Knowledge Base (1.36.16)

[Eslopes]

Cuando se pedía únicamente añadir código a un evento — sin crear ni modificar ningún control — el trabajo se planificaba como una sola tarea del agente de eventos COBOL, sin tarea de diseño de formulario. Esa rama estaba desconectada del formulario por cuatro sitios a la vez.

El agente recibía la orden de devolver su trabajo "dentro del array de operaciones", pero nunca veía el contrato que define ese bloque JSON, así que lo describía en prosa. Y aunque lo hubiera emitido bien, los tres puntos que recogen, recuperan y aplican los cambios sólo reconocían al Diseñador de Formularios.

El resultado era el peor posible: el flujo terminaba, el revisor aprobaba el manejador por sus propios méritos, y el formulario quedaba intacto sin que nada lo advirtiera.

Corregido, junto con:

- Una petición que añade un control Y programa su evento son dos tareas; antes sólo se aplicaba la primera. Ahora se combinan las operaciones de todas las tareas aprobadas.

- Una tarea aprobada que no produce ninguna operación ahora dice que el formulario no ha cambiado, en lugar de informar de un éxito sin más.

- El agente de eventos no veía la lista de eventos a los que se le pedía enlazar. Un nombre de evento incorrecto se rechaza al entrar y luego se descarta en silencio: el mismo síntoma, sin ningún aviso. Ahora la lista viaja con la tarea, recortada a los tipos en juego, igual que los procedimientos que puede llamar por nombre.

Además, el contexto de Grace llevaba las propiedades y los eventos de los 34 tipos de control en cada petición: medido sobre un formulario con un solo control, 32.758 de 34.843 caracteres, idénticos en todos los proyectos, mientras que el formulario que se estaba editando ocupaba unos mil. Ahora sólo recibe los tipos en juego.

BASE DE CONOCIMIENTO (trabajo de base, todavía sin uso)

Se ha añadido la infraestructura para que los agentes consulten lo que necesitan en lugar de recibirlo todo: un almacén vectorial (embedvec, cuantización E8, similitud coseno, persistencia Fjall) y un generador de embeddings semánticos en Rust puro sobre Candle (all-MiniLM-L6-v2). El índice del IDE vive fuera de los proyectos, en ~/PowerRustCOBOL/data, y el de cada proyecto en su propia carpeta data.

La idea es que un agente pida sólo lo que necesita — los eventos y propiedades de un control concreto, por ejemplo — en lugar de recibir el catálogo entero. Por eso cada documento tratará un único asunto.

Reindexar un documento modificado sustituye su vector en lugar de añadir otro, y un documento borrado del disco sale del índice, de modo que la búsqueda no puede devolver texto que ya no existe.

De momento nada consulta este almacén y ningún comportamiento cambia: los agentes siguen recibiendo su contexto directamente. Cuando el modelo no está presente, el sistema vuelve a la búsqueda por coincidencia de palabras y lo indica, en lugar de aparentar que entiende el significado.

Anthropic Claude Codex Agent

[Joseg]

❞ Cuando se pedía únicamente añadir código a un evento — sin crear ni modificar ningún control — el trabajo se planificaba como una sola tarea del agente de eventos COBOL, sin tarea de diseño de formulario. Esa rama estaba desconectada del formulario por cuatro sitios a la vez. El agente recibía la orden de devolver su trabajo "dentro del array de operaciones", pero nunca veía el contrato que define ese bloque JSON, así que lo describía en prosa. Y aunque lo hubiera emitido bien, los tres puntos que recogen, recuperan y aplican los cambios sólo reconocían al Diseñador de Formularios. El resultado era el peor posible: el flujo terminaba, el revisor aprobaba el manejador por sus propios méritos, y el formulario quedaba intacto sin que nada lo advirtiera. Corregido, junto con: - Una petición que añade un control Y programa su evento son dos tareas; antes sólo se aplicaba la primera. Ahora se combinan las operaciones de todas las tareas aprobadas. - Una tarea aprobada que no produce ninguna operación ahora dice que el formulario no ha cambiado, en lugar de informar de un éxito sin más. - El agente de eventos no veía la lista de eventos a los que se le pedía enlazar. Un nombre de evento incorrecto se rechaza al entrar y luego se descarta en silencio: el mismo síntoma, sin ningún aviso. Ahora la lista viaja con la tarea, recortada a los tipos en juego, igual que los procedimientos que puede llamar por nombre. Además, el contexto de Grace llevaba las propiedades y los eventos de los 34 tipos de control en cada petición: medido sobre un formulario con un solo control, 32.758 de 34.843 caracteres, idénticos en todos los proyectos, mientras que el formulario que se estaba editando ocupaba unos mil. Ahora sólo recibe los tipos en juego. BASE DE CONOCIMIENTO (trabajo de base, todavía sin uso) Se ha añadido la infraestructura para que los agentes consulten lo que necesitan en lugar de recibirlo todo: un almacén vectorial (embedvec, cuantización E8, similitud coseno, persistencia Fjall) y un generador de embeddings semánticos en Rust puro sobre Candle (all-MiniLM-L6-v2). El índice del IDE vive fuera de los proyectos, en ~/PowerRustCOBOL/data, y el de cada proyecto en su propia carpeta data. La idea es que un agente pida sólo lo que necesita — los eventos y propiedades de un control concreto, por ejemplo — en lugar de recibir el catálogo entero. Por eso cada documento tratará un único asunto. Reindexar un documento modificado sustituye su vector en lugar de añadir otro, y un documento borrado del disco sale del índice, de modo que la búsqueda no puede devolver texto que ya no existe. De momento nada consulta este almacén y ningún comportamiento cambia: los agentes siguen recibiendo su contexto directamente. Cuando el modelo no está presente, el sistema vuelve a la búsqueda por coincidencia de palabras y lo indica, en lugar de aparentar que entiende el significado. Anthropic Claude Codex Agent

