Saltar al contenido
Todos los proyectos
INGENIERÍA IAJun – Sep 20266 min de lectura

Voidscape — Convirtiendo medios personales en evidencia citable

Voidscape lee video, audio, imágenes, artículos, feeds y chats exportados mediante una secuencia visible: inspect, preview, read.

CLI pública · en evolución

Convierte contenido en evidencia ordenada con el flujo inspect → preview → read. Los paquetes portables son experimentales; la validación ampliada sigue en curso.

Explorar la CLI

Estado documentado

Voidscape — Convirtiendo medios personales en evidencia citable
Voidscape — Convirtiendo medios personales en evidencia citable captura de 1
Voidscape — Convirtiendo medios personales en evidencia citable captura de 2
Voidscape — Convirtiendo medios personales en evidencia citable captura de 3
Pythonffmpegyt-dlpfaster-whisperpytestuvCodex

Resumen

Voidscape es un motor de evidencia y una skill open-source, local-first. Convierte grabaciones, URLs públicas de video, notas de voz, imágenes, carruseles ordenados por nombre, artículos, feeds RSS/Atom y chats exportados en bundles inspeccionables: visuales seleccionados, texto con tiempo u orden y un manifest que un agente puede citar. El contrato es visible: inspeccionar la fuente, previsualizar costos y permisos, y leer solo los artefactos aprobados. Por defecto no requiere cuenta, subida ni API key.

El problema

Los agentes suelen responder desde nombres de archivo, thumbnails, snippets o resúmenes de página en lugar de la fuente. Eso produce afirmaciones seguras sin evidencia, mientras un procesamiento ingenuo puede subir audio privado, iniciar una descarga de modelo o generar costo cloud sin un punto claro de decisión. Voidscape convierte evidencia, consentimiento y recuperación en parte de la interfaz.

Preguntas abordadas

  1. 01

    ¿Cómo puede un solo contrato de evidencia funcionar para video, audio, imágenes, artículos, feeds y chats exportados?

  2. 02

    ¿Cómo se mantienen visibles las aprobaciones de costo, transferencia cloud y primera descarga de modelo?

  3. 03

    ¿Puede una sesión interrumpida o truncada recuperar el mismo manifest sin procesar la fuente otra vez?

  4. 04

    ¿Qué evidencia de release permite separar una capacidad probada de una afirmación amplia de “lanzado”?

Metodología

Fase 1

Inspect → Preview → Read

inspect reporta hechos de la fuente sin procesarla; preview expone lector, dependencias, costo de tokens o transcripción y cualquier gate; read produce solo la evidencia aprobada. Un sidecar local compatible gana automáticamente, mientras transcripción cloud y primera descarga de modelo siguen siendo decisiones separadas y actuales.

Pythonffmpegyt-dlpfaster-whisper
Fase 2

Bundles de evidencia para distintos medios

Las lecturas de video devuelven frames, transcripción con timestamps y manifest. Imágenes y carruseles conservan bytes y orden natural. Los lectores de artículos, RSS/Atom y chats producen texto ordenado con procedencia, y los artefactos parciales quedan marcados cuando una etapa posterior falla.

Python stdlibJSONRSS/Atompytest
Fase 3

Recuperación y errores para agentes

Los consumidores reciben envelopes `{ok,data,error,meta}`, códigos de salida determinísticos 0–6, metadata de reintento y un puntero privado a la última lectura para recuperar manifests después de truncamiento. La skill enseña a citar `[MM:SS]`, `[image N]`, `[article N]` o `[message N]`.

Protocolos de AgenteJSONPowerShellBash
Fase 4

Evidencia de release y hardening

El checkpoint actual pasó 1.314 tests en Windows y el mismo árbol fue ejercitado por checks hospedados. Hallazgos de seguridad, verificación de viewport incompleta y fuentes de colecciones de cuenta no soportadas siguen visibles en lugar de diluirse en una afirmación total de release.

pytestGitHub ActionsRevisión de SeguridadQA de Navegador

Resultados clave

93.3%assertions de eval pasadas con la skill, vs 66.7% baseline sin ella
1.314tests pasaron en Windows en el checkpoint fusionado actual
0–6rango de códigos de salida determinísticos con metadata de reintento
3pasos visibles antes de consumir evidencia: inspect, preview, read

Hallazgos clave

01

La transparencia de costo es una feature UX para agentes: mostrar el precio antes del trabajo convierte "la IA me subió la factura" en un sí/no informado.

02

Un sidecar local gana automáticamente; transferencia cloud y primera descarga de modelo son aprobaciones explícitas, no inferencias desde la configuración.

03

Los evals superan las vibes para diseño de skills: un gap medido 93.3%-vs-66.7% es lo que separa "la skill ayuda" de esperar que lo haga.

04

Manifests durables y punteros de recuperación importan porque una sesión del agente puede truncarse aunque el procesamiento haya terminado bien.

Conclusión

Voidscape creció de una utilidad de video a una capa general de evidencia para workflows de agentes. El sitio público y la instalación están en vivo en voidscape.club, mientras el repositorio mantiene el estado de release acotado: capacidades fusionadas y testeadas se documentan por separado de gates pendientes de fuentes, viewport, proveedores e integraciones.