2026-09-18 — Qué le funciona a Nef y sobre qué gira (síntesis de respuestas)
Contexto: se trajeron las respuestas de Claude y Codex (no solo los prompts) para
aprender qué soluciones sí funcionaron y sobre qué temas/tecnologías gira el trabajo.
Corpus: ~/nef/ai-sessions/respuestas.md (886 mensajes de asistente, 340 KB) +
respuestas.jsonl. Re-juntable con extract.py.
Nota: las respuestas de Codex Desktop quedaron deduplicadas dentro de codex-cli (son
los mismos rollouts). Fuentes: Claude Code 551, Codex CLI 328, Claude.app Cowork 7.
1. Qué SÍ le funciona (con evidencia)
a) Datos reales → artefacto verificable → decisión persistida
El patrón que más rinde y más se repite. Ejemplo canónico: SPAB / turismo QRoo
(38 decisiones, el clúster #1). En una sesión: ingestó fuentes reales (DataTur, Monitoreo,
Wikipedia), construyó corpus (430 social + 2,886 YouTube), corrió clustering, detectó
falsos positivos (CDMX singleton inflando silueta), encontró un bug real
(store.ts no deduplicaba → 3,160 filas infladas), verificó proxies antes de prometerlos
(“Riviera Maya” existe como fila real; Bacalar no), y persistió cada paso. Resultado
durable: perfil estacional k=3, silueta 0.370, ARI 0.821.
Lo que funciona: rigor sobre fuente real, no sobre supuestos; y escribirlo.
b) Pipelines que terminan en un artefacto concreto
Donde hay un objeto final —dataset, índice, corpus, app desplegada— el proyecto avanza:
marvelousdb(24 decisiones): PDSH importado, 9,417 personajes, 47 MB.yt-extract(9): dataset inicial + worker Cloudflare.Surtidito(33): pipeline de curación/silo de noticias + radio + boletín.second brain(16): ingesta de conversaciones + grafo + garden. Estos no se quedan en “plan”; producen archivos/DBs que se pueden señalar.
c) Trabajo de cliente WordPress/Elementor, cerrado
Rebeca Pal (6 decisiones): system design → HTML → tema WP; correcciones de
interlineado/header/mobile; PRs a [usuario]/escritora. Es el trabajo que paga y sí se
entrega. Funciona porque el criterio es externo (el diseño de Figma) y verificable.
d) Adaptación de CRM a un caso real, acotado
Twenty / VW camiones (6): metadata desplegada en PikaPods, 7 tests (build-up + mock DMS), PDFs de propuesta, tutorial para vendedores. Funcionó cuando el alcance se fijó con “NO construyas DMS” y el DMS se resolvió como adapter.
e) Prototipos creativos autocontenidos, de una sesión
Somos Valientes (canvas GSAP, dominio público) es el único artefacto con testigo
externo: demosv.netlify.app, visto por su pareja. academia-arcana quedó “listo y
verificado”. Funcionan cuando son single-file / sin build y con assets libres.
f) Infra local-first como ventaja real
Ollama + S76/Linode para triage gratis, tiny-llm-studio (build verificado), ruteo Claude/Codex/local, Cloudflare Workers AI + Vectorize para servir sin GPUs. Le funciona porque no depende de un proveedor y el costo marginal es suyo.
g) Los hábitos de proceso que hacen que (a–f) salgan
- Brief estructurado → ejecución en silencio → seguimiento telegráfico.
- “NO” explícitos en el brief: el scope-down es lo que evita el sobre-build.
- Verificación: build, tests, “qué archivos creaste”. No acepta reportes sin prueba.
- Persistencia: 221 documentos en
~/nef/decisions/. Es el compuesto que convierte trabajo suelto en activo reutilizable — su antídoto al impuesto de repetición. - Uso diferenciado de herramientas: Claude Code = builds largos; Codex = datos→
stakeholder (Excel/slides) y sitios de un archivo (
@sites); local = volumen gratis.