¿Existe algún cronograma o plan de trabajo para la creación de aplicaciones reales (versión de producción)?

¿Hay alguna herramienta de IA gratuita compatible con PowerRustCobol?

Una forma de contribuir a este excelente proyecto sería crear ejemplos o completar los existentes utilizando únicamente la interfaz gráfica de usuario (como la que existe en PowerCobol), que es fundamental para aprender a usar los distintos objetos. Sin embargo, desconozco si el desarrollo de la interfaz de usuario es lo suficientemente estable.

Muchas gracias y que tengan una buena semana.
José

[Eslopes]

```text
¿EXISTE ALGÚN CRONOGRAMA O PLAN DE TRABAJO PARA LA CREACIÓN
DE APLICACIONES REALES —VERSIÓN DE PRODUCCIÓN—?

Sí. La planificación inicial continúa vigente: entre 3 y 6 meses
para disponer de una versión apta para producción.

La previsión actual es publicar la primera versión de producción,
la versión 1.9.0, a mediados de septiembre.

El archivo adjunto corresponde a la tercera revisión de la
planificación realizada hasta el momento.


¿HAY ALGUNA HERRAMIENTA DE IA GRATUITA COMPATIBLE
CON POWERRUSTCOBOL?

Todas son compatibles, tanto las gratuitas como las de pago.

PowerRustCOBOL puede conectarse a proveedores y servidores de
modelos de IA mediante sus respectivas API. Esto incluye servicios
en la nube y herramientas que permiten ejecutar modelos localmente.


ALTERNATIVAS A OLLAMA PARA EJECUTAR Y CONSUMIR MODELOS DE IA

El número exacto de modelos cambia diariamente, especialmente en
las plataformas que indexan repositorios de Hugging Face.

Por ello, las cifras mostradas son aproximadas y representan el
tamaño del catálogo disponible, no un conteo exacto.



+---------+----------------------+------------------+------------------+---------+
| Ranking | Proveedor ___________| Modelos de pago__| Modelos_gratuitos|_Calidad_|
+---------+----------------------+------------------+------------------+---------+
|_1_______|_Hugging_Face_Hub_____|_1.000+_________ __|_1.800.000+_______|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_2_______|_ModelScope___________|_Menos_de_100___ __|_70.000+__________|_4/5_____|
+---------+----------------------+------------------+------------------+---------+
|_3_______|_OpenRouter___________|_300+___________ __|_100+_____________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_4_______|_Ollama_Library_______|_0______________ __|_1.000+___________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_5_______|_LM_Studio_Catalog____|_0______________ __|_1.000+___________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_6_______|_Jan_AI_______________|_0______________ __|_1.000+___________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_7_______|_vLLM_________________|_0______________ __|_1.000+___________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_8_______|_llama.cpp____________|_0______________ __|_1.000+___________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+
|_9_______|_GPT4All______________|_0______________ __|_200+_____________|_4/5_____|
+---------+----------------------+------------------+------------------+---------+
|_10______|_LocalAI______________|_0______________ __|_1.000+___________|_5/5_____|
+---------+----------------------+------------------+------------------+---------+


COMENTARIOS SOBRE LOS PROVEEDORES

+----------------------+---------------------------------------------------------+
|_Proveedor____________|_Comentario_______________ _______________________________|
+----------------------+---------------------------------------------------------+
|_Hugging_Face_Hub_____| Es el mayor repositorio de modelos abiertos. Incluye____|
|______________________| familias como Llama, Qwen, DeepSeek, Gemma, Mistral,_____|
|______________________| Phi, Falcon, GLM y muchas más.___________________________|
+----------------------+---------------------------------------------------------+
| ModelScope___________| Gran ecosistema chino con numerosos modelos Qwen,_______|
|______________________| multimodales y de visión artificial._____________________|
+----------------------+---------------------------------------------------------+
| OpenRouter___________| Gateway de API que ofrece acceso a cientos de modelos___|
|______________________| comerciales y de código abierto. Incluye endpoints_______|
|______________________| gratuitos mantenidos por la comunidad.___________________|
+----------------------+---------------------------------------------------------+
| Ollama Library_______| Biblioteca seleccionada de modelos optimizados para______|
|______________________| ejecutarse localmente mediante Ollama.___________________|
+----------------------+---------------------------------------------------------+
| LM Studio Catalog____| Permite descargar modelos desde Hugging Face y ofrece___|
|______________________| una excelente interfaz gráfica de escritorio.____________|
+----------------------+---------------------------------------------------------+
| Jan AI_______________| Cliente de escritorio capaz de descargar modelos desde__|
|______________________| Hugging Face y conectarse a Ollama y a servidores________|
|______________________| compatibles con la API de OpenAI.________________________|
