Cómo los agentes de IA están reescribiendo la forma de contribuir a proyectos open-source

Durante años, contribuir al open-source ha sido un lujo que muchos desarrolladores no siempre podemos permitirnos. No por falta de ganas, sino por falta de tiempo. Entrar en un repo nuevo implica leer código, entender la arquitectura, seguir el estilo del proyecto, ejecutar el build, interpretar los pipelines, preparar pruebas unitarias, documentar… un trayecto que fácilmente consume días. Hoy, con los agentes de IA —en particular GitHub Copilot Agent— ese proceso se está transformando de forma radical.

Y el open-source juega un papel clave: es el terreno donde estos agentes funcionan con su máximo potencial.

El open-source es el entorno natural para los agentes de IA

Cuando trabajas con código propietario, siempre existe la barrera mental (y legal) de qué puede leer la IA, qué no, y hasta dónde es seguro dejarla inspeccionar. En el open-source todo eso desaparece. Copilot puede leer el código completo, sin restricciones. No hay riesgos legales ni zonas grises. Simplemente trabaja.

A esto se suma un punto obvio pero crucial: gran parte del entrenamiento original de estos modelos se hizo precisamente con código open-source. Conocen los patrones, el estilo, las convenciones. Se mueven como pez en el agua.

Además, la mayoría de estos proyectos están diseñados para ser compilables con instrucciones claras: un BUILDING.md, unos pipelines de GitHub Actions, dependencias estándar y entornos reproducibles. Para un agente, esto es oro puro. Puede entender cómo funciona el flujo, instalar lo necesario en segundos y ejecutar builds o tests en su propio entorno Linux sin que tengas que mover un dedo.

La colaboración sin fricción: tú solo das instrucciones

La productividad aquí no viene del “autocomplete”, sino de delegar directamente trabajo real. Solo haces clic en:

1. Open Agents Panel

2. Seleccionas repositorio

3. Seleccionas rama

4. Das la orden

A partir de ahí, el agente lee el código, identifica dónde tocar, genera cambios, añade pruebas, actualiza documentación y abre la pull request. Si algo no te convence, basta comentar en la PR con un @copilot y decirle qué corregir.

Y cuando la PR sale del estado de draft, Copilot hace un code review automático. Si además tienes conectado OpenAI Codex en el repo, también interviene. Dos revisores automáticos trabajando para ti.

Todo esto sin necesidad de clonar el repo. Sin abrir tu IDE. Sin compilar nada localmente. Literalmente puedes contribuir desde el móvil mientras vas en el metro.

Ejemplo real: un aporte a PowerToys Advanced Paste usando solo IA

Un caso concreto: hice una contribución a PowerToys Advanced Paste para mostrar una “mota” de color cuando el texto del portapapeles o historial era un valor hex como #FFFFFF. El pull request está aquí:

https://github.com/crramirez/PowerToys/pull/1 🠊 https://github.com/microsoft/PowerToys/pull/43990

El cambio implicaba tocar UI y algo de lógica. Lo sorprendente es que casi todo lo generó Copilot Agent. Yo solo validé el resultado: abrí el proyecto en mi PC para ver cómo quedaba visualmente. Nada más.

Si el cambio no hubiese sido de UI, ni siquiera habría necesitado descargar el código. La colaboración entera se podría haber hecho desde la web.

El nuevo modelo de contribución

Esto cambia por completo la propuesta de valor del open-source. Ahora:

• Puedes contribuir en minutos a proyectos que antes te intimidaban.

• No necesitas estudiar el código base a fondo.

• Los agentes entienden estilo, arquitectura y patrones del repo.

• Las tareas repetitivas (tests, docs, estructurar commits) desaparecen.

• El coste de entrada se reduce prácticamente a cero.

• Puedes participar desde el navegador o desde el móvil.

La IA no sustituye al colaborador: amplifica su capacidad. Nos permite centrarnos en la intención y delegar la ejecución técnica y el “grunt work”. Y para las comunidades open-source esto es un multiplicador de productividad enorme.

El futuro de la contribución ya no es quién tiene tiempo, sino quién tiene intención. El resto lo hace el agente.

Mejorando el rendimiento de WSL2 con Zswap (actualizado para kernel 6.x)

WSL2 se ha consolidado como el entorno ideal para desarrollar en Linux desde Windows. Pero cuando se ejecutan cargas pesadas —compilaciones grandes, contenedores, bases de datos o herramientas de IA ligera— la memoria puede saturarse y el rendimiento cae por el uso intensivo del swap. Aquí es donde zswap aporta una mejora clara y medible.

Esta guía actualiza el artículo original y lo alinea con el kernel 6.x de WSL2, que cambia el modo en que se empaquetan los módulos y elimina componentes del kernel 5.x. Además, integra el nuevo script que automatiza la compilación del kernel con zswap habilitado.

Qué es zswap y por qué es útil en WSL2

zswap es una capa de compresión en memoria que se activa antes de escribir datos en el swap. En lugar de enviar una página directamente al archivo de intercambio, el kernel la comprime y la almacena en RAM. Solo si es necesario, la página termina escrita en el swap real.

En WSL2 esto marca una diferencia aún mayor porque el swap se almacena en un archivo *.vhdx, no en un disco físico. Escribir y leer ese archivo introduce una penalización extra, por lo que reducir esas operaciones mejora la fluidez del sistema.

