TheNote
Comunidad de Desarrolladores R... Nota
GooglePlay AppStore

Comunidad de Desarrolladores RSS

Dev.to es un sitio web impulsado por la comunidad centrado en el desarrollo de software, la programación y la tecnología. Fue lanzado en 2016 por Ben Halpern, y su principal objetivo es brindar una plataforma para que los desarrolladores compartan conocimientos, aprendan de otros y construyan una comunidad. El sitio web cuenta con un formato de blog, donde los usuarios pueden crear y compartir artículos sobre diversos temas, incluyendo tutoriales de codificación, exhibiciones de proyectos, perspectivas de la industria y más. Dev.to permite a los usuarios crear cuentas, seguir a otros usuarios y interactuar con su contenido a través de comentarios y reacciones. Dev.to tiene un fuerte enfoque en la participación de la comunidad, con características como foros de discusión, podcasts y transmisiones en vivo. También alberga una serie de proyectos comunitarios, como desafíos de codificación y hackathons, para fomentar la colaboración y la innovación. Además del contenido generado por los usuarios, Dev.to cuenta con un tablón de anuncios laborales, donde las empresas pueden publicar ofertas de empleo y los desarrolladores pueden buscar oportunidades laborales. El sitio web también ofrece un boletín informativo, que ofrece actualizaciones sobre los últimos artículos, noticias y eventos. En general, Dev.to ha surgido como una plataforma popular para que los desarrolladores se conecten, compartan conocimientos y se mantengan al día con las últimas tendencias y tecnologías en la industria del desarrollo de software.
DEV Community dev.to
RSS dev.to
RSS Hunter RSS Hunter • 22 ago 2024

Hilo de notas

Agentes impulsados por MCP: Conectando Gaia a herramientas ACI

Esta guía detalla la creación de un agente de IA que interactúa con GitHub, utilizando Gaia para la inferencia de modelos de lenguaje grandes (LLM) y ACI.dev para la ejecución segura. El agente recibe solicitudes del usuario, como marcar un repositorio, y el LLM propone una llamada a una herramienta. ACI.dev luego ejecuta la llamada a la herramienta utilizando la cuenta de GitHub vinculada del usuario, garantizando acciones seguras y auditables. Los requisitos previos incluyen Python 3.10+, cuentas de Gaia y ACI.dev, y una aplicación de GitHub configurada. Un ejemplo mínimo muestra cómo obtener un esquema de función de ACI, usarlo en el prompt del LLM y ejecutar la llamada a la herramienta resultante a través del SDK de ACI.dev. El sistema prioriza la seguridad al mantener las credenciales en el servidor y limitar el acceso del LLM a las herramientas definidas. El proceso es extensible; se pueden agregar funciones de ACI adicionales para ampliar las capacidades del agente. Las secciones de solución de problemas abordan problemas comunes como errores de permisos e IDs de propietario incorrectos. La arquitectura enfatiza un flujo de trabajo seguro y auditable, con la capa de ejecución manteniéndose consistente incluso cuando se integra con otros sistemas. Este patrón proporciona un marco sólido para construir agentes de IA que realizan acciones del mundo real de forma segura.
MCP-Powered Agents: Wiring Gaia to ACI Tools dev.to
CdXz5zHNQW_OFPcL5DZMX.webp
RSS Hunter RSS Hunter • 5 sept 2025

Elasticsearch: 15 años indexándolo todo, encontrando lo que importa

Elasticsearch celebró su 15º aniversario, marcando un hito significativo desde su lanzamiento en 2009. La plataforma cuenta con más de 1.450 millones de descargas e impresionantes estadísticas de GitHub, lo que refleja una adopción generalizada. Los desarrollos clave incluyen la formación del ELK Stack y su evolución hacia el Elastic Stack, junto con importantes actualizaciones de versiones que introdujeron características como seguridad, herramientas de gestión de datos y mejoras de rendimiento. Hitos significativos también incluyeron la fundación de la empresa, adquisiciones que ampliaron sus capacidades en la nube y la introducción de funciones de seguridad gratuitas. Las innovaciones recientes incluyen la introducción de la búsqueda de vectores densos, un nuevo modo especializado de índice LogsDB y la adición de la licencia AGPL. Los avances futuros se centran en la funcionalidad sin servidor, un lenguaje de consulta ES|QL simplificado y una extensa integración de IA para mejorar la búsqueda y la observabilidad. Estas iniciativas tienen como objetivo abordar los desafíos persistentes que enfrentan los usuarios, haciendo que Elasticsearch sea más fácil de usar y más potente. El futuro de Elasticsearch se centra en aprovechar la IA para mejorar la relevancia de la búsqueda, proporcionar información procesable y reforzar la seguridad. La empresa expresó su gratitud a su comunidad por sus contribuciones.
Elasticsearch: 15 years of indexing it all, finding what matters dev.to
CdXz5zHNQW_24PEpLGPJ8.webp
RSS Hunter RSS Hunter • 5 sept 2025

[AutoBE Hackathon] Chatbot de IA generando aplicaciones de backend con compiladores de IA (Premio de $6,400)

Wrtn Technologies organiza su primer hackatón de AutoBE, un evento de 64 horas del 12 al 14 de septiembre de 2025, para 70 desarrolladores backend. La inscripción está abierta del 5 al 10 de septiembre de 2025. El hackatón tiene como objetivo evaluar AutoBE, una plataforma no-code impulsada por IA que genera aplicaciones backend. Los participantes utilizarán AutoBE para construir aplicaciones y proporcionar comentarios críticos sobre la calidad y usabilidad del código generado. Se ofrece un premio total de $6,400, con $2000 para la mejor reseña y $1000 para el segundo lugar. AutoBE utiliza un proceso de cinco etapas con agentes de IA y compiladores integrados para la validación de código en tiempo real. La plataforma presume de una tasa de éxito de compilación del 100% utilizando un sistema único de "Compiler-in-the-Loop". El objetivo principal del hackatón es determinar si AutoBE genera aplicaciones que realmente satisfacen las necesidades del usuario. Futuros hackatones incorporarán tecnología RAG para reducir el uso de tokens de IA, permitiendo una participación más amplia. Este evento inicial sirve como un paso crucial en el desarrollo y refinamiento de AutoBE.
[AutoBE Hackathon] AI Chatbot generating Backend Applilcation with AI Compilers ($6,400 Prize Pool) dev.to
CdXz5zHNQW_dG8YZltOPm.webp
RSS Hunter RSS Hunter • 5 sept 2025

