GitHub Weekly Hot 130: cinco propuestas destacadas de código abierto, desde diagramas de arquitectura fiables hasta un estudio de voz local

El recorrido semanal de descubrimiento en GitHub llega a su edición 130, y el canal IT Coffee presenta cinco destacados que ganaron una oleada de estrellas en los últimos siete días. No se trata de un concurso de popularidad al azar; cada selección responde a un dolor concreto — diagramas poco fiables, una abundancia satelital ilegible, la fatiga del aula de una sola voz, la brecha entre artículo y código, y la factura de privacidad de la voz. Los cinco se publican como código abierto con una postura de «trae tu propia clave» o completamente local, reduciendo el costo de prueba desde abrir una cuenta hasta ejecutar un comando, y esa postura compartida es la verdadera línea editorial de la semana.

Diagramas de arquitectura fiables: por qué Mermaid no basta

Los aplausos más fuertes van para OpenDiagram (pdl-clay/OpenDiagram), cuya promesa es directa: describe el sistema en lenguaje natural y obtén un diagrama de arquitectura editable en un lienzo de Excalidraw. El problema es conocido; la mayoría de los generadores emiten sintaxis Mermaid y dejan las coordenadas al modelo, así que las cajas se superponen, las flechas se enredan y el resultado nunca parece dibujado por un ingeniero senior (Mermaid — un marcado ligero que convierte texto en diagramas, igual que Markdown convierte texto en formato). OpenDiagram divide el trabajo; el modelo de lenguaje grande decide qué dibujar emitiendo un DiagramSpec tipado, mientras que un motor de diseño (ELK — Eclipse Layout Kernel, un motor de disposición de grafos) y un renderizador temático deciden cómo se ve. El resultado son tarjetas deterministas con iconos reales de AWS, GCP y Kubernetes, agrupación por clústeres y flechas ortogonales etiquetadas con protocolos — entregadas como un tablero real de Excalidraw que puedes arrastrar, restilizar, anotar y extender sin borrar el trabajo anterior.

El flujo se llama vibe diagramming (describir, ver, refinar en conversación — el equivalente del vibe coding para diagramas) y funciona en cinco pasos: 1) Escribes la solicitud y el agente hace una pregunta aclaratoria si es necesario; 2) El modelo emite la especificación tipada y no elige ningún píxel; 3) El motor de diseño calcula la colocación con enrutamiento ortogonal y tipografía consistente; 4) El renderizador pinta con un tema Sketch (dibujado a mano) o Classic (arquitectónico nítido); 5) Refinas en lenguaje natural — «añade una caché Redis entre la pasarela y el servicio de producto» actualiza el diagrama en el lugar. Los ejemplos de prompts abarcan una pila web AWS de tres niveles, un service mesh de Kubernetes, un flujo de eventos serverless y un pipeline Kafka-Spark-Snowflake. La memoria persiste; el contexto del proyecto y las decisiones sobreviven entre sesiones, así que la próxima semana puedes preguntar «¿por qué elegimos Kafka?» y obtener una respuesta real.

Dos enfoques afines orbitan el mismo problema. excalidraw-architect-mcp (BV-Venky, 128 estrellas) funciona como un servidor MCP (Model Context Protocol — un puente estándar para que los agentes llamen a herramientas) dentro de Cursor, Claude Code y Windsurf, completamente sin conexión; la IA describe componentes y enlaces, el motor se encarga de las matemáticas con un algoritmo de capas de Sugiyama (un método que estratifica los nodos y minimiza cruces), más de 50 tecnologías se autoestilizan, y el grafo de conocimiento vive versionado en .claude/architecture.md — los diagramas son vistas, no la fuente. DiagramAgent (outbackops) se centra en código D2; un diseño de tres paneles empareja chat, un editor Monaco y una vista previa en vivo, el modelo hace preguntas aclaratorias mediante píldoras, y Vision Refinement permite que GPT-4o puntúe la imagen renderizada sobre 10 e itere hasta tres veces. Puestos lado a lado, OpenDiagram es la opción completa autoalojable; el MCP favorece el modo sin conexión centrado en la privacidad; D2 favorece los contenedores codificados por colores y el flujo horizontal en un entorno Azure. Elige según dónde trabaja realmente tu equipo.

Datos desde el cielo: observación de la Tierra en tiempo real

La segunda parada mira hacia arriba. Las constelaciones de satélites generan petabytes, pero los fotogramas crudos son ilegibles sin síntesis; proyectos abiertos como God's Eye View y World Monitor cierran esa brecha. El primero vende la idea de comandar una red de inteligencia espacial desde el navegador, el segundo es un panel global de inteligencia en vivo para analistas de OSINT (inteligencia de fuentes abiertas — dar sentido a partir de datos públicos) que fusiona más de 65 fuentes en un mapa de situación legible. El video los empareja para hacer un punto; la escasez no es de satélites sino de componibilidad. Cuando los flujos de Sentinel y Landsat, la calidad del aire, el tráfico marítimo y las señales de desastres se superponen en un mundo con zoom, una decisión de campo encaja en su contexto en minutos.