Beneficios directos:

• Menos escrituras al archivo de swap → menos latencia.

• Mayor estabilidad cuando la memoria está al límite.

• Mejor rendimiento en compilaciones y entornos con muchos procesos.

• Reducción del desgaste del SSD.

Por qué zram no es la mejor opción en WSL2

zram crea un disco comprimido en RAM. Eso consume memoria de forma permanente y compite con tus aplicaciones. Cuando ya existe una partición de swap, como es el caso en WSL2, puede pasar que las páginas más viejas se queden en ZRAM y las nuevas en SWAP, perdiendo el sentido de la compresión. En cambio, ZSWAP usa la RAM de forma dinámica y trabaja sobre el swap existente, lo que lo hace más adecuado para WSL2. Si se deshabilita el swap, ZRAMsi puede ser una buena opción, pero aún así hay que configurarlo en la distro. ZSWAP trabaja automáticamente.

Cambios clave en kernel 6.x de WSL2

1. Eliminación de CONFIG_FRONTSWAP

El kernel 6.x ya no incluye FRONTSWAP, por lo que ciertas configuraciones usadas en kernel 5.x dejan de ser aplicables.

2. Nuevo modelo de módulos: modules.vhdx

A partir de kernel 6.x, WSL2 separa el kernel de sus módulos. Para usar un kernel personalizado necesitas dos archivos:

• bzImage → kernel compilado

• modules.vhdx → volumen con los módulos

En kernel 5.x esto no era necesario.

3. Script actualizado con detección automática

El repositorio oficial del script:
https://github.com/dhanar10/wsl2-kernel-zswap

El script detecta automáticamente el kernel que estás utilizando y ajusta la compilación:

• Kernel 5.x → añade soporte de FRONTSWAP

• Kernel 6.x → omite FRONTSWAP y genera modules.vhdx

Cómo habilitar zswap en WSL2 (kernel 6.x)

Paso 1. Descargar el script

curl -O https://raw.githubusercontent.com/dhanar10/wsl2-kernel-zswap/main/build.sh
less build.sh

Luego ejecútalo:

bash build.sh

O bien:

curl https://raw.githubusercontent.com/dhanar10/wsl2-kernel-zswap/main/build.sh | bash

Qué genera el script

Tras la compilación tendrás:

arch/x86/boot/bzImage
modules.vhdx

Ambos son obligatorios para kernel 6.x.

Paso 2. Instalar los archivos en Windows

Copia los resultados a una ubicación accesible, por ejemplo:

bzImage       →  C:\bzImage
modules.vhdx  →  C:\modules.vhdx

Paso 3. Configurar .wslconfig

Edita:

%UserProfile%\.wslconfig

Incluye:

[wsl2]
kernel=C:\\bzImage
kernelModules=C:\\modules.vhdx

Reinicia WSL:

wsl --shutdown

Paso 4. Verificar zswap

En WSL:

cat /sys/module/zswap/parameters/enabled

Debe mostrar:

Y

Comprueba también:

cat /sys/module/zswap/parameters/compressor
cat /sys/module/zswap/parameters/zpool

Ajuste recomendado: vm.swappiness = 133

Para mejorar aún más el rendimiento, es beneficioso establecer un valor alto de swappiness. El valor recomendado al usar zswap en WSL2 es 133. Este valor indica al sistema que comprima activamente las páginas de memoria, priorizando la caché del sistema de archivos y optimizando el rendimiento incluso en situaciones de poca memoria.

Para hacerlo permanente:

sudo bash -c 'echo "vm.swappiness=133" >> /etc/sysctl.conf'
sudo sysctl -p

Cómo monitorear el ahorro de RAM

#!/bin/bash
# Función para calcular el ahorro de RAM
calculate_zswap_savings() {
    local stored_pages=$(cat /sys/kernel/debug/zswap/stored_pages)
    local pool_total_size=$(cat /sys/kernel/debug/zswap/pool_total_size)
    local page_size=$(getconf PAGE_SIZE 2>/dev/null || echo 4096)
    local ram_uncompressed=$((stored_pages * page_size))
    local ram_saved=$((ram_uncompressed - pool_total_size))
    echo "Páginas almacenadas: $stored_pages"
    echo "Tamaño total del pool: $(numfmt --to=iec --suffix=B $pool_total_size)"
    echo "RAM sin comprimir: $(numfmt --to=iec --suffix=B $ram_uncompressed)"
    echo "RAM ahorrada: $(numfmt --to=iec --suffix=B $ram_saved)"
}
echo "Estadísticas de Zswap:"
echo "----------------------"
calculate_zswap_savings

Resultados esperados

Con kernel 6.x y zswap activado puedes esperar:

• Menos uso de swap real.

• Reducción de latencia en compilaciones y contenedores.

• Menos tiempo perdido gestionando memoria cuando el sistema está muy cargado.

Conclusión

Habilitar zswap en WSL2 con kernel 6.x ofrece mejoras claras en estabilidad y rendimiento, especialmente bajo cargas exigentes. El nuevo script simplifica la compilación e instalación del kernel y sus módulos, permitiendo activar zswap con un proceso mucho más limpio que en versiones anteriores.