Las entrevistas de diseño de sistemas eran DIFÍCILES, hasta que aprendí estos conceptos

Las entrevistas de diseño de sistemas requieren una comprensión amplia de los principios de arquitectura y escalabilidad. Inicialmente abrumador, dominar los conceptos centrales simplifica el proceso. Comprender el balanceo de carga, el almacenamiento en caché y la fragmentación de bases de datos es crucial. Reconocer patrones y razonar sobre las compensaciones es clave, no memorizar soluciones. Recursos estructurados como el curso de ByteByteGo y plataformas como Codemia.io ayudan significativamente en el aprendizaje. Las entrevistas simuladas desarrollan la confianza para abordar preguntas abiertas. Se destacan veinte conceptos centrales, incluido el teorema CAP y los microservicios. Estos conceptos se interconectan para formar diseños de sistemas integrales. La estrategia de aprendizaje del autor implicó aprendizaje fundamental, ejemplos del mundo real, estudio de patrones, entrevistas simuladas y diversos métodos de aprendizaje. La práctica constante y el enfoque en estos conceptos generan confianza para las entrevistas de diseño de sistemas.
System Design Interviews were HARD, until I learned these Concepts dev.to
CdXz5zHNQW_vLGzBBL5M2.webp
RSS Hunter RSS Hunter • 5 sept 2025

Desbloqueando el poder de Node.js para una integración de bases de datos sin problemas

Node.js sobresale en el desarrollo backend debido a sus eficientes capacidades de integración de bases de datos. Su arquitectura no bloqueante y orientada a eventos maneja las consultas a la base de datos de forma asíncrona, manteniendo la capacidad de respuesta. Numerosos controladores de bases de datos y ORM simplifican la conexión a diversas bases de datos como MySQL, PostgreSQL y MongoDB. Mecanismos de caché, como Redis o Memcached, mejoran aún más el rendimiento al reducir la carga de la base de datos. Node.js es altamente escalable, especialmente adecuado para arquitecturas de microservicios con bases de datos de servicios individuales. La seguridad es primordial; las consultas parametrizadas y la validación de entradas previenen vulnerabilidades como la inyección SQL. El rico ecosistema de bibliotecas y herramientas simplifica el desarrollo. Node.js combina eficiencia, escalabilidad y un ecosistema robusto para interacciones fluidas con bases de datos. Esto lo convierte en una opción poderosa para construir aplicaciones de alto rendimiento. En última instancia, Node.js permite a los desarrolladores crear soluciones backend eficientes y escalables.
Unlocking the Power of Node.js for Seamless Database Integration dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Cultiva Mascotas de Jardín: Guía de Eclosión y Habilidades de la Mantis

Los jugadores de Roblox Grow a Garden se benefician enormemente de las mascotas, que ofrecen varios potenciadores para mejorar la jugabilidad. Mascotas como la Mantis Religiosa brindan ventajas incluso sin habilidades llamativas. La Mantis Religiosa se obtiene fácilmente eclosionando huevos comunes de la tienda del juego. Su habilidad pasiva aumenta sutilmente la velocidad de crecimiento de los cultivos cercanos, lo que resulta útil al principio del juego. Esto la hace ideal para principiantes y jugadores con presupuesto limitado. Aunque no es una mascota de primer nivel, su impulso constante mejora la eficiencia general de la agricultura. La Mantis combina bien con mascotas que aumentan el rendimiento de los cultivos o el precio de venta para maximizar las ganancias. El valor de una mascota en Grow a Garden es dinámico, cambia según la rareza, la habilidad y la demanda del mercado. Sitios web dedicados rastrean los valores de las mascotas, ayudando a los jugadores en el comercio y la optimización de la colección. En última instancia, la Mantis Religiosa es un activo valioso para los nuevos jugadores que comienzan su viaje de jardinería.
Grow a Garden Pets: Mantis Hatch & Ability Guide dev.to
CdXz5zHNQW_ayyVrkdqFI.webp
RSS Hunter RSS Hunter • 5 sept 2025

Cómo creé un paquete de diálogo de selección múltiple personalizado para Flutter

Los diálogos integrados de Flutter carecen de funciones para la selección múltiple compleja, lo que impulsó la creación de un paquete personalizado de diálogos de selección múltiple. Este paquete ofrece selección de múltiples elementos, soporte para título y subtítulo, y reutilización en diferentes proyectos. Está diseñado con una arquitectura limpia de Modelo-Vista-ViewModel (MVVM) para facilitar su mantenimiento. El paquete simplifica el proceso de creación de diálogos personalizados sofisticados en aplicaciones Flutter.
How I Built a Flutter Custom Multi-Select Dialog Package dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Mocking Endpoints with MSW in Tests with Jest and React Query

Burlarse directamente de `useQuery` en las pruebas de React Query compromete sus funcionalidades como el caché y la reactualización automática. MSW (Mock Service Worker) ofrece un enfoque superior simulando endpoints reales. En lugar de burlarse del hook, MSW intercepta las solicitudes reales (fetch/axios) y devuelve respuestas simuladas, preservando la lógica de React Query. Configurar MSW implica la instalación, la creación de manejadores para definir respuestas simuladas, la configuración de un servidor de pruebas y su integración con Jest. Un ejemplo práctico demuestra la prueba de un componente de lista de usuarios usando MSW, mostrando cómo verificar los estados de carga, error y éxito. Usar MSW proporciona beneficios como la prueba de la integración real de la API, la habilitación de la funcionalidad completa de React Query y la facilitación de un mantenimiento y reutilización más sencillos en pruebas E2E. Este enfoque garantiza pruebas más fiables y mantenibles, reflejando escenarios del mundo real. Burlarse del endpoint en lugar del hook es una buena práctica para pruebas de React Query robustas y realistas. Esto asegura que las pruebas estén más cerca de la realidad, sean más fiables y fáciles de evolucionar.
Mockando Endpoints com MSW em Testes com Jest e React Query dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Cómo crear una API Gateway con un dominio personalizado usando AWS CDK