Desglosemos la pila de observación de la Tierra en tres capas: 1) Ingesta — los endpoints abiertos de satélites y sensores se consultan periódicamente y se normalizan en teselas y proyecciones; 2) Fusión — la alineación geotemporal lleva los eventos a una misma cuadrícula; 3) Presentación — un panel por capas con control de tiempo y flujo de alertas cuenta la historia. La misma lección que en los diagramas se mantiene; el modelo decide qué importa, el código decide cómo aparece, así que el mapa sigue siendo bonito y legible. Una nota pequeña: el tablero en vivo está ligado a una suscripción; la versión abierta permite traer tu propia clave y autoalojar la misma arquitectura, lo cual importa cuando los datos de campo no deben salir de las instalaciones.

Nuevos invitados en clase: aprendizaje multiagente

En el frente educativo, OpenMAIC (THU-MAIC/OpenMAIC, más de 18 000 estrellas, más de 3 500 forks, AGPL-3.0) sube al escenario. Convierte cualquier tema o documento en una clase completa en minutos — diapositivas, cuestionarios, simulaciones interactivas y escenas de proyecto impartidas por un equipo multiagente que puede hablar, dibujar en una pizarra y debatir contigo. LangGraph (una orquestación de máquina de estados que gobierna quién habla y cuándo) coordina más de 28 acciones — habla, dibujo en pizarra, forma, gráfico, foco, láser — el motor de reproducción dirige la lección y el motor de acciones ejecuta la interacción. La salida es portable; exportación a .pptx editable o .html interactivo, y mediante OpenClaw puedes lanzar una clase desde Feishu, Slack o Telegram con un solo comando.

La configuración es ligera: 1) Escribe el tema o adjunta material y obtén un esquema; 2) Rellena el contenido de las escenas — diapositivas, preguntas, simulaciones; 3) Asigna los roles de los agentes — preguntador socrático, experto en la materia, compañero de apoyo, pensador crítico; 4) Deja que la clase se desarrolle con turnos de palabra o debate; 5) Exporta. La ventaja sobre la tutoría de un solo agente es la diversidad pedagógica; escuchar la misma idea desde roles distintos detecta errores temprano y empuja hacia el razonamiento en lugar de la memorización. La barrera de hardware es modesta; Node 20 y pnpm 10 lo ejecutan localmente, y la cobertura de modelos es amplia — OpenAI, Anthropic, Gemini, DeepSeek, Qwen, Kimi, MiniMax, Grok, OpenRouter e incluso Ollama (ejecutor local) — para que un campus pueda mantener el aula en sus instalaciones.

Una habilidad que acelera la investigación: encontrar el código correcto en GitHub

La cuarta pieza apunta a los investigadores con una habilidad (un paquete de capacidades conectado a Claude Code, como un plugin): github-research dentro de agent-research-skills. El dolor es conocido; un artículo describe un método, pero encontrar qué repositorio lo implementa realmente toma semanas. La habilidad lee la salida del deep-research — paper_db.jsonl, informes de fase, referencias de código — y ejecuta un pipeline de seis fases: 1) Intake — extraer referencias y palabras clave, 2) Discovery — búsqueda multifuente de 50 a 200 repositorios, 3) Filtering — puntuar y conservar los 15-30 mejores, 4) Deep Dive — clonar superficialmente y leer archivos clave, 5) Analysis — informe por repositorio y matriz comparativa, 6) Blueprint — guía de integración para reutilización. Las herramientas cubren búsqueda con gh api, búsqueda de código, mapeo de Papers With Code, extracción de dependencias y descubrimiento de implementaciones; las salidas se reúnen bajo github-research-output/. La propuesta es simple: tender un puente sistemático del artículo al código, no a mano.

La voz ya no se alquila: un estudio completamente local

El cierre pertenece a VoiceStudio (debpalash/VoiceStudio, más de 9 700 estrellas, 646 idiomas, 14 motores TTS y 11 motores ASR), que declara su postura con claridad: tu voz es tu dato más personal, ¿por qué alquilarla a una nube? Como alternativa abierta a ElevenLabs ofrece clonación zero-shot desde un clip de 3 segundos, diseño de voz por género-edad-acento-tono-emoción, doblaje de video (transcribir, traducir, re-voz, escribir MP4), audiolibros (EPUB/PDF a .m4b multivoz), un widget de dictado (Cmd+Shift+Espacio en todas partes), aislamiento vocal con Demucs, diarización Pyannote + WhisperX, cola por lotes, marca de agua AudioSeal y una suite de diagnóstico. La arquitectura es local: una carcasa de escritorio Tauri v2, interfaz React y localhost:3900 sobre HTTP/SSE/WebSocket con endpoints de audio compatibles con OpenAI — los datos permanecen en el dispositivo por defecto, cada salto de red pide consentimiento explícito.

La configuración y los límites están escritos con honestidad: macOS 13.3+ Apple Silicon, Windows 10/11, Ubuntu 24.04, 8 GB de RAM como mínimo y 10 GB libres; GPU opcional — CUDA, MPS, ROCm (Linux) o CPU, con respaldo automático a CPU cuando la VRAM es menor de 8 GB. Los Mac Intel no pueden ejecutar el backend local y deben apuntar a uno remoto. La tabla de costos es instructiva; ElevenLabs cobra de 5 a 330 dólares al mes por personaje, mientras que VoiceStudio es gratuito como software sin medidor — pagas en hardware y mantenimiento. La fortaleza es la privacidad y la personalización, el eslabón débil es la tarea de descargar modelos y una aspereza ocasional de beta. Aun así, la lección cala; llevar el flujo de voz de la nube al banco de trabajo hace que un estudio capaz sea portable en una sola carpeta.