+----------------------+---------------------------------------------------------+
| vLLM_________________| Servidor de inferencia de alto rendimiento compatible___|
|______________________| con numerosos modelos basados en Transformers.___________|
+----------------------+---------------------------------------------------------+
| llama.cpp____________| Motor de inferencia de referencia para modelos GGUF,____|
|______________________| compatible con gran parte de los modelos locales.________|
+----------------------+---------------------------------------------------------+
| GPT4All______________| Colección orientada a modelos ligeros para equipos_______|
|______________________| personales y usuarios principiantes._____________________|
+----------------------+---------------------------------------------------------+
| LocalAI______________| Servidor local compatible con la API de OpenAI. Admite__|
|______________________| modelos GGUF, Transformers, embeddings y modelos de______|
|______________________| difusión, entre otros.___________________________________|
+----------------------+---------------------------------------------------------+


ESCALA DE CALIDAD

+--------------+---------------------------------------------------------------+
| Calificación | Descripción_______________________________________ ____________|
+--------------+---------------------------------------------------------------+
| 5/5__________| Incluye modelos recientes de Llama, Qwen, DeepSeek, Gemma,____|
|______________| Mistral, Phi y GLM, además de modelos multimodales y de________|
|______________| razonamiento._____________________________________ ____________|
+--------------+---------------------------------------------------------------+
| 4/5__________| Muy buena selección, aunque con menos modelos de última________|
|______________| generación o con actualizaciones más lentas.__________________|
+--------------+---------------------------------------------------------------+
| 3/5__________| Colecciones más pequeñas o centradas en modelos antiguos______|
|______________| o especializados.___________________________________ __________|
+--------------+---------------------------------------------------------------+


¿CUÁL ELEGIR?

+------------------------------------------+------------------------+
| Necesidad________________________________| Mejor opción___________|
+------------------------------------------+------------------------+
| Mayor ecosistema de modelos______________| Hugging Face___________|
+------------------------------------------+------------------------+
| CLI y API más sencillas__________________| Ollama_________________|
+------------------------------------------+------------------------+
| Mejor interfaz gráfica de escritorio_____| LM Studio______________|
+------------------------------------------+------------------------+
| Alternativa de código abierto a ChatGPT__| Jan AI_________________|
+------------------------------------------+------------------------+
| Máximo rendimiento de inferencia_________| vLLM___________________|
+------------------------------------------+------------------------+
| Motor de inferencia más flexible_________| llama.cpp______________|
+------------------------------------------+------------------------+
| Mejor experiencia para principiantes_____| GPT4All________________|
+------------------------------------------+------------------------+
| Servidor local compatible con OpenAI_____| LocalAI________________|
+------------------------------------------+------------------------+


Para la mayoría de los desarrolladores, la combinación de
Hugging Face con Ollama o LM Studio continúa siendo una de las
opciones más versátiles.

Hugging Face proporciona el mayor ecosistema de modelos abiertos,
mientras que Ollama y LM Studio simplifican considerablemente su
ejecución local.


CONTRIBUCIÓN MEDIANTE PROYECTOS DE EJEMPLO

Una forma de contribuir a este excelente proyecto sería crear
ejemplos o completar los existentes utilizando únicamente la
interfaz gráfica de usuario, como la disponible en PowerCOBOL.

Estos ejemplos son fundamentales para aprender a utilizar los
distintos objetos. Sin embargo, desconozco si el desarrollo de la
interfaz de usuario ya es suficientemente estable.

El entorno ya es suficientemente estable para este tipo de
contribución.

Al final del día compartiré un proyecto de pruebas como referencia,
que incluirá:

__- Botones.
__- Tipos de cursor.
__- Respuesta a eventos.
__- Uso de propiedades para modificar la apariencia visual.


Muchas gracias y que tengan una buena semana.

José
```

[Eslopes]

Además de los proveedores de modelos mencionados anteriormente, también dispone de los proveedores comerciales (de pago):

Anthropic (Claude, Fable, Mythos)
Google (Gemini)
OpenAI (GPT)
xAI (Grok)

Todos funcionan prácticamente de la misma manera: cree una cuenta, genere una API Key y configure PowerRustCOBOL utilizando esa clave. PowerRustCOBOL incluye una amplia lista de proveedores compatibles e intenta configurar automáticamente todos los parámetros necesarios a partir del proveedor seleccionado y de la API Key que haya generado.

