Un modelo de lenguaje se equivoca de formas que nadie puede prever, así que lo que mantiene a raya a un agente no es el prompt. Las reglas: cada agente trabaja en su propia copia de Git (un worktree), los secretos se borran de su salida antes de guardar nada, un segundo modelo revisa cada pull request y nada de lo que escribe un agente se fusiona sin que yo lo haya leído.
Despacho de tareas, recuperación de conocimiento vía FastMCP, ejecución aislada en worktrees y revisión adversarial.
Generado en el build desde src/diagrams/harness.architecture.json
Ninguna depende de que el modelo se porte bien: cada una es un cerrojo, un filtro, un límite o una revisión.
Worktrees efímeros sobre el pool de objetos .git/objects. Semáforos flock a nivel de kernel previenen colisiones de ramas y condiciones de carrera entre agentes concurrentes.
Filtro en tiempo real que purga stdout/stderr antes de persistir transcripciones. Cero secretos en texto plano: descifrado Age/SOPS inyectado estrictamente en memoria.
Disyuntor dinámico de bucles en AST para frenar recursiones. Puerta HITL criptográfica sincrónica para comandos destructivos y límite estricto de ~300 LOC ejecutables.
Familia de modelos independiente auditando cada diff para eliminar condescendencia. Prohibición estricta de auto-merge: todo cambio se fusiona bajo supervisión humana.
Los agentes en producción, los protocolos que usan, los enrutadores de eventos y los sumideros de telemetría que funcionan en el clúster. La mayoría opera dentro de la malla — lo que ves aquí es el inventario real y los contratos de acceso.
13 entradas · 5 que puedes abrir desde aquí
Neural Hive · síntesis de memoria y ADR
Clasificador reactivo de anomalías sobre LogQL
Atestación y promoción de releases automatizadas
RFC formales, modelos de amenaza y puertas de archivado
dotf pr triage-queue y pruebas de mutación
Lecciones en vuelo y ADR registrados en tiempo real
Cifrado Age/SOPS e inyección en memoria
Webhook de Alertmanager → corte de logs → Slack
Copia proactiva y rotación de credenciales
Corrección de deriva en la topología de spokes K8s
Telemetría del clúster y trazas con LogQL
Motor de SLO multi-burn-rate en vivo
Código de la infraestructura L0
Migrado de mlorentedev/kubelab · 6cd9ab0
Cuatro extractos, cada uno citado palabra por palabra de un fichero público y enlazado a la versión de la que se tomó.
Las reglas de trabajo que el arnés de dotfiles compila en las instrucciones de cada agente: sin atribución a la IA, sin fusión automática, y todo cambio de entorno escrito como código y comprobado idempotente.
- **No AI attribution** in git history or GitHub messages (commits, PRs, issues). - No `Co-Authored-By` trailers referencing AI agents. - No bot-style emojis or "Generated with" footers. - All artifacts must appear human-authored. […] - **Auto-merge is forbidden in every repository.** Never run `gh pr merge --auto`, never enable "Auto-merge" in the GitHub UI, and keep the repo setting `allow_auto_merge=false`. Auto-merge lands a PR the instant CI goes green — bypassing the human review gate in §1. […] - **Zero manual operations:** Never perform ad-hoc manual changes on remote systems, servers, or cloud environments. - **Strict IaC & Idempotence:** Every configuration or environment change MUST be codified as reproducible IaC (Ansible, Terraform, K8s manifests, dotfiles) and verified idempotent (`changed=0` on re-run).
Una lista ordenada de los modelos que pueden revisar. Ninguno es de Anthropic, porque Claude escribe casi todos los cambios: quien revisa no puede ser quien implementa.
"Standing rule: an adversarial review never runs on an Anthropic model. The",
"reviewer must not be the implementer, and Claude implements nearly every",
"change in this repo — BUG-074 was reviewed twice by claude-opus-5 before",
"anyone noticed, which is the incident this file exists to prevent.",
[…]
"pool": [
{
"id": "nan/deepseek-v4-flash",
"runner": "pi",
"provider": "nan",
"model": "deepseek-v4-flash",
"role": "primary",
[…]
{
"id": "agy/gemini-3.1-pro-high",
"runner": "agy",
"model": "gemini-3.1-pro-high",
"role": "fallback",La puerta que decide si un cambio fue revisado. No pregunta quién lo revisó, y distingue el aviso de un revisor que no pudo revisar de una revisión.
"The gate asks ONE question: did a review actually happen? It never asks who",
"performed it or how good it was. A human review attests exactly as well as a",
"bot's.",
[…]
{
"login": "coderabbitai",
"declined_markers": [
"rate limited by coderabbit.ai"
],
"review_markers": [
"No actionable comments were generated in the recent review"
],Cada repositorio de producto construye una imagen inmutable etiquetada con su sha y avisa a kubelab con un repository_dispatch; kubelab la promociona. Sondear el registro se valoró y se descartó.
# ADR-053: Platform↔Product Repository Structure & Deployment Topology […] 2. **Image promotion is push, event-driven — never polling.** - Each product's CI publishes an immutable `sha-<short>` image, then fires a **`repository_dispatch`** to kubelab, whose workflow runs `toolkit deployment promote` (ADR-046). - **Rejected — registry polling** (Argo CD Image Updater *or* an n8n registry poller). It reintroduces exactly what ADR-046 descoped (#692): a pull loop and non-git-honest state; for n8n it would also put a non-critical service on the delivery path (n8n down → no deploys). We control the image producers, so push is strictly better than pull.
Qué se rompe cuando los LLMs tocan infraestructura real y las fronteras Unix necesarias para contenerlos: aislamiento de worktree, locks en el kernel y colas de triaje mecánico.