Esta guía demuestra cómo crear un dominio personalizado para un AWS API Gateway utilizando AWS CDK. Enfatiza la importancia de los puntos de conexión de API de marca como api.suempresa.com sobre las URL predeterminadas de AWS. El proceso implica el aprovisionamiento de un certificado TLS utilizando AWS Certificate Manager. Luego se crea un API Gateway utilizando la construcción RestApi del CDK, especificando el dominio personalizado y el certificado. Se requiere una zona alojada de Route 53 y se configura un registro A para alias el API Gateway. El código CDK aprovisiona los recursos necesarios, incluido el API Gateway, el nombre de dominio, el mapeo de ruta base y el registro de Route 53. La implementación se realiza a través de `cdk diff` y `cdk deploy`. Las pruebas implican el uso de `curl` para acceder al dominio personalizado. Recuerde destruir la pila después usando `cdk destroy` para evitar costos. Los beneficios incluyen marca profesional, configuración flexible y seguridad SSL/TLS incorporada. Este método proporciona un enfoque limpio y manejable para configurar un dominio personalizado para su API Gateway.
How to build an API Gateway with a custom domain using AWS CDK dev.to
RSS Hunter RSS Hunter • 5 sept 2025

AI 编程与传统开发的系统性比较

La programación de IA representa un nuevo paradigma para el desarrollo de software, mejorando la eficiencia y la colaboración en equipo en comparación con la codificación manual tradicional. Las herramientas de IA pueden generar rápidamente marcos de proyectos y código repetitivo, acelerando significativamente el viaje desde el concepto hasta el prototipo. Se destacan en la automatización de tareas repetitivas como la creación de modelos de datos y la generación de pruebas unitarias, tareas que consumen mucho tiempo para los desarrolladores humanos. Además, el desarrollo asistido por IA puede sincronizar el código y la documentación, mitigando el problema común de la escritura técnica obsoleta. En términos de calidad del código, la programación de IA promueve la coherencia al adherirse a estándares predefinidos para la nomenclatura, el estilo y la arquitectura. Esto conduce a menos errores de bajo nivel y una mayor uniformidad en proyectos grandes. Si bien la programación tradicional depende en gran medida de los hábitos individuales de los desarrolladores, lo que requiere un esfuerzo adicional para la estandarización y revisión, la IA puede hacer cumplir estos estándares automáticamente. La IA también puede traducir rápidamente descripciones en lenguaje natural en código, proporcionando implementaciones iniciales para lógica compleja en áreas como el control de riesgos y el procesamiento de datos. Aprender nuevas tecnologías e integrar diferentes pilas tecnológicas se vuelve más manejable con IA, ya que puede generar código compatible con varios marcos y lenguajes. La programación tradicional, por el contrario, a menudo implica curvas de aprendizaje más largas y divisiones de trabajo más especializadas. Sin embargo, el código generado por IA puede introducir un desafío de "caja negra" en la depuración, lo que podría oscurecer los principios subyacentes para los desarrolladores. La programación tradicional ofrece una mayor transparencia en la depuración, lo que permite a los desarrolladores comprender mejor sus propias creaciones y crear experiencia. El advenimiento de la programación de IA cambia las revisiones de código de centrarse en la sintaxis a enfatizar la corrección de la lógica empresarial, y las indicaciones y plantillas compartidas se convierten en una nueva forma de compartir conocimientos. Los desarrolladores están haciendo cada vez más la transición a roles centrados en el diseño arquitectónico, el análisis comercial y el control de calidad. La programación de IA no es un reemplazo sino una actualización, que aumenta las capacidades humanas en lugar de sustituirlas. El enfoque más efectivo implica aprovechar la IA para tareas no críticas y repetitivas mientras se conserva la supervisión humana para la lógica central, especialmente en áreas sensibles como las transacciones financieras. En última instancia, el desarrollo de software futuro será un esfuerzo de colaboración entre la IA, que maneja la velocidad y la escala, y los humanos, que brindan dirección y juicio crítico.
AI 编程与传统开发的系统性比较 dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Calidad vs. Eficacia: Aprendiendo con IA

La IA a menudo se describe como incansable, estructurada y reactiva, similar a un loro que puede imitar el habla humana sin una verdadera comprensión. El avance de la tecnología hace que sea plausible que la IA parezca más capaz de lo que es. Existen preocupaciones sobre el riesgo de la IA en áreas sensibles como la terapia, con informes de hackers que utilizan herramientas de IA como armas. El autor adoptó un enfoque conservador hacia la IA, temiendo que obstaculizaría su aprendizaje de programación y su entrada en la carrera, un temor que resultó ser algo válido. A pesar de intentar utilizar un LLM como mentor sustituto, el autor encontró que no podía reemplazar la tutoría humana genuina. Los avances tecnológicos, particularmente en la IA, desafían nuestra comprensión de la resolución de problemas y el pensamiento profundo. Mientras que los ordenadores avanzaron gradualmente, la escalabilidad computacional de la IA ha tenido un impacto mucho mayor y más profundo. Este impacto se compara con la revolución de la computadora, con la influencia de la IA siendo mil veces mayor. La IA está transformando tareas tediosas e incluso reemplazando soluciones de software anteriores con agentes de IA. El autor experimentó con el uso de una IA como mentor de codificación, reconociendo que la efectividad depende de las habilidades de promoción.
Quality vs. Efficacy: Learning with AI dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Cómo crear una red virtual en Azure.

