Sospechosos habituales

Hoy te cuento cómo le he dado manos a mi asistente. En el episodio 843 te hablé de la memoria; ahora toca lo otro, porque un asistente que solo habla es un loro. Igual que un chat al uso: parece entenderlo todo y no puede hacer nada. No lee tu correo, no te gestiona el calendario, no te apunta una idea.
Un modelo de lenguaje no es el problema. Lo que le falta son herramientas: funciones que puede decidir invocar. En mi caso, 33 herramientas repartidas en 12 habilidades o skills: correo, calendario, tareas, diario, notas, RSS, meteorología, búsqueda de lugares, web, Strava, recordatorios y widgets. Cada bloque lleva su ficha y su criterio de activación.
Pero dar manos tiene un peaje. Las definiciones de esas 33 herramientas suman unos 11.000 tokens que viajan al modelo en cada mensaje. Pedir «hola» cuesta lo mismo que pedir «busca una cafetería cerca». Así que metí un segundo modelo, un enrutador, que decide por intención qué habilidad anunciar en cada turno. Con eso bajé el gasto cerca de un 25 %, y una petición como la de la cafetería se resuelve con seis herramientas.
Y cuando ya tienes manos aparece el segundo problema: la responsabilidad. No es lo mismo leer tu agenda que borrarla, ni resumir un correo que enviarlo en tu nombre. De ahí los tres niveles de permiso: sin preguntar, avisándote, y pidiendo tu sí explícito. La regla que resume todo: el silencio no es un permiso. Si te pide borrar y no contestas, en cinco minutos expira y se toma como un no.
Cierro con las integraciones que están por llegar —Strava, notificaciones, noticias— y el avance del último episodio de la trilogía. Si quieres montar tu propio asistente, en el repositorio lo tienes en Docker.
Capítulos
0:00 - Introducción y repaso: de la memoria del 843 a las manos del asistente
1:26 - Anuncios parroquiales: err-serve, valet, podtrack y el MCP de atareao.es
6:03 - Del loro al asistente: por qué un chat sin manos no sirve
7:26 - Las 33 herramientas repartidas en fichas y skills
9:52 - El coste oculto: 11.000 tokens por un «hola»
12:35 - El enrutador de herramientas: decidir qué enviar en cada mensaje
14:32 - Agenda, tareas, recuerdos y las herramientas fijas de hora y ubicación
18:13 - Ejemplo real: «busca una cafetería cerca» y el ahorro del 25 %
19:40 - Permisos y responsabilidad: avisar, preguntar y el silencio que no es un permiso
23:05 - Integraciones (Strava, notificaciones, noticias) y cierre del episodio
Más información y enlaces en las notas del episodio
🌐 Aquí lo puedes encontrar todo 👉 https://atareao.es
✈️ Telegram 👉 https://t.me/atareao_con_linux
🦣 Mastodon 👉 https://mastodon.social/@atareao
🐦 Twitter 👉 https://twitter.com/atareao
🐙 GitHub 👉 https://github.com/atareao

Hoy nos metemos de lleno en el estudio de grabación para hablar de la herramienta con la que la mitad de los podcasters del mundo aprendimos a editar: Audacity. Pero no venimos a ponernos nostálgicos. La mítica aplicación de código abierto acaba de dar un salto cualitativo con el lanzamiento de su versión 4, renovando su interfaz y puliendo su motor de efectos en tiempo real. Hablemos de ello. La música de sintonía y separador es "Moon Landing Countdown" by "unminus.com" licencia 901FADA4-D6CC4DFE-8C229474-A621BF6B. Agradaceremos cualquier interacción usando los Comentarios.
Podcast asociado a la red de SOSPECHOSOS HABITUALES. Suscríbase con este feed: https://wt.territoriolinux.es/rss/short.xml

Palabras clave: inteligencia artificial, programación, Claude, arquitectura, tecnologíaResumenEl autor comparte una reflexión filosófica y técnica sobre el impacto de la inteligencia artificial, específicamente el uso de Claude, en su trabajo como programador. Explica cómo está utilizando la IA para reestructurar la arquitectura de una aplicación multiplataforma (Anakel), pasando de un modelo de código repetido a uno cliente-servidor para optimizar el desarrollo. Además, analiza el choque generacional respecto al uso de la tecnología, comparando cómo las generaciones anteriores vivieron la transición al ordenador e internet frente a la dependencia que las nuevas generaciones podrían desarrollar hacia la inteligencia artificial.Puntos claveSe está cambiando la arquitectura de la aplicación Anakel para evitar la repetición de 30.000 líneas de código en Linux, Mac y Windows.
El objetivo es implementar un modelo cliente-servidor con un núcleo multiplataforma y una interfaz específica para cada sistema operativo.
El autor utiliza dos cuentas de Claude (una personal y otra de la empresa) para gestionar el intenso consumo de créditos que requiere el proceso de desarrollo.
Existe una diferencia notable en la capacidad de las IA según el sistema operativo, mencionando que Claude es más eficiente en Linux.
Se destaca la capacidad de la IA para procesar grandes volúmenes de datos (como archivos JSON complejos) y proponer soluciones criptográficas en cuestión de horas.
El autor advierte sobre la posible dependencia psicológica de las nuevas generaciones hacia la inteligencia artificial.
Temas tratadosEl proceso de desarrollo técnico y la transición hacia una arquitectura cliente-servidor.
La gestión de recursos y créditos en herramientas de inteligencia artificial.
La comparativa generacional entre el uso del ordenador/internet y la futura dependencia de la IA.
El impacto psicológico de la falta de conectividad y tecnología en la juventud.
Crítica al desempeño de los equipos de soporte técnico de una multinacional en Sudáfrica.

La perdida de valores infantiles como irle a llevar flores a la tumba de la abuelita...
Este podcast está asociado a la red de Sospechosos Habituales donde podréis encontrar otros muchos podcast de diferentes temáticas.

Palabras clave: LLM, LM Studio, pruebas, modelos, rendimiento

Temas tratadosMetodología de las pruebas con modelos de lenguaje locales.
Comparativa de rendimiento y velocidad entre modelos de diferentes tamaños.
Análisis de la calidad literaria frente a la fidelidad a las instrucciones.
Impacto del razonamiento del modelo en la velocidad de generación.
Requerimientos de memoria RAM según el tamaño del modelo (GB).