Un harness multi-agente estandarizado para Claude Code y OpenCode: roles de Spec-Driven Development (Leader, Spec Author, Implementer, Reviewer) instalados en cualquier proyecto con un solo comando. Su proceso también se distribuye como seis skills independientes (npx skills add jordimarsal/harness).
El problema. Los agentes de código funcionan bien en lo pequeño y se descarrilan en lo grande. Los equipos necesitan un proceso repetible — specs, roles, gates — independiente del stack.
Puntos clave
7 stacks cubiertos (Java/Spring, Python, Node/TS, Rust y más) con convenciones por stack.
Instalación con un solo comando; la plantilla de convenciones incluye reglas de SonarQube/calidad de código.
Nacido del uso diario en proyectos personales — este portfolio está construido con él.
Su proceso se distribuye como seis skills independientes, instalables con npx skills add jordimarsal/harness.
Un benchmark agéntico para modelos GGUF locales: velocidad de prompt, tool-calling, generación de código y trabajo agéntico multi-paso, medidos bajo un mismo harness y con los recibos en bruto de cada llamada — 100% local, sin nube ni APIs.
El problema. Los benchmarks públicos se usan para entrenar, y “cuál es el modelo más listo” no es la pregunta que responde un equipo local. ggufbench pregunta qué GGUF ejecutar en tu propia máquina: cada modelo corre el mismo harness, cada fila del marcador declara el set de tareas que midió de verdad y las exclusiones quedan registradas con un motivo — nunca en silencio.
Puntos clave
Cuatro dimensiones bajo un mismo harness: velocidad de prompt, tool-calling, generación de código y trabajo agéntico multi-paso — tres ejecuciones por tarea (semillas 42/43/44) en el mismo equipo 2× RTX 5080, reportadas como media ± desviación.
El set de tareas actual: 18 tareas de herramientas, 72 de código y 72 de agente — versionado (v1 → v5) para que cada fila del marcador declare el set que midió de verdad; un único presupuesto de razonamiento de 32768 tokens y los modos de thinking medidos por separado.
100% local — sin nube, sin APIs, sin telemetría — y con recibos: cada llamada deja timings, llamadas a herramientas y trazas por tarea para un marcador en vivo, y 13 modelos retirados se quedan solo como registro.
0.85mejor puntuación global — minicpm-v-4.7-35b-a3b q4_k_m, thinking off
CLI que renderiza Markdown con diagramas Mermaid directamente a PDF, construida con TDD, mypy strict e integración continua.
El problema. La documentación con diagramas se pudre cuando la cadena es manual. Este CLI convierte el paso Markdown→PDF en una build de un comando y reproducible — diagramas incluidos.
Puntos clave
La calidad como característica: suite completa en TDD, tipado mypy strict e integración continua en cada push.
Servidor MCP (Model Context Protocol) que hace transparentes los colores de un PNG (canal alfa) con modos rgb/auto/greenscreen.
El problema. Los agentes necesitan cada vez más operaciones reales con ficheros; MCP es el protocolo, y las herramientas pequeñas y enfocadas son la mejor manera de aprenderlo de verdad.
Puntos clave
Implementa MCP sobre stdio en Python 3.13+.
Tres modos de transparencia: coincidencia rgb exacta, detección automática del color dominante, greenscreen.