Una Red Virtual (VNet) en Azure es una red basada en la nube, lógicamente aislada para la conectividad segura de los recursos. Forma la base para las redes privadas, permitiendo que los recursos de Azure se comuniquen de forma segura entre sí, con Internet y con las redes locales. Este artículo demuestra la creación de una arquitectura de centro y radios utilizando dos VNets: app-vnet y hub-vnet. La app-vnet está diseñada para alojar aplicaciones con subredes frontend y backend para servidores web y de bases de datos, respectivamente. La hub-vnet se configura con una subred específicamente para un firewall. Ambas VNets se crean en la región de East US. El tutorial detalla el uso del portal de Azure para crear estas VNets y sus respectivas subredes. El proceso implica buscar redes virtuales, iniciar la creación y configurar detalles como el grupo de recursos, el nombre, la región y los espacios de direcciones IP. Después de crear la app-vnet con sus subredes frontend y backend, se crea la hub-vnet con su AzureFirewallSubnet. Finalmente, un paso crucial es configurar el peering de red virtual entre app-vnet y hub-vnet. Este peering permite una comunicación segura y privada entre las dos redes. El peering se establece agregando una conexión de peering desde app-vnet a hub-vnet y viceversa. Tras una implementación exitosa, el estado del peering debe confirmarse como "Conectado".
How to Create a virtual network in Azure. dev.to
CdXz5zHNQW_ZVWv1hYJla.webp
RSS Hunter RSS Hunter • 5 sept 2025

Cambiadores de Paradigmas — Los Genios de la Revolución de la Información que Reescribieron el Mundo

La tercera revolución de la información de la humanidad, comparable a la invención del habla y la escritura, está transformando nuestras vidas. Esta revolución está impulsada por personas que cambian paradigmas, que reinterpretan radicalmente las mentalidades y las estructuras sociales, no solo crean herramientas. Estos visionarios cuestionan el status quo y ven conexiones más profundas en la tecnología. Ada Lovelace, la primera programadora, imaginó la computación más allá de la aritmética, previendo su aplicación a las artes. La máquina teórica y los conceptos de IA de Alan Turing siguen siendo fundamentales, mientras que su descifrado de códigos aseguró victorias en tiempos de guerra. Los principios de John von Neumann establecieron la arquitectura de computadoras moderna, lo que permitió la creación de máquinas versátiles. El trabajo de estos pioneros impulsó la transformación cultural y económica. Su pensamiento innovador alteró fundamentalmente la forma en que procesamos, accedemos e interactuamos con la información. Esta revolución, al cambiar nuestra relación con la información, continúa remodelando la sociedad.
Paradigm Shifters — The Geniuses of the Information Revolution Who Rewrote the World dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Implementa el Generador de Aplicaciones de IA Generativa en AWS

Esta solución utiliza una arquitectura completamente *serverless* en AWS para su funcionalidad principal. CloudFront sirve la interfaz gráfica web (GUI), que reside en un bucket de S3. La interfaz gráfica web interactúa con una API REST gestionada por API Gateway. AWS WAF proporciona seguridad a la API contra diversos ataques. La autenticación de usuarios tanto para la interfaz web como para API Gateway se gestiona con Cognito. La lógica de negocio de la API REST se ejecuta mediante funciones de AWS Lambda. CloudFormation se emplea para desplegar los casos de uso dentro de esta arquitectura. Amazon DynamoDB sirve como almacén de datos persistentes para la información de despliegue. Amazon CloudWatch se utiliza para monitorizar el rendimiento y la salud operativa de la solución. Para desplegar, los usuarios descargan una plantilla de CloudFormation, proporcionan un correo electrónico de administrador y eligen desplegar la interfaz de usuario, y luego pueden acceder a la interfaz web para desplegar e interactuar con casos de uso como un chatbot basado en texto.
Deploy the Generative AI Application Builder on AWS dev.to
CdXz5zHNQW_wNUtEAADgx.webp
RSS Hunter RSS Hunter • 5 sept 2025

Dominando las Tuberías de Agregación de MongoDB: Una Guía Completa para Desarrolladores

El autor inicialmente creía que MongoDB solo servía para operaciones CRUD básicas, habiendo usado únicamente operadores simples como $set y $or. Esto cambió al descubrir las Aggregation Pipelines de MongoDB, que ofrecen capacidades avanzadas de manipulación de datos. Las pipelines procesan datos a través de una serie de etapas, similar a una cadena de filtros, donde la salida de una etapa se convierte en la entrada de la siguiente. Cada operador y etapa en MongoDB comienza con un signo de dólar ($) para distinguirlos como comandos especiales. Etapas clave como $match funcionan como el WHERE de SQL, $group es análogo a GROUP BY, y $lookup realiza operaciones JOIN. El autor proporciona un ejemplo detallado de un controlador que obtiene el perfil del canal de un usuario, ilustrando el uso de las etapas $match, $lookup, $addFields y $project. Este ejemplo se desglosa línea por línea, comparando cada etapa de MongoDB con su equivalente en SQL. Se recomienda practicar las pipelines utilizando MongoDB Compass o conjuntos de datos de ejemplo. Se mencionan operadores avanzados como $unwind, $facet y $graphLookup para una exploración más profunda. La conclusión enfatiza que dominar las aggregation pipelines desbloquea todo el potencial de MongoDB, permitiendo consultas complejas comparables a SQL.
Mastering MongoDB Aggregation Pipelines: A Developer’s Complete Guide dev.to
CdXz5zHNQW_RWc5umjX1N.webp
RSS Hunter RSS Hunter • 5 sept 2025

Simulando Prisma con Jest en NestJS

Al probar un servicio NestJS que depende de PrismaService, a menudo es necesario simular PrismaService. Un patrón común implica definir un tipo específico para el PrismaService simulado. Este tipo simulado solo debe incluir los métodos que el servicio bajo prueba realmente utiliza. Por ejemplo, si el servicio utiliza `prisma.model.findMany`, el tipo simulado definiría `findMany` como un `jest.Mock`. En el bloque `beforeEach` de la prueba, se crea una instancia de este tipo simulado, inicializando sus métodos con `jest.fn()`. Esta instancia simulada se proporciona luego al módulo de prueba NestJS utilizando `useValue`. La función `Test.createTestingModule` se utiliza para configurar el entorno de prueba, incluyendo el servicio bajo prueba y la dependencia simulada. Después de que se crea el módulo, se recupera la instancia simulada de PrismaService del módulo. Este objeto recuperado tendrá el tipo simulado definido, lo que permite una simulación y aserción con seguridad de tipos. Luego, puede usar las capacidades de Jest para simular los valores de retorno de los métodos simulados usando `mockResolvedValue`. Además, puede asegurar que estos métodos simulados fueron llamados como se esperaba usando `expect` y `toHaveBeenCalled`. Este enfoque garantiza que solo se simulen las partes necesarias de PrismaService, haciendo que las pruebas sean enfocadas y predecibles.
Mock Prisma with Jest in NestJS dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Déjà Vu en la Base de Datos: Cuando Tu Aplicación Hace la Misma Pregunta Dos Veces (¡o Más!)

