142M tokens. Un día. 10 proyectos.

OpenAI Pro te da una cuota semanal de Codex. La mía se agotó en 24 horas.
~30 tareas de codificación autónoma en paralelo. Un Claude escribiendo prompts. 644 tests al final del día.
No son proyectos de juguete. Un stack completo de inteligencia PM que se alimenta de datos en vivo.

Qué hace

Construí 6 sistemas independientes que cada uno mira Polymarket desde un ángulo diferente.
Uno califica 222 billeteras whale y las clasifica de S a F. Uno genera tarjetas de predicción diarias con datos de momentum CLOB. Uno ejecuta árboles de escenarios geopolíticos a través de Claude y los mapea a mercados en vivo. Uno escanea precios mal calibrados. Uno rastrea mi propio historial de 490 operaciones y me indica dónde pierdo dinero. Uno observa qué billeteras de nivel S están comprando ahora.
Después construí un séptimo sistema que conecta los otros seis.

El bus de señales

Cada sistema escribe señales a una base de datos compartida. El bus las lee todas y hace una pregunta: ¿múltiples sistemas independientes están de acuerdo en el mismo mercado?
Primer funcionamiento en vivo. Dos sistemas convergieron en Kostyantynivka.
El simulador geo construyó un árbol de escenarios de Ucrania y concluyó que el mercado estaba sobrevalorado en 14pp. El motor de tarjetas de predicción —código completamente separado, metodología diferente, sin datos compartidos— marcó el mismo mercado como sobrevalorado en el mismo lado.
Ningún sistema sabía que el otro existía. Eso no es una coincidencia que diseñé. Eso es comportamiento emergente de la infraestructura.

Por qué importa esto

Un sistema llamando un mercado sobrevalorado es una opinión. Dos sistemas independientes llamando el mismo mercado sobrevalorado en el mismo lado es una señal.
Cuantos más sistemas construyas, más convergencias encuentras. El stack se compone. Cada nueva fuente de datos hace que todos los otros sistemas sean más útiles.

La parte aburrida que nadie menciona

Auto-resolvers que verifican si las llamadas pasadas fueron correctas. Dashboards de precisión que rastrean si tus predicciones realmente funcionan. Bases de datos de historial de nivel que notan cuándo un whale es ascendido o degradado. Trabajos cron semanales que actualizan todo mientras duermes.
Nada de esto es emocionante. Todo es lo que separa un tweet de un track record.

142M tokens. 644 tests. La infraestructura está lista. Ahora se ejecuta.