2. Qué NO le ha funcionado (repetido)
- CRM como producto: Twenty/VW, SICOP Rails,
crm-demo, Rust — 4+ intentos. El único que sobrevive (Rust) lo hace porque su propósito declarado era aprender, no shippear. - El roadmap de carrera DS/ML: se enuncia, no se vive (ver memoria
nef-career-gap). - Tool-hopping: 6 agent CLIs en una semana como sustituto de depurar.
- Proyectos sin testigo: quedan “En curso” para siempre; solo Somos Valientes cruzó a “shipped” cuando se le empujó.
3. Temas y tecnologías (de 221 decisiones persistidas)
| Clúster | # | Tecnologías de facto |
|---|---|---|
| SPAB / turismo QRoo (datos) | 38 | Next/TS, store append-only, k-means/HDBSCAN, APIs (DataTur, OpenSky, Places, Booking, Airbnb), Apify |
| Surtidito (noticias/radio) | 33 | RSS/RSSHub, yt-dlp, Ollama (triage), liquidsoap/icecast, TTS, boletín |
| marvelousdb (cómic/dominio público) | 24 | MediaWiki API, SQLite, Express, PDSH/TMDB, MCP/RapidAPI |
| Second brain / garden | 16 | Quartz, grafo, importación de exports, i18n (DeepL) |
| Creativo/editorial/infra | 16 | Three.js/WebGL, GSAP, canvas, dominio público, clon archive.org |
| LLM local/ruteo/infra | 12 | Ollama, Qwen/Llama/DeepSeek, tiny-llm-studio, Cloudflare Workers AI, AI Gateway, HF |
| X/Twitter scraping | 11 | RSSHub, Apify, SocialCrawl, Grok API |
| Cursos / China / educación | 11 | NNDL, Data Engineer, chino técnico, Whisper |
| Pipeline YouTube/transcripción | 9 | yt-dlp, Whisper, Workers |
| CRM/ventas | 6 | Twenty (GraphQL), Rails/RSpec/Pundit, Rust (axum/sqlx/askama/htmx) |
| Rebeca Pal (cliente) | 6 | Figma→HTML→Elementor/WP, CSS, PRs |
| CKAN / datos abiertos | 6 | CKAN, Vercel, dataviz |
Throughline dominante: datos reales → pipeline → retrieval/RAG → modelo local o Workers AI → artefacto persistido. Casi todo lo que funciona cae en ese eje. El segundo eje es cliente WP/Elementor (el que paga) y el tercero creativo web de un solo golpe.
Señales de victoria en el corpus: “verificado/comprobado/confirmado” 86, “artefacto real (archivos/DB)” 31, “desplegado/shipped” 18, “tests/build en verde” 13. El lenguaje de éxito de Nef es verificación, no entusiasmo.
4. Cómo aplicarlo (reglas para agentes)
- Ante un tema de datos: ir a fuente real, verificar el proxy/dato antes de prometerlo, buscar el falso positivo, y dejar corpus/DB con decision doc. (Patrón SPAB.)
- Ante cliente WP: trabajar contra el system design de Figma; el criterio es externo.
- Ante CRM: preguntar qué lo distingue de los intentos muertos antes de construir.
- Ante creativo: empujar a un prototipo autocontenido y nombrar a quién se le enseña esta semana (witnessed > finished).
- Siempre: brief → ejecutar sin re-preguntar; respetar los “NO”; entregar evidencia;
persistir en
~/nef/decisions/. - No alimentar roadmaps de carrera ni migraciones de herramienta; instrumentar el problema real.
5. Límites
- Son 886 respuestas, no la conversación completa; el contexto íntegro está en los
.jsonl. - Los conteos miden presencia de temas, no productividad ni calidad.
- Faltan las respuestas de la UI principal de Claude Desktop (IndexedDB/servidor).