Open by default
Documentamos decisiones, aprendizajes y trade-offs para que otros puedan reutilizar el camino, no solo ver el resultado.
Un laboratorio donde convertimos ideas en productos reales: agentic AI, herramientas de IA, infra developer-first, apps educativas y experimentos open source en GitHub para que cualquier persona pueda aprender, contribuir o lanzar algo encima.
Ideas compartidas desde el día cero
Prototipos con código real
Repos públicos y trazabilidad
Documentamos decisiones, aprendizajes y trade-offs para que otros puedan reutilizar el camino, no solo ver el resultado.
Creamos agentes, RAGs y automatizaciones que resuelven trabajo operativo, no demos vacíos para vender humo.
Diseño, arquitectura, DX, QA y observabilidad importan desde el prototipo para que un experimento pueda crecer.
La puerta está abierta para builders, designers, founders, estudiantes y equipos que quieran aprender construyendo. Nuestro foco fuerte: agentic AI aplicado, software confiable y producto real.
Agentes útiles para trabajo real: investigación, soporte, operaciones, automatización y educación.
Herramientas para crear, validar, desplegar y observar software con menos fricción.
Experimentos educativos que mezclan narrativa, práctica guiada y feedback inmediato.
Pequeños productos para resolver problemas cotidianos de comunidades, negocios y equipos locales.
Estos repos son parte del GitHub público de Wasyra: prototipos, agentes, sistemas RAG, design systems y herramientas donde experimentamos con agentic AI y software productivo.
github.com/wasyra
Agente experimental para flujos de reservas, coordinación operativa y automatización conversacional.
github.com/wasyra
Design system atómico para React: Tailwind v4, Radix, Motion, tokens OKLCH y catálogo MCP-friendly.
github.com/wasyra
Experimento de agente para WhatsApp y operaciones de negocio con flujos conversacionales automatizados.
github.com/wasyra
Laboratorio de RAG agéntico para búsqueda, razonamiento y sistemas de conocimiento con LLMs.
github.com/WasyraTech
Sala editorial multiagente con CrewAI: investigación Tavily, borrador y edición de posts LinkedIn en pipeline secuencial.
github.com/WasyraTech
Mismo caso editorial con LangGraph: estado tipado, grafo explícito y bucle editor↔redactor hasta aprobar.
Definimos problema, usuario, alcance mínimo y por qué vale la pena construirlo en abierto.
Diseño, arquitectura y primer build funcional con decisiones registradas y deuda visible.
Demos, feedback, issues, contribuciones y siguiente versión basada en uso real.
Trae el problema. Nosotros ponemos agentic AI, diseño, arquitectura, producto y una forma clara de construirlo en público.