This guy literally explains how to build an algorithmic trading hedge fund from scratch in under 6 minutes. This is crazy:

@BrianSeong99 La ejecución off-chain, prueba on-chain y settlement flexible están marcando la pauta. Este modelo en capas —Execution, Trust, Bridge, Settlement— no es solo técnico, es filosófico.

El futuro de Blockchain escalable es modular, verificable y adaptable. Comenté este gran post de @BrianSeong99 en LinkedIn → https://t.co/R9cRSZKMKY Desde ZK-VMs hasta AggLayers, el stack emergente redefine cómo pensamos Blockchain. #Blockchain #ZKProofs #Scalability 🧵👇

¡Acabo de lanzar mi primer agente de IA usando smolagents de HuggingFace! 🤖✨ smolagents simplifica enormemente la creación de agentes autónomos que pueden pensar → ejecutar código → observar. Pruébalo aquí: https://t.co/I5NzOCZuUr #AI #HuggingFace #smolagents #AIAgents

Y como cereza en el pastel… El LLM (llama-3.3-70b-versatile) empezó a lanzar errores por exceso de tokens. ¿La causa? Mensajes duplicados en el grafo que inflaban el prompt hasta reventar el límite gratuito de tokens. #LLM Moraleja: limpiar bien el contexto no es opcional.

#LangGraph #AIAgents #Chainlit #Langchain #PromptEngineering

¿Te ha pasado algo similar integrando agentes con WhatsApp o Telegram? Estoy seguro que no soy el único que ha peleado con ainvoke() y memoria contaminada 😅 Los leo 👇

Y sobre todo: 👉 Si todo te funciona en Chainlit pero en WhatsApp no… el problema no es el grafo. Es la gestión del estado en un canal asincrónico.

💡 Lecciones aprendidas: ainvoke() = más rápido pero requiere limpieza manual. WhatsApp es asíncrono, Chainlit no. Eso importa. Deduplicar historial y limpiar base es CLAVE. Validar bien el webhook: un solo disparo por evento.

Después de todo eso: ¡todo fluyó! Respuestas limpias, sin duplicados, coherencia total. El agente volvió a estar “en sus cinco sentidos” 😄

De paso, también arreglamos un detalle con el número de teléfono: WhatsApp agregaba un “+52 1” que en realidad no debíamos usar. Ese prefijo puede hacer que no lleguen bien los mensajes si no se maneja con cuidado.

La solución fue doble: 1️⃣ Antes de invocar el grafo, elimine los mensajes duplicados. 2️⃣ Se borro de la base SQLite los mensajes antiguos que ya se habían procesado. Una limpieza simple, pero que hizo toda la diferencia.

Con ainvoke(), si no limpias bien el estado o el historial entre llamadas, puedes acumular mensajes viejos, o peor: duplicar entradas. En WhatsApp, eso se traduce en respuestas raras, desincronizadas o hasta nulas.

Y ahí encontré la clave: En WhatsApp use graph.ainvoke() Mientras que en Chainlit use graph.astream() Esa diferencia, aunque sutil, es crítica. 🧠 ainvoke() ejecuta TODO de una sola vez. ⚠️ En entornos asíncronos eso puede ser un problema.

Primero, el síntoma: El agente respondía varias veces lo mismo. A veces con: “Hola” “Hola” “Hola soy Edgar” “Hola soy Edgar” Todo parecía funcionar, pero el output estaba sucio. Así que empece a mirar el contexto.

🧵 Hoy quiero contarles cómo resolví un bug raro en un AI Agent conectado a WhatsApp usando LangGraph. Todo funcionaba perfecto en Chainlit, pero en WhatsApp… caos. Mensajes duplicados, respuestas incoherentes. Hasta que encontramos la causa. 👇

El reconocimiento oficial de criptoactivos por parte de EE.UU. es un hito clave. Bitcoin y Ethereum eran esperados, pero la inclusión de SOL, XRP y ADA es interesante. ¿Un paso hacia la adopción masiva o solo estrategia geopolítica?

🔥Mi basename en Base: eherrador.base.eth 💳 Smart wallet en segundos 🔑 Passkey con Face ID ⚡️ Interacción sin fricción con blockchain Lo hice porque estoy construyendo un AI Agent con la Coinbase Dev Platform para Base🚀 ¿AI + Blockchain el futuro? #AI #Blockchain #AIAgent

I’m happy to share that I’ve obtained a new certification: AI Agents Fundamentals from @huggingface! https://t.co/df2W8LqELX

Excited to be taking @LangChainAI Academy’s first course: Introduction to LangGraph! 🚀 Check it out: https://t.co/sHFdsJPLKg https://t.co/HSvGbiPO1k