Laude y MIT publican Headlong, un micro‑harness de agentes persistentes en Bash

Qué ha ocurrido

El Laude Institute y MIT han publicado Headlong (25 de agosto), un micro‑harness de agentes de código abierto (Apache‑2.0) que mantiene “agencia persistente”: los mensajes pasan a ser observaciones en un flujo de pensamiento continuo y el agente decide cuándo responder, esperar, investigar o contactar después. Su núcleo, de menos de 10.000 líneas de Bash, encadena razonamiento y comandos de shell mediante shellm, registra la trayectoria en un grafo de JSONL y compacta el historial por niveles. Laude ha operado un agente compartido (Audel) que, según sus propios registros, realizó auditorías de ramas y reparó un proceso de memoria en segundo plano sin intervención humana; no hay resultados independientes sobre rendimiento. Es software alfa que puede ejecutar comandos, con advertencias claras: usar sandbox, una clave de API con tope de gasto y evitar instalaciones sin contenedor (en ese caso ejecuta como el usuario). La memoria compartida implica riesgos de confidencialidad en grupos. El coste en segundo plano ronda 1–2 dólares/hora con GLM o Grok, con ralentización cuando no hay mensajes.

Qué significa para creadores

Para creadores, Headlong permite experimentar con asistentes que siguen trabajando entre interacciones: útil si se limita a tareas de bajo riesgo como higiene de repos o recordatorios, similares a los ejemplos citados por Laude. Empieza en un entorno aislado (Docker), con clave de API limitada y datos no sensibles; si lo compartes con un equipo, asume que toda la información fluye entre usuarios. Calcula el coste continuo (1–2 $/h) y define ventanas de actividad u “interruptores” para apagarlo fuera de horario. Dado que no hay métricas externas, mide utilidad con la trayectoria registrada y revisa cambios antes de conceder más permisos.

Fuente y contexto

Información basada en RuntimeWire y en materiales de Laude. Headlong se posiciona frente a marcos como Mastra Harness y Microsoft Agent Framework Harness, que integran controles de producción (planificación, memoria, compacción, aprobaciones y telemetría), apostando por una base mínima y generación continua como comportamiento por defecto. El enfoque expone costes, permisos y riesgos de memoria compartida, y busca comprobar si la “agencia persistente” aporta continuidad e iniciativa frente a agentes reactivos.