetros en tu Mac. Cómo usarlo para clasificación, naming, triage y commit messages sin pagar APIs. Recetas
Alumni
FRR Blog
Tres agentes entran en un bar: mi experimento para programar más y pagar menos
Mi plan para repartir trabajo entre Claude, Codex y GLM/Z.AI sin automatizar demasiado pronto, reduciendo coste sin perder criterio.
