Un sitio donde un agente LLM recopila noticias de IA a diario y las acumula en una wiki de enlaces — 72 días de operación sin intervención

Es un proyecto personal en el que apliqué el patrón de wiki con LLM de Karpathy (https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) al seguimiento de tendencias de IA. Los resúmenes diarios se evaporan al día siguiente, pero las tendencias solo se ven en los datos acumulados; por eso lo hice para hacer crecer una wiki, no un newsletter.

Cómo funciona

• Cada mañana, el agente recopila información de arXiv, HuggingFace Daily Papers, blogs oficiales de distintos laboratorios, X, laboratorios chinos (DeepSeek, Qwen, Moonshot, Z.ai, MiniMax en rotación) y el US Federal Register
• Conserva snapshots originales de forma inmutable y crea/actualiza páginas de organizaciones, modelos, conceptos y papers (obligando a citar fuentes para todos los hechos)
• El polling mecánico de feeds lo hace GitHub Actions cada hora, y el LLM solo se encarga del criterio y la redacción (traspaso mediante archivos de candidates)
• Los domingos corre por separado una síntesis semanal y un lint de consistencia de la wiki

Tamaño actual (2026-07-26)

• 107 páginas de wiki / 371 enlaces cruzados: la home es ese grafo de enlaces. Todos los nodos son enlaces a páginas reales y, al pasar el mouse sobre un nodo, se resaltan solo los elementos citados por esa página
• 51 entradas en la línea de tiempo de lanzamientos de modelos (distinguiendo estado de lanzamiento/anuncio)
• 10 semanas de síntesis semanal, 56 briefs diarios
• 72 días de operación sin intervención desde el inicio el 2026-05-16

Algunas cosas que aprendí al construirlo

• Al hacer polling de fuentes mediante búsqueda, la detección se retrasaba una mediana de +6 días. Tras cambiar a polling directo por RSS e incluir laboratorios chinos en la rotación, bajó a +1–4 días (antes hubo casos detectados con +27–46 días de atraso)
• Había 5 feeds que devolvían HTTP 200 pero en realidad estaban muertos (stubs detenidos en 2018, soft-404, etc.). Si no se miden juntos la cantidad de ítems y la fecha más reciente, no se puede distinguir entre una “fuente muerta” y una “semana tranquila”
• Los logs operativos del pipeline (badges de demora de detección, puntajes de ranking, lista de dedup) estaban expuestos tal cual en la pantalla para lectores. Separé los registros para operadores de la superficie para lectores
• Cambié la tabla de especificaciones de modelos para que, cuando no haya un valor, no elimine la fila sino que deje unknown. Una fila faltante no se ve, pero unknown se puede contar, así que el lint semanal da seguimiento a la cobertura

También hay suscripción por RSS y email (doble opt-in). Los comentarios son bienvenidos, especialmente sobre “qué otra información les gustaría ver”.