La performance de una aplicación puede degradarse significativamente a medida que crece su base de usuarios debido a consultas repetitivas a la base de datos. Este problema, denominado "Déjà Vu de la Base de Datos", desperdicia recursos y frustra a los usuarios. La causa más común es el problema de la consulta N+1, prevalente con los Mapeadores Objeto-Relacional (ORMs) y datos relacionados. Esto ocurre cuando se obtiene una lista de elementos principales, y luego, para cada elemento, se realiza una consulta separada para datos relacionados, lo que lleva a muchas llamadas ineficientes a la base de datos. Por ejemplo, obtener 100 productos y sus categorías podría resultar en 101 consultas en lugar de dos. Los ORMs ofrecen una solución llamada "carga ansiosa" (eager loading), que precarga datos relacionados en unas pocas consultas optimizadas, reduciendo drásticamente el conteo de consultas. En Laravel, el método `with()` se utiliza para implementar la carga ansiosa. Más allá de N+1, el "Déjà Vu de la Base de Datos" también puede ocurrir cuando diferentes partes de una aplicación solicitan de forma independiente los mismos datos globales o de uso frecuente de la base de datos. Para abordar esto, se puede implementar el almacenamiento en caché a nivel de solicitud, donde los datos obtenidos dentro de una sola solicitud se almacenan en la memoria. Esto evita repeticiones de accesos a la base de datos para la misma información durante esa solicitud. Las herramientas de perfilado son cruciales para identificar estos cuellos de botella en el rendimiento, mostrando detalles exactos de las consultas. Los desarrolladores deben ser conscientes de las relaciones de datos y almacenar datos en caché estratégicamente, priorizando la información costosa de obtener y que cambia con poca frecuencia. Al comprender y aplicar técnicas de carga ansiosa y almacenamiento en caché, los desarrolladores pueden construir sistemas backend más rápidos y eficientes.
Database Deja Vu: When Your App Asks the Same Question Twice (or More!) dev.to
RSS Hunter RSS Hunter • 5 sept 2025

Gemini 2.5 Flash vs. Gemini 2.0 Flash: Una Nueva Era para la Generación de Imágenes con IA

La imagen Flash de Gemini 2.5 de Google es una actualización sustancial a su predecesora, la imagen Flash de Gemini 2.0, mejorando las capacidades de generación de imágenes. Gemini 2.5 Flash introduce la edición conversacional, permitiendo a los usuarios refinar las imágenes iterativamente con lenguaje natural. Esta característica agiliza el proceso creativo en comparación con el enfoque más limitado de Gemini 2.0. La fusión multi-imagen permite combinar hasta tres imágenes para composiciones complejas y efectos visuales surrealistas. El modelo sobresale en mantener la consistencia del personaje y el estilo en múltiples imágenes generadas. Gemini 2.5 Flash demuestra una calidad visual general mejorada, lo que resulta en salidas más detalladas y fotorrealistas. La renderización de texto dentro de las imágenes también se ha mejorado significativamente, permitiendo un texto más claro y legible. Estos avances proporcionan un control creativo sin precedentes para usuarios y desarrolladores. Las mejoras de Gemini 2.5 Flash lo convierten en una herramienta crucial para aquellos que buscan explorar y expandir su creatividad. El nuevo estándar lo convierte en un gran avance en la generación de imágenes impulsada por IA. El lanzamiento de Gemini 2.5 Flash establece un nuevo estándar en el campo.
Gemini 2.5 Flash vs. Gemini 2.0 Flash: A New Era for AI Image Generation dev.to
CdXz5zHNQW_SHBoNFjife.webp
RSS Hunter RSS Hunter • 4 sept 2025

Finnegans Slack

El Sr. Tomlin K. Link, un Trabajador del Conocimiento III, comienza su día desde casa, inmediatamente bombardeado por las demandas digitales. Navega por una avalancha de mensajes de Slack y listas de tareas pendientes, lo que refleja las presiones constantes del entorno laboral moderno. Las reuniones en salas de Zoom presentan sonrisas forzadas y la pregunta recurrente: "¿Puede todo el mundo ver mi pantalla?". Lucha con hojas de cálculo y revisiones de KPI, lo que ilustra el enfoque basado en datos. El almuerzo ofrece poco respiro, con una rápida ingesta junto al incesante flujo de información. Se encuentra con un ex colega prosperando en una nueva startup mientras él permanece atrapado. La tarde trae consigo jefes acechantes, Airpods juzgadores y la inevitable pregunta sobre la hora de salida. La jornada laboral termina con un viaje en ascensor, pasando por las características de la oficina sin uso. Su viaje a casa está lleno de auriculares con cancelación de ruido, buscando silencio, pero el mundo digital persiste. Reflexiona sobre el ciclo constante de trabajo, plazos y la presión de estar siempre disponible. Mañana, se reiniciará, se resincronizará y, probablemente, lamentará su situación.
Finnegans Slack dev.to
RSS Hunter RSS Hunter • 4 sept 2025

C# LeetCode 1792: Ratio Máximo Promedio de Aprobación - (Medio)

El problema de LeetCode requiere maximizar la proporción promedio de aprobados en múltiples clases añadiendo estudiantes adicionales. Se utiliza una cola de prioridad para rastrear de manera eficiente la clase con la mayor ganancia potencial. La cantidad inicial de aprobados y el total de estudiantes para cada clase se añaden a la cola de prioridad. El algoritmo asigna iterativamente estudiantes adicionales a la clase que produce la mayor mejora en su proporción de aprobados. La ganancia de agregar un estudiante se calcula en función de la diferencia en las proporciones antes y después de la adición. El código en realidad no añade estudiantes inicialmente; solo calcula la ganancia hipotética. Este cálculo prioriza las clases para optimizar la mejora general de la proporción. Después de asignar todos los estudiantes adicionales, la proporción promedio final de aprobados se calcula sumando las proporciones de todas las clases. El código utiliza funciones auxiliares para calcular la proporción y la ganancia. La cola de prioridad, utilizando un comparador personalizado, asegura que siempre se seleccione la clase con la mayor ganancia. El promedio final se determina dividiendo la suma total de las proporciones por el número de clases.
C# LeetCode 1792: Maximum Average Pass Ratio - (Medium) dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Simplemente Ordena (Parte 2) — Diseñando e Implementando el Flujo de Trabajo Saga con Temporal

