Why do the secrets scattered across my project end up inside my coding agent's prompt?
Oportunidad
AI coding agents read entire project directories before generating or editing code. That context routinely includes .env files, config YAML, shell history, and CI secrets, all of which get packed into the prompt sent to an external LLM API. On the code-generation side, agents write code that hardcodes the credentials they saw in context. GitGuardian's 2026 State of Secrets Sprawl report found 28.65 million new hardcoded secrets pushed to public GitHub in 2025, up 34% year over year, with AI-assisted commits leaking secrets at roughly twice the rate of human-written commits, and 24,008 unique secrets found sitting in public MCP configuration files. No coding agent today ships a secrets-aware context filter that strips or vaults sensitive values before they enter the prompt.
Por qué importa
A secrets-aware context layer built into the agent toolchain is the only fix that scales as AI-generated code becomes the default.
Cómo evalúo la oportunidad
La Puntuación de Oportunidad es mi propia lectura, no una medición: cuánto duele, con qué frecuencia aparece y qué tan poco existe para resolverlo hoy. Un valor más alto significa que creo que vale más la pena construirlo.
Cuánto dolor causa cuando aparece.
Con qué frecuencia la gente se topa con ello.
Qué tan pocas herramientas buenas existen para ello hoy.
Más problemas que vale la pena resolver
¿Por qué toda aplicación de IA me olvida en el momento en que cierro la pestaña?
AI¿Por qué aprender una nueva área sigue dependiendo de saber qué preguntar?
AI¿Por qué una persona sin experiencia no puede verificar lo que una IA acaba de decirle?
AI¿Por qué probamos los modelos en benchmarks pero los lanzamos a producción guiándonos por la intuición?
AI¿Por qué los agentes de IA no tienen memoria de sus propios errores?
AI¿Por qué no puedo auditar en qué fue entrenado realmente un modelo?