Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

Un desarrollador creó en 4 horas un escáner de datos ocultos de NTFS con el agente Qwen Coder

Un desarrollador de Habr creó en 4 horas un programa que busca datos ocultos en archivos de Windows (flujos NTFS) sin abrir ningún IDE. La especificación técnica la redactó Qwen3.8-Max, y el código en Rust y Avalonia lo generó el agente Qwen Coder. Las primeras versiones no compilaban, pero bastaron un par de correcciones de 10 minutos cada una. La conclusión: el trabajo humano se reduce a plantear la tarea y verificar el resultado en su propio sistema operativo. El agente solo probaba el código en Linux, por lo que la compilación para Windows 10 fallaba. La versión de consola funcionó tras un par de iteraciones de 10 minutos. Qwen3.7-Plus calificó la arquitectura de ideal, mientras que Max aportó correcciones útiles.

Procesado por IA desde Habr AI; editado por Hamidun News
Un desarrollador creó en 4 horas un escáner de datos ocultos de NTFS con el agente Qwen Coder
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Qwen3.8-Max redactó la especificación técnica para el núcleo en Rust. Se guardó en el repositorio como SPEC.md junto con una estructura inicial de directorios.
Dato clave #2Al agente Qwen Coder se le dio acceso al repositorio y un prompt breve: escribir la aplicación según el archivo de la tarea.
Dato clave #3Después, Qwen3.8-Max elaboró la especificación para la GUI (archivo docs/GUI.md), y Qwen Coder implementó la interfaz en Avalonia.

¿Se puede escribir un programa que funcione sin haber abierto nunca un editor de código? El autor de una publicación en Habr puso a prueba esta idea con una tarea real y tardó unas 4 horas, incluidas todas las conversaciones con las redes neuronales. Creó un escáner que encuentra datos ocultos en archivos de Windows, concretamente los flujos alternativos de datos de NTFS (ADS).

NTFS es el sistema de archivos estándar de Windows, y a cualquier archivo en él se le puede adjuntar un flujo de datos adicional con nombre. No aparece en el Explorador y el tamaño del archivo no cambia. El núcleo del programa está escrito en Rust y la interfaz en Avalonia, una biblioteca para ventanas que funciona tanto en Windows como en Linux.

Todo el trabajo lo hicieron el chat de Qwen y el agente en la nube Qwen Coder, que accede a un repositorio de GitHub, escribe el código y envía el resultado en forma de pull request. La experiencia es ilustrativa porque muestra con claridad en qué se las arregla el agente por sí solo y en qué necesita a una persona.

¿Cuál es la tarea y por qué no es trivial?

Los flujos alternativos se ven en el nombre del archivo como file.txt:streamname. Se usan también de forma legítima: Windows guarda en el flujo Zone.Identifier la marca Mark of the Web, que advierte sobre archivos descargados de internet. Para la compatibilidad con el sistema de archivos de Macintosh, también se emplearon en su día. Pero en un flujo así se puede ocultar cualquier cosa, por eso los administradores y los especialistas en seguridad necesitan escáneres. Al copiar a FAT32 o exFAT, así como al transferir por la mayoría de los protocolos de red, los flujos se pierden.

El autor eligió a propósito una pila tecnológica no sencilla. El programa debe funcionar en Windows y en Linux, y en Linux a través de los dos controladores de NTFS, ntfs3 y ntfs-3g. El resultado está publicado en GitHub, en el repositorio NtfsStreamsViewer.

Cómo está organizado el proceso

Primero, el autor describió la tarea en el chat de Qwen y pidió que evaluara la arquitectura. El modelo predeterminado, Qwen3.7-Plus, calificó el planteamiento de ideal y no precisó ningún detalle. Eso no convenció al autor. Envió el mismo prompt a Qwen3.8-Max y obtuvo una respuesta detallada con propuestas útiles. Este modelo también aprobó la arquitectura, pero recomendó añadir una aplicación de consola, que después se implementó.

La cadena de trabajo quedó así:

  • Qwen3.8-Max redactó la especificación técnica para el núcleo en Rust. Se guardó en el repositorio como SPEC.md junto con una estructura inicial de directorios.
  • Al agente Qwen Coder se le dio acceso al repositorio y un prompt breve: escribir la aplicación según el archivo de la tarea.
  • Después, Qwen3.8-Max elaboró la especificación para la GUI (archivo docs/GUI.md), y Qwen Coder implementó la interfaz en Avalonia.
  • Tras cada etapa, el resultado volvía a pasar por una revisión de Qwen3.8-Max.