Esta lección se centra en la implementación de un flujo de trabajo Saga utilizando Temporal para el procesamiento de pedidos en Simply Order. El proceso de pedido involucra pasos como la creación, reserva de inventario, autorización de pago y finalización del pedido, todos rastreados a través de una máquina de estados. Se elige un patrón Saga de orquestación, utilizando Temporal por su capacidad para gestionar el estado del flujo de trabajo, manejar la comunicación y proporcionar confiabilidad. Los componentes principales de Temporal incluyen código de flujo de trabajo y actividad, trabajadores, un servidor, colas de tareas y un cliente. El código proporcionado define el flujo de trabajo, incorporando lógica de compensación para el manejo de errores. Las actividades, como la reserva de inventario, interactúan con servicios externos y son ejecutadas por los Trabajadores de Temporal. El ejemplo establece tiempos de espera y políticas de reintento para las actividades. El proyecto utiliza las anotaciones de Temporal para definir interfaces de flujo de trabajo y actividades, lo que permite al framework gestionarlas. También se establecen la dependencia del SDK de Temporal y las configuraciones para el cliente y el trabajador. La implementación separa la lógica de negocio de las preocupaciones de la infraestructura subyacente, simplificando el desarrollo.
Simply Order (Part 2) — Designing and Implementing the Saga Workflow with Temporal dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Cómo enviar notificaciones de la base de datos de Filament a una cola específica.

La función `sendToDatabase()` de Filament ofrece notificaciones convenientes a la base de datos. Sin embargo, la especificación directa de una cola para estas notificaciones no es una opción integrada. Las notificaciones de Filament para la base de datos son gestionadas por el sistema de notificaciones de Laravel. Específicamente, `toDatabase()` crea un objeto `DatabaseNotification` que implementa `ShouldQueue`. Esto significa que utiliza la conexión de cola predeterminada configurada en tu aplicación Laravel. Para controlar a qué cola específica se envía una notificación de base de datos, necesitas usar el método `toDatabase()` en lugar de `sendToDatabase()`. Después de llamar a `toDatabase()`, puedes encadenar el método `onQueue()` para especificar el nombre de la cola deseada. Este enfoque te permite aprovechar el sistema de colas de Laravel para un control más preciso, al mismo tiempo que te mantienes dentro del marco de notificaciones de Filament. También es posible reutilizar una instancia de notificación al enviar a múltiples usuarios en la misma cola. Para necesidades más simples, `sendToDatabase()` es suficiente. Para la gestión de colas, cambiar a `toDatabase()->onQueue('nombre_de_tu_cola')` proporciona la flexibilidad necesaria. El autor está considerando una solicitud de extracción (pull request) para agregar soporte directo para colas a `sendToDatabase()`.
How to send Filament database notifications to a specific queue dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Tu Interfaz de Usuario No Es Parte de la Seguridad: La Realidad de BOLA

La creencia de que la seguridad de la interfaz de usuario es suficiente es un error; los atacantes se centran principalmente en las APIs. La Autorización a Nivel de Objeto Rota (BOLA) es una vulnerabilidad crítica donde los sistemas backend no verifican el acceso del usuario a objetos específicos. Los atacantes pueden manipular fácilmente las peticiones a la API para acceder a datos no autorizados utilizando herramientas como Burp Suite o curl. La interfaz de usuario es simplemente un cliente de la API, y los atacantes la evitan para atacar directamente los endpoints de la API. Asumir que las limitaciones de la interfaz de usuario impiden el acceso no autorizado es erróneo porque la autorización del backend es primordial. El impacto de BOLA incluye filtraciones de datos, transacciones no autorizadas, incumplimientos de normativas y daños a la reputación. Una defensa efectiva requiere la aplicación de la autorización del backend, el acceso con el mínimo privilegio, el control de acceso centralizado, pruebas exhaustivas y comprobaciones de seguridad automatizadas en CI/CD. Priorizar la seguridad de la API es crucial; un enfoque de seguridad centrado en la interfaz de usuario es insuficiente. Los atacantes modifican las peticiones directamente, evitando por completo la interfaz de usuario, lo que enfatiza la importancia de una sólida seguridad del backend.
Your UI is Not Part of Security: The Reality of BOLA dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Publica tu Paquete Go en pkg.go.dev: Una Guía Sencilla

Publicar un paquete Go en pkg.go.dev requiere alojar públicamente tu código en una plataforma como GitHub. Se debe crear un archivo `go.mod` para definir tu módulo, y una etiqueta de versión (por ejemplo, `v1.0.0`) necesita ser agregada y enviada (push) a tu repositorio. Esto señala una versión estable para la indexación. Finalmente, solicita manualmente la indexación en pkg.go.dev para asegurar que tu paquete sea incluido en su base de datos.
Get Your Go Package on pkg.go.dev: A Simple Guide dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Cómo el Código se Convierte en Software: Modelos de Ejecución Explicados

Los procesadores de computadora solo entienden el código de máquina (0 y 1), lo que requiere la traducción de código legible por humanos. Los modelos de ejecución determinan cómo se produce esta traducción y ejecución. El modelo de compilación traduce el código completamente en código de máquina de antemano, lo que resulta en una ejecución rápida pero dependencia de la plataforma. El modelo de interpretación ejecuta código línea por línea, ofreciendo una ejecución inmediata pero una velocidad más lenta. Un modelo híbrido combina la compilación en una forma intermedia (código de bytes) con la compilación Just-In-Time (JIT) para la optimización de la velocidad. JIT compila secciones de código de uso frecuente en código de máquina durante el tiempo de ejecución, equilibrando la velocidad y la portabilidad. La compilación anticipada (AOT) precompila el código en código máquina, lo que mejora el tiempo de inicio pero reduce la flexibilidad. Históricamente, los lenguajes de secuencias de comandos se interpretaban y los lenguajes de sistemas se compilaban, pero esta distinción se difumina con los compiladores JIT modernos. Comprender los modelos de ejecución es crucial para el rendimiento, la portabilidad y las opciones de velocidad de desarrollo. El modelo de ejecución, no solo el código en sí, determina en última instancia la funcionalidad y el rendimiento de un programa.
How Code Becomes Software: Execution Models Explained dev.to
CdXz5zHNQW_ZmmGs6TPKu.webp
RSS Hunter RSS Hunter • 4 sept 2025