Tenga en cuenta que, para utilizar proveedores de pago, es necesario adquirir créditos de uso. Si va a utilizar un modelo gratuito, únicamente necesitará crear una cuenta.

PowerRustCOBOL también incluye una función para evaluar la calidad de un modelo (disponible en la configuración de los Agentes Pedantes). Un Agente Pedante actúa como un auditor extremadamente exigente: nada es suficientemente bueno si no cumple el requisito de la forma más correcta posible.

El flujo de trabajo es el siguiente:

Un modelo genera el código.
El Agente Pedante revisa tanto el requisito como la implementación.
Si considera que la implementación no es satisfactoria, la rechaza y el código vuelve al agente que la generó para que la corrija.
El proceso se repite hasta obtener una implementación aceptable o alcanzar el límite configurado.

Por defecto, el límite es de tres rondas de evaluación. Cada ronda consume créditos del proveedor de IA. Por ello, si una tarea no se resuelve correctamente en la primera o la segunda ronda, le agradecería que lo reportara como un posible error, adjuntando el registro (log) generado por la IDE, ubicado en la parte inferior de la interfaz.

Este sábado realizaré una transmisión en vivo abierta para mostrar cómo funciona todo el proceso. Todos los que deseen participar serán bienvenidos.

[Eslopes]

❞ ¿Existe algún cronograma o plan de trabajo para la creación de aplicaciones reales (versión de producción)? ¿Hay alguna herramienta de IA gratuita compatible con PowerRustCobol? Una forma de contribuir a este excelente proyecto sería crear ejemplos o completar los existentes utilizando únicamente la interfaz gráfica de usuario (como la que existe en PowerCobol), que es fundamental para aprender a usar los distintos objetos. Sin embargo, desconozco si el desarrollo de la interfaz de usuario es lo suficientemente estable. Muchas gracias y que tengan una buena semana. José

| Rank | Provider             | Recommended Free Model                        | Coding | COBOL | Multilingual |       Context | Free Tier                                                                |
| ---: | -------------------- | --------------------------------------------- | :----: | :---: | :----------: | ------------: | ------------------------------------------------------------------------ |
|   1 | **Google AI Studio** | Gemini 2.5 Flash                              |  ***** | ****. |     *****    | **1M tokens** | Very generous ongoing free tier ([YingTu][1])                            |
|   2 | **Cerebras**         | Qwen3 32B / Llama 3.x                         |  ***** | ***** |     *****    |     128K–262K | **$5 free credits**; very fast inference ([Cerebras][2])                 |
|   3 | **Groq**             | Qwen3 32B / Llama 3.3 70B                     |  ***** | ***** |     *****    |          128K | Generous free developer tier with high throughput ([We The Flywheel][3]) |
|    4 | **OpenRouter**       | Qwen3, DeepSeek, Llama, Gemma (free variants) |  ***** | ***** |     *****    |    Up to 262K | 25+ free models, 50 requests/day on free plan ([OpenRouter][4])          |
|    5 | **GitHub Models**    | GPT-4.1 mini, Phi, Llama, Mistral             |  ****. | ****. |     *****    |        Varies | Good for development and prototyping ([YingTu][1])                       |
|    6 | **Hugging Face**     | Qwen3, DeepSeek, Gemma                        |  ***** | ***** |     *****    |    Up to 262K | Small monthly inference credit ($0.10 for free accounts) ([YingTu][1])   |
|    7 | **Mistral AI**       | Ministral / Mistral Small                     |  ****. | ****. |     ****.    |          128K | Limited free developer access ([YingTu][1])                              |
 
[1]: https://yingtu.ai/en/blog/free-ai-api-tiers-compared?utm_source=chatgpt.com "Free AI API Tiers Compared: What Is Actually Free in 2026? | YingTu"
[2]: https://www.cerebras.ai/pricing?utm_source=chatgpt.com "Cerebras"
[3]: https://wetheflywheel.com/en/ai-model-access/free-llm-api-tiers-2026/?utm_source=chatgpt.com "Best Free LLM API Tiers in 2026: Groq, Cerebras, GitHub Models & More"
[4]: https://openrouter.ai/pricing?utm_source=chatgpt.com "Pricing | OpenRouter"