El autor aceptaba los pull requests del agente sin hacer cambios.

Dónde tropezaba el agente

El cuadro no es tan idílico como lo presenta el autor en sus conclusiones. La primera versión del núcleo no compilaba, y el agente insistía en entregar código no funcional. Hubo que pedirle: «haz que compile». Bastaron un par de iteraciones de 10 minutos para obtener una aplicación de consola funcional.

Con la GUI se repitió la historia: a la primera no compiló. El autor explica la causa: el agente no tiene acceso a Windows, comprueba todo en Linux, mientras que el autor probaba en Windows 10. Tras el mensaje de error, el agente corrigió el código. El resultado fue una interfaz correcta, pero muy sencilla. Después, el autor pidió añadir registros y una ventana aparte para mostrarlos, y eso se hizo rápido.

La lección práctica es sencilla. Si el agente trabaja en un entorno distinto al tuyo, la verificación final en la plataforma de destino sigue siendo responsabilidad tuya. En proyectos multiplataforma, esto significa incluir en el proceso una prueba propia en cada sistema operativo y enviar al agente los textos de los errores.

Qué se deduce de todo esto y qué queda en duda

El autor formula la conclusión así: el desarrollo se convierte en una cadena de «análisis, planteamiento de la tarea al agente, revisión del resultado por otra red neuronal y pruebas». Según su valoración, el código se genera tan rápido que la revisión también necesita un agente. Considera que pronto se mirará el código fuente tan poco como hoy se mira el código que produce un compilador. No midió el tiempo, así que la comparación con el desarrollo manual solo puede hacerse a ojo.

Aquí conviene mantener la cautela. Es un solo proyecto y una sola persona, y los pull requests se aceptaron sin cambios. El código lo revisó otro modelo de la misma familia, no una auditoría independiente. Para una herramienta que lee y escribe flujos ocultos del sistema de archivos, este enfoque es arriesgado: los errores pueden ser silenciosos y no romper la compilación. La afirmación de que el desarrollo clásico «vive sus últimos años» sigue siendo una opinión del autor, no el resultado de una medición.

Para un profesional, lo más útil es otra cosa. El esquema parece reproducible: un modelo fuerte escribe y critica la especificación, un agente la ejecuta en el repositorio y una persona verifica el resultado en la plataforma real. Una buena especificación en el repositorio resultó ser la parte más valiosa del proceso, y es por ahí por donde conviene empezar a trabajar.

Historia

Preguntas frecuentes sobre la noticia

¿Cuál es la tarea y por qué no es trivial?

Los flujos alternativos se ven en el nombre del archivo como file.txt:streamname. Se usan también de forma legítima: Windows guarda en el flujo Zone.Identifier la marca Mark of the Web, que advierte sobre archivos descargados de internet. Para la compatibilidad con el sistema de archivos de Macintosh, también se emplearon en su día. Pero en un flujo así se puede ocultar cualquier cosa, por eso los administradores y los especialistas en seguridad necesitan escáneres.

Cómo está organizado el proceso?

Primero, el autor describió la tarea en el chat de Qwen y pidió que evaluara la arquitectura. El modelo predeterminado, Qwen3.7-Plus, calificó el planteamiento de ideal y no precisó ningún detalle. Eso no convenció al autor. Envió el mismo prompt a Qwen3.8-Max y obtuvo una respuesta detallada con propuestas útiles. Este modelo también aprobó la arquitectura, pero recomendó añadir una aplicación de consola, que después se implementó.

Dónde tropezaba el agente?

El cuadro no es tan idílico como lo presenta el autor en sus conclusiones. La primera versión del núcleo no compilaba, y el agente insistía en entregar código no funcional. Hubo que pedirle: «haz que compile». Bastaron un par de iteraciones de 10 minutos para obtener una aplicación de consola funcional. Con la GUI se repitió la historia: a la primera no compiló. El autor explica la causa: el agente no tiene acceso a Windows, comprueba todo en Linux, mientras que el autor probaba en Windows 10.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…