DevOps de bases de datos más inteligente con IA: De los registros de cambios a las canalizaciones inteligentes

Los despliegues de bases de datos son un importante cuello de botella en DevOps debido a su naturaleza con estado y los altos costos de error. Los registros de cambios manuales, las dificultades de sincronización y las reversiones complejas son desafíos comunes. La IA ofrece una solución al automatizar estas tareas. Un sistema impulsado por IA puede generar registros de cambios a partir de descripciones en lenguaje natural, integrar sin problemas los nuevos cambios con los existentes y crear migraciones específicas para cada entorno. También puede detectar conflictos y sugerir estrategias de reversión más seguras. La IA asiste a los administradores de bases de datos (DBA) y a los desarrolladores, en lugar de reemplazarlos, mediante la automatización de tareas repetitivas y la reducción del error humano. Este enfoque tiene como objetivo mejorar la eficiencia y reducir el riesgo en los despliegues de bases de datos. Un prototipo, un Generador de Conjuntos de Cambios impulsado por IA, está disponible en Hugging Face. El desarrollo posterior se centra en integrar la IA en tuberías inteligentes de bases de datos para un mayor control y seguridad. El objetivo es generar confianza en la IA para tareas como la escritura de migraciones, la detección de desviaciones y las recomendaciones de reversión.
Smarter Database DevOps with AI: From Changelogs to Intelligent Pipelines dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Depuración en el Backend: Porque tu código *nunca* miente

La depuración del código backend implica investigar sistemáticamente por qué un programa no funciona como se espera. El primer paso es utilizar técnicas de registro y volcado de datos para examinar los valores de las variables y el flujo de datos dentro del código. Las inconsistencias ambientales entre los entornos local, de pruebas y de producción son fuentes frecuentes de errores, incluyendo diferentes variables .env, problemas de almacenamiento en caché y versiones de PHP. Trazar el flujo de la solicitud a través de las capas de middleware, validación y servicios es crucial para identificar problemas. Las interacciones con la base de datos deben ser examinadas minuciosamente en busca de problemas de relaciones Eloquent, consultas SQL incorrectas y problemas de integridad de datos. Los servicios externos como APIs y colas deben ser verificados para asegurar la configuración correcta, el manejo de datos y las respuestas de error. La depuración efectiva implica reproducir el error, aislar el problema y usar herramientas de depuración como Xdebug. Explicar el problema verbalmente puede ayudar a comprender la causa raíz. Finalmente, comprender el problema subyacente, en lugar de solo parchear el síntoma, conduce a un código más robusto. Un enfoque metódico, combinado con un registro efectivo y comprobaciones ambientales exhaustivas, es clave para una depuración eficiente del backend. Recuerda, el código se ejecuta exactamente como se le indica, así que analiza cuidadosamente esas instrucciones.
Backend Debugging: Because Your Code *Never* Lies dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Un solo gancho que mató a 23 componentes: El patrón de API con conocimiento del contexto

Los autores desarrollaron un patrón de "hook" para gestionar aplicaciones multi-contexto de manera eficiente, reemplazando miles de líneas de código repetitivo. El problema inicial involucraba numerosos componentes de interfaz de usuario (UI) idénticos, cada uno requiriendo diferentes fuentes de datos para diversas verticales de negocio. Un enfoque tradicional resultaba en una excesiva duplicación de código, inconsistencias y desafíos en las pruebas. Una solución de "prop drilling" (paso de props por todos los componentes) resultó igualmente engorrosa, forzando a los componentes a gestionar los detalles de la API. El avance involucró un "hook" que automáticamente obtenía datos basados en el contexto, simplificando el uso del componente a una sola línea. Este "hook" utiliza un sistema de mapeo para seleccionar la función de obtención de datos apropiada basada en el contexto proporcionado, ofreciendo una alternativa predeterminada. La solución soporta contextos anidados y proporciona funcionalidades avanzadas como mapeo condicional y composición de "hooks" para escenarios complejos. La seguridad de tipos se mantiene en todo el proceso, asegurando la integridad de los datos. El rendimiento se optimiza mediante estrategias de caché inteligentes y técnicas de pre-carga. El resultado es una aplicación más limpia, más mantenible y de mayor rendimiento.
One Hook That Killed 23 Components: The Context-Aware API Pattern dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Dominando Estrategias de Pruebas Integrales en la Era Digital

Las pruebas exhaustivas son cruciales para un software de alta calidad en el entorno de desarrollo acelerado de hoy en día. Los métodos tradicionales son insuficientes; es necesario un enfoque holístico que abarque diversos tipos de pruebas. La automatización de pruebas es clave, aumentando la cobertura y reduciendo errores utilizando herramientas como Selenium y JUnit. Priorizar la cobertura de pruebas en los niveles de unidad, integración, sistema y aceptación ayuda a la detección temprana de defectos. Las pruebas continuas, integradas en las tuberías de CI/CD a través de herramientas como Jenkins, proporcionan retroalimentación en tiempo real. Las plataformas basadas en la nube mejoran la escalabilidad y la rentabilidad para las pruebas paralelas en diversos entornos. El monitoreo de métricas clave como la cobertura de pruebas y la densidad de defectos optimiza los procesos de prueba. Las estrategias de prueba efectivas mejoran la eficiencia, la fiabilidad y el rendimiento del producto. Las pruebas proactivas son vitales para adaptarse a la evolución de la tecnología y las demandas del mercado. Dominar las pruebas exhaustivas es primordial para entregar aplicaciones de software superiores.
Mastering Comprehensive Testing Strategies in the Digital Age dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Por qué los desarrolladores necesitan la automatización de pruebas e2e impulsada por IA

