CÓDIGO ABIERTO POR Enric

Construimos las Herramientas que Deseábamos que Existieran

Enric es un estudio de ingeniería detrás de tres proyectos de código abierto — un orquestador autónomo de codificación, un pipeline de reconocimiento de navegador a API, y un framework de generación de código con modelos pequeños. Ningún producto que comprar. No se requiere inicio de sesión. Solo las herramientas, en GitHub.

Explora los ProyectosVer en GitHub

Construido y mantenido en abierto — cada garantía de abajo se aplica en código que puedes leer.

Proyectos de Código Abierto
3
Dependencia de Proveedor
0
Código Fuente Auditable
100%
Mantenido Activamente

Leerie

El controlador autónomo de tareas para Claude Code

  • La confianza anclada en evidencia es la única puerta obligatoria antes de que el código de un trabajador cuente como terminado
  • Los worktrees de git aislados evitan que las subtareas paralelas choquen alguna vez
  • Reanudable por diseño — un reinicio, un límite de tasa o un Ctrl-C no pierden nada
PythonMIT License
Leerie →Ver en GitHub
Mantenido Activamente

Barnacle

Convierte el reconocimiento de navegador en una integración de API determinista

  • Reconoce una vez, reproduce para siempre: ruta crítica HTTP directa con respaldo automático de navegador
  • Esquemas Zod, límites de tasa y encabezados generados directamente a partir del tráfico capturado
  • Una prueba de humo nocturna detecta la deriva del contrato antes de que llegue a producción
TypeScriptMIT License
Barnacle →Ver en GitHub
Próximamente

Beacon

Modelos pequeños, código de nivel senior — anclado en cómo leen los programadores

  • Indexación consciente del AST con análisis de dependencias y grafo de llamadas
  • Cuatro modos cognitivos — reconocer, comprender, diseñar, explorar
  • El informe de riesgo revela viscosidad, dependencias ocultas y concentración de bus-factor
Beacon →
Mantenido Activamente

Cómo Funciona Leerie

El modelo escribe código. El programa ejecuta todo lo demás.

Leerie clasifica una tarea, la descompone en subtareas del tamaño adecuado y entrega cada una a un trabajador aislado en su propio git worktree. La salida de cada trabajador se valida con esquema JSON y se autoevalúa según una confianza anclada en evidencia antes de que el orquestador — Python ordinario, no otro modelo — decida que la ejecución está terminada.

  1. 1

    Programa, no agente

    Las fases, la planificación por oleadas, los reintentos y la lógica de fusión son Python ordinario — bucles y condicionales reales que no pueden desviarse, decidiendo cuándo el trabajo está terminado en lugar de dejar que un modelo lo declare.

  2. 2

    Sin fallos silenciosos

    La salida de cada trabajador se valida con esquema JSON antes de que el orquestador actúe sobre ella — una salida malformada o una alucinación confiada no puede empujar al sistema a un estado indefinido.

  3. 3

    La confianza es la única puerta obligatoria

    Cada implementador supera puertas de evidencia específicas del dominio — citas de archivo y línea, reproducciones, intentos de falsación — antes de que se confíe en una puntuación de confianza de 9 o superior.

  • ✓La confianza anclada en evidencia es la única puerta obligatoria antes de que el código de un trabajador cuente como terminado
  • ✓Los worktrees de git aislados evitan que las subtareas paralelas choquen alguna vez
  • ✓Reanudable por diseño — un reinicio, un límite de tasa o un Ctrl-C no pierden nada
Ver en GitHub
Reconoce una vez. Reproduce para siempre.

Cómo Funciona Barnacle

Un navegador real impulsado por Stagehand recorre una vez el flujo de usuario que describas, interceptando cada llamada a la API que dispara. Esas capturas se reproducen con HTTP simple para comprobar cuáles llamadas sobreviven sin navegador — las que sobreviven se convierten en constantes confirmadas que tu tráfico de producción usa directamente.

1
Reconocimiento con navegador, una sola vez
Un navegador real recorre el flujo de usuario que describas mientras un listener a nivel de sesión intercepta cada llamada a la API que dispara, antes de que termine el reconocimiento.
2
La reproducción HTTP comprueba el contrato
Las llamadas capturadas se reproducen con fetch simple — sin navegador, sin IA — para comprobar qué endpoints funcionan de forma independiente antes de que algo llegue a producción.
3
Respaldo, no fallo
Si la ruta HTTP directa alguna vez falla, la sesión de navegador se reactiva automáticamente mientras una prueba de humo nocturna señala la deriva para un PR pequeño y específico.
1Reconocimiento con navegador, una sola vez

Un navegador real recorre el flujo de usuario que describas mientras un listener a nivel de sesión intercepta cada llamada a la API que dispara, antes de que termine el reconocimiento.

2La reproducción HTTP comprueba el contrato

Las llamadas capturadas se reproducen con fetch simple — sin navegador, sin IA — para comprobar qué endpoints funcionan de forma independiente antes de que algo llegue a producción.

3Respaldo, no fallo

Si la ruta HTTP directa alguna vez falla, la sesión de navegador se reactiva automáticamente mientras una prueba de humo nocturna señala la deriva para un PR pequeño y específico.

Ver en GitHub
Próximamente

Cómo Funciona Beacon

Un ciclo cognitivo, no un modelo más grande.

Beacon indexa una base de código en un AST con análisis de dependencias y grafo de llamadas, luego recorre una tarea a través de cuatro modos cognitivos modelados en cómo los programadores expertos realmente construyen comprensión de código desconocido — produciendo un diff revisable sin requerir un modelo de escala frontera.

Reconocer, comprender, diseñar, explorar

Beacon recorre cuatro modos cognitivos — reconocer, comprender, diseñar, explorar — modelados en cómo los programadores expertos realmente construyen comprensión de código desconocido.

Autocalibración metacognitiva

Una capa metacognitiva rastrea el sesgo, calibra la confianza y escala una knowledge_request cuando Beacon genuinamente carece del contexto para continuar.

Enrutamiento de nivel VERDE, evaluado por jueces

Solo los tipos de llamada que obtuvieron 91-100% de precisión factual en una auditoría de 296 llamadas evaluada por LLM como juez (julio de 2026) se enrutan a un modelo más pequeño — todo lo demás permanece en el modelo principal.

Código Abierto

Construido Diferente, Por Diseño

Tres proyectos, una filosofía: reemplazar la supervisión con evidencia.

Leerie

Lo Que Importa
El Enfoque Típico
El Enfoque de Enric
Quién decide que una tarea está terminada
El propio modelo decide — la finalización alucinada es como ocurren los fallos silenciosos
Una puerta de evidencia determinista: confianza de 9/10 o superior en causa raíz y solución, respaldada por falsadores
Seguridad del trabajo paralelo
Estado de sesión compartido — las ediciones paralelas chocan sin aislamiento
Worktrees de git aislados por subtarea; los conflictos surgen de a una oleada a la vez
Modelo de facturación
Facturación por llamada de API que escala directamente con el uso
Funciona con tu suscripción existente de Claude Code — no requiere clave de API
Quién decide que una tarea está terminada
El Enfoque TípicoEl propio modelo decide — la finalización alucinada es como ocurren los fallos silenciosos
El Enfoque de EnricUna puerta de evidencia determinista: confianza de 9/10 o superior en causa raíz y solución, respaldada por falsadores
Seguridad del trabajo paralelo
El Enfoque TípicoEstado de sesión compartido — las ediciones paralelas chocan sin aislamiento
El Enfoque de EnricWorktrees de git aislados por subtarea; los conflictos surgen de a una oleada a la vez
Modelo de facturación
El Enfoque TípicoFacturación por llamada de API que escala directamente con el uso
El Enfoque de EnricFunciona con tu suscripción existente de Claude Code — no requiere clave de API