Los equipos de ingeniería a menudo se resisten a los cambios en los flujos de trabajo de desarrollo, especialmente a las pruebas de extremo a extremo (E2E) impulsadas por la IA. Las pruebas E2E automatizadas benefician tanto la calidad del código como a los desarrolladores al prevenir errores costosos que se detectan tarde en el ciclo de desarrollo. Las pruebas automatizadas, aunque inicialmente parezcan restrictivas, previenen las interrupciones en producción y evitan a los desarrolladores emergencias estresantes. Optimizar las pruebas es crucial, tratándolas como código de producción para su mantenibilidad y escalabilidad; las plataformas impulsadas por IA simplifican este proceso. Las pruebas deben ser una responsabilidad compartida, fomentando una cultura de calidad y mejorando la fiabilidad del código. La IA mejora las pruebas más allá de la simple generación de código, mejorando la eficiencia y reduciendo los errores. Ignorar la IA en las pruebas conduce a un desarrollo más lento, mayores costos y agotamiento de los desarrolladores. Los beneficios de las pruebas E2E impulsadas por la IA superan la resistencia inicial, lo que lleva a un proceso de desarrollo más eficiente y fiable. Los conjuntos de pruebas rápidos y paralelos permiten una retroalimentación más rápida y implementaciones seguras. En última instancia, adoptar las pruebas E2E impulsadas por la IA mejora la calidad general del software y el bienestar de los desarrolladores.
Why devs need AI-powered e2e test automation dev.to
CdXz5zHNQW_5aM5o6bWTX.webp
RSS Hunter RSS Hunter • 4 sept 2025

¿Cómo ocultar globalmente los campos de moneda/cantidad en una aplicación React + Rails en función de los permisos del usuario?

Estoy trabajando en una aplicación construida con React 19 (frontend) y Ruby on Rails 5.0.7.2 (backend). El requisito es ocultar todos los campos de moneda/monto en la interfaz de usuario en función de los permisos del usuario. El backend proporciona una marca booleana (por ejemplo, can_view_amount: true/false) que indica si el usuario que ha iniciado sesión tiene permiso para ver los campos de cantidad. Si el usuario no tiene permiso, todos los campos de cantidad de la aplicación deben estar ocultos. Esto debe implementarse de una manera escalable y preparada para el futuro: Debe ser una implementación única, no algo que tengamos que volver a implementar manualmente en cada nueva pantalla. Incluso si se agregan nuevas pantallas en el futuro que muestran cantidades, la misma lógica debería aplicarse automáticamente sin que los desarrolladores se olviden de manejarla. Pregunta: ¿Cuál sería el mejor enfoque arquitectónico o patrón de diseño para implementar esto? Estoy considerando: Un contenedor o componente global para mostrar cantidades (que comprueba internamente los permisos antes de renderizar). Un componente de orden superior (HOC) o una solución de React Context para controlar la visibilidad. Cualquier sugerencia del lado de Rails para estructurar el indicador de permiso para que se integre limpiamente con la interfaz. ¿Alguien ha resuelto un problema similar y cuál es la forma más fácil de mantener para garantizar que los campos de cantidad estén ocultos de manera consistente en la aplicación en función de los permisos?
How to globally hide currency/amount fields in a React + Rails app based on user permissions? dev.to
RSS Hunter RSS Hunter • 4 sept 2025

Actualizar Umbraco 13 a 16: Localización

Esta publicación de blog detalla la actualización de la localización en Umbraco, la transición de la versión 13 a la 16. La localización de backoffice, anteriormente basada en XML, ahora utiliza archivos JavaScript registrados a través de manifiestos en 'umbraco-package.json'. La conversión implica cambiar archivos XML a objetos JavaScript, manteniendo alias de clave. Los campos de descripción requieren claves de ajuste entre llaves debido al procesamiento de Markdown. La localización de .NET de back-end cambia de "ILocalizationService" a "ILanguageService" e "IDictionaryService", mientras que "ILocalizeTextService" permanece para el acceso a archivos XML. Las extensiones de Umbraco utilizan la localización a través de manifiestos y componentes heredados de 'UmbLitElement' o usan 'UmbElementMixin' para los asistentes de localización. Los componentes web personalizados pueden emplear <umb-localize>elementos '' similares a AngularJS. La localización de JavaScript permite argumentos y marcadores de posición, lo que permite actualizaciones de texto dinámicas, como la pluralización. Se consulta la documentación detallada para obtener más información sobre cada aspecto de las actualizaciones de localización. El proceso general, aunque implica cambios, es manejable con la orientación proporcionada y la asistencia de IA para conversiones de archivos grandes.
Upgrade Umbraco 13 to 16: Localization dev.to
CdXz5zHNQW_b7H7PCAixV.webp
RSS Hunter RSS Hunter • 4 sept 2025

Implementando un Buffer de Mensajes Escalable para Conversaciones de Inteligencia Artificial Natural en n8n

La Inteligencia Artificial conversacional (IA conversacional) requiere interacciones fluidas y similares a las humanas, un desafío que a menudo no se cumple mediante el procesamiento secuencial tradicional en los chatbots. Este enfoque puede conducir a conversaciones fragmentadas, pérdida de contexto y mayores costos, ya que cada mensaje del usuario activa una respuesta de IA separada. Las soluciones de almacenamiento en búfer existentes utilizan nodos de espera centralizados, creando cuellos de botella de escalabilidad al manejar múltiples usuarios simultáneamente. Este cuello de botella causa retrasos de procesamiento lineal, ineficiencia de recursos y una mala experiencia del usuario. La solución propuesta implementa una técnica de almacenamiento en búfer condicional con retrasos inteligentes para mantener la calidad de la conversación y la escalabilidad. Aprovecha Redis para el almacenamiento de mensajes y la gestión de sesiones, aislando las conversaciones de los usuarios. La innovación central es que solo el primer mensaje en una secuencia rápida inicia un período de espera. Los mensajes subsiguientes dentro de este intervalo se añaden al búfer sin causar más retrasos. Después del período de almacenamiento en búfer, todos los mensajes de una sesión determinada se extraen y se concatenan en un único contexto. Este contexto consolidado es luego procesado por el agente de IA, lo que permite una respuesta coherente y natural. Este método elimina eficazmente el cuello de botella de los sistemas de almacenamiento en búfer tradicionales. El flujo de trabajo utiliza un disparador de chat, Redis para colas de mensajes y marcas de tiempo, y un agente de IA para el procesamiento. Los requisitos previos incluyen una conexión a Redis, una clave de API LLM y una versión actualizada de n8n.
Implementing a Scalable Message Buffer for Natural AI Conversations in n8n dev.to
RSS Hunter RSS Hunter • 4 sept 2025