Barnacle

Lo Que Importa
El Enfoque Típico
El Enfoque de Enric
Costo por solicitud en producción
Alto — un navegador y una llamada a LLM en cada solicitud
Bajo — un solo reconocimiento inicial, luego HTTP directo para siempre
Latencia por solicitud
5-15 segundos por solicitud cuando un navegador impulsa cada llamada
Milisegundos — HTTP simple, sin navegador en la ruta crítica
Resiliencia a cambios del sitio
Los scrapers de HTML fallan en silencio con cada rediseño de la interfaz
Reconocimiento reejecutable; una prueba de humo nocturna detecta la deriva del contrato de inmediato
Costo por solicitud en producción
El Enfoque TípicoAlto — un navegador y una llamada a LLM en cada solicitud
El Enfoque de EnricBajo — un solo reconocimiento inicial, luego HTTP directo para siempre
Latencia por solicitud
El Enfoque Típico5-15 segundos por solicitud cuando un navegador impulsa cada llamada
El Enfoque de EnricMilisegundos — HTTP simple, sin navegador en la ruta crítica
Resiliencia a cambios del sitio
El Enfoque TípicoLos scrapers de HTML fallan en silencio con cada rediseño de la interfaz
El Enfoque de EnricReconocimiento reejecutable; una prueba de humo nocturna detecta la deriva del contrato de inmediato

Beacon

Lo Que Importa
El Enfoque Típico
El Enfoque de Enric
Tamaño de modelo requerido para calidad de código
Se asume que se necesitan modelos de escala frontera para código de nivel producción
Modelos de lenguaje pequeños, enrutados mediante una auditoría de precisión de nivel VERDE evaluada por jueces (julio de 2026)
Anclaje en la base de código
Contexto de solo prompt sin comprensión estructural del código
Indexación consciente del AST más análisis de dependencias y grafo de llamadas
Modelo de revisión
Ya sea autonomía total sin puerta de revisión, o ninguna generación de código en absoluto
Genera diffs para revisión humana — nunca escribe archivos sin supervisión
Tamaño de modelo requerido para calidad de código
El Enfoque TípicoSe asume que se necesitan modelos de escala frontera para código de nivel producción
El Enfoque de EnricModelos de lenguaje pequeños, enrutados mediante una auditoría de precisión de nivel VERDE evaluada por jueces (julio de 2026)
Anclaje en la base de código
El Enfoque TípicoContexto de solo prompt sin comprensión estructural del código
El Enfoque de EnricIndexación consciente del AST más análisis de dependencias y grafo de llamadas
Modelo de revisión
El Enfoque TípicoYa sea autonomía total sin puerta de revisión, o ninguna generación de código en absoluto
El Enfoque de EnricGenera diffs para revisión humana — nunca escribe archivos sin supervisión
3Leerie
3Barnacle
3Beacon

EL ENFOQUE DE ENRIC

Por Qué Importan Estos Tres Proyectos

Todo proyecto de Enric parte de las mismas condiciones innegociables.

  • Evidencia sobre afirmación

    Las puntuaciones de confianza están respaldadas por falsadores, citas y reproducciones — nunca por el autoinforme de un modelo.

  • Flujo de control determinista

    Bucles y condicionales reales deciden qué sucede a continuación en cada proyecto — no un modelo narrando su propio plan.

  • Construido para funcionar sin supervisión

    El estado reanudable, la ejecución aislada y el respaldo elegante significan que un reinicio, un límite de tasa o un cambio de sitio nunca pierden trabajo.

  • Código abierto, auditable

    Cada uno de estos proyectos publica su código fuente — puedes leer exactamente cómo se aplican las garantías anteriores.

PARTICIPA

Contribuye, Marca con Estrella o Simplemente Síguenos

Estos son proyectos vivos. Los issues, pull requests y preguntas son bienvenidos en cada repositorio — no se necesita cuenta ni inicio de sesión para leer el código fuente.

Leerie
Barnacle
BeaconPróximamente
Ver Todos los Repositorios
Enric — Herramientas de Desarrollo de IA de Código Abierto: Leerie, Barnacle y Beacon