Atareao con Linux

Si has estado escuchando los últimos capítulos, te habrás dado cuenta de que he estado sumergido de lleno en el fascinante (y a veces abrumador) mundo de la Inteligencia Artificial. De vez en cuando mi mente me pide a gritos un descanso. Y para mí, descansar significa volver a los orígenes: ponerme a cacharrear con la terminal y escribir código en Rust.
En el episodio de hoy quiero cambiar completamente de tercio. Te voy a contar mi experiencia de las últimas semanas saliendo de mi zona de confort con un editor de texto modal que me tiene maravillado en los servidores, y te presentaré cuatro herramientas que he desarrollado en Rust para solucionar pequeños problemas del día a día directamente en la consola de comandos. Así que, ponte cómodo mientras cocinas, vas de camino al trabajo o das un paseo, ¡porque nos vamos directos al turrón!
El gran dilema de la terminal: ¿Por qué uso Helix en mis servidores si soy fiel a NeoVim?
Los que me seguís desde hace tiempo sabéis que mi editor de cabecera en mi equipo de trabajo habitual es NeoVim. Llevo muchísimos años puliendo mi configuración y, a día de hoy, tengo más de cien plugins instalados que hacen que mi entorno sea espectacular: autocompletado instantáneo, una barra de estado genial, un explorador lateral de archivos y un sistema de análisis de código brutal. Pero, ¿qué pasa cuando me conecto por SSH a mis servidores de producción? Normalmente, estos servidores corren distribuciones Ubuntu de soporte a largo plazo con paquetes más antiguos, por lo que mi configuración de NeoVim moderna empieza a fallar estrepitosamente.
Instalar y mantener más de cien plugins en cada uno de los servidores que gestiono es un dolor de cabeza inmanejable. Para solucionar esto sin renunciar a la agilidad de un editor modal en terminal, decidí darle una oportunidad a Helix.
Peleándome con la memoria muscular
Tengo que confesarte que adaptarme a Helix ha sido un ejercicio duro para mis dedos. Cuando llevas años interiorizando los comandos de Vim, tu cerebro automatiza la edición.
Mis herramientas caseras desarrolladas en Rust
Aquí te hablo de ellas en detalle:
1. mkdr (Markdown Reader/Render): Como todos mis artículos de atareao.es y mis notas personales están guardados en formato Markdown, necesitaba un renderizador potente para leerlos cómodamente desde la consola de comandos.
2. id3cli: Automatizar los metadatos de los episodios de este podcast es crucial para mí.
3. rustled: Para que mi asistente de inteligencia artificial, Cloe, pudiera comunicarse conmigo por voz, necesitaba una herramienta de texto a voz (Text-to-Speech) flexible
4. ssrs: Si en algún momento no dispongo de conexión a internet o prefiero que los textos se procesen con absoluta privacidad, recurro a susurros.

00:00:00 Introducción y un descanso de la Inteligencia Artificial
00:00:56 ¿Qué es Helix y por qué me costó al principio?
00:02:27 El problema de llevar NeoVim (y sus plugins) a los servidores
00:06:23 Primeros pasos con Helix: el tutor y las diferencias con Vim
00:09:34 Pantalla dividida, multicursor y velocidad extrema
00:10:54 Temas, resaltado de sintaxis de serie y comandos
00:15:12 Mis propias herramientas: renderizar Markdown en terminal con mkdr
00:18:40 Navegación estilo Wiki y otras ventajas de mkdr
00:20:18 id3click: gestionando etiquetas MP3 sin depender de terceros
00:21:52 Dándole voz a Cloe: raslet y la API de Microsoft Edge TTS
00:24:35 susurros: generación de voz 100% en local con Rust
00:26:55 El futuro: ssrs (Whisper en Rust) y conclusiones
00:28:35 Recomendación de podcast: Legalmente Productivos y despedida

Más información y enlaces en las notas del episodio
🌐 Aquí lo puedes encontrar todo 👉 https://atareao.es
✈️ Telegram (el grupo) 👉 https://t.me/atareao_con_linux
✈️ Telegram (el canal) 👉 https://t.me/canal_atareao
🦣 Mastodon 👉 https://mastodon.social/@atareao
🐦 Twitter 👉 https://twitter.com/atareao
🐙 GitHub 👉 https://github.com/atareao

Olvídate de hacerle preguntas genéricas a ChatGPT; hoy vamos a ver cómo sacarle partido real y práctico a la tecnología para solucionar problemas cotidianos y quitarnos de encima la fatiga de decisión diaria.
Seguro que te suena la película: post-its en la nevera, hojas de cálculo que se quedan desactualizadas y el clásico "¿qué cenamos hoy?" que acaba en improvisación o en una compra desorganizada. Para evitar esto, he diseñado un ecosistema de agentes basados en cuatro cajas de herramientas que llamamos MCP (Model Context Protocol). Estos protocolos permiten que la IA no solo responda preguntas, sino que interactúe de forma directa con mis datos y aplicaciones externas.
Te explico de forma muy sencilla las piezas que componen este sistema:
El RAG Semántico para las recetas: Tengo una base de datos vectorial con unas 1.700 recetas cargadas en PostgreSQL mediante pgvector. La clave es que no busco platos por coincidencia exacta de palabras. Si le digo que quiero "algo rápido y ligero con verdura", el sistema realiza una búsqueda semántica, entiende lo que busco y me propone las mejores opciones. Todo esto se procesa de forma económica mediante OpenRouter sin necesidad de tener una potente GPU en local.
Los Skills y SQLite: Los "Skills" definen los procesos exactos que debe seguir el modelo. Le he marcado unas pautas sencillas: platos únicos mediterráneos para comer y cenas ligeras. Toda esta información se gestiona en una base de datos SQLite muy ligera.
Lógica difusa en la lista de la compra: El asistente es capaz de agrupar ingredientes similares. Si dos recetas piden tomates en formatos distintos (por ejemplo, "tomates a granel" y "100g de tomates"), la lógica difusa los unifica bajo un mismo concepto para evitar duplicados en la lista de la compra, organizando además los productos por pasillos o secciones (como frutería o carnicería).
Typst para exportar a PDF: Para ver el menú en una tablet o imprimirlo para la nevera, utilizo Typst, una alternativa moderna a LaTeX que me genera unos documentos PDF impecables en cuestión de segundos.
Además, te cuento cómo puedes montar todo esto en local de manera gratuita con Ollama, y aprovecho para actualizarte sobre mis andanzas de vuelta al "cacharreo" puro en Linux: desde mis experiencias recientes con el editor Helix y "mkdr" (mi renderizador de Markdown para terminal), hasta "podcli", una pequeña utilidad para exprimir los feeds de podcast desde la consola.
Espero que disfrutes de este episodio tanto como yo montando todo este tinglado. ¡A cacharrear!
Capítulos del episodio:
00:00:00 Agentes de IA que de verdad nos facilitan la vida
00:01:42 El ejemplo práctico: Automatizar nuestro menú semanal
00:03:51 La fatiga de decisión y por qué la disciplina humana falla
00:05:38 Mi caja de herramientas: 4 MCPs (Model Context Protocol)
00:06:58 Buscando comida con IA: El RAG semántico de 1700 recetas
00:08:45 Búsqueda híbrida y embeddings económicos sin usar GPU local
00:10:00 Simplificando las comidas: El papel de los "Skills"
00:11:58 Organizando la base de datos de manera sencilla con SQLite
00:13:31 Lógica difusa: Evitando duplicados en la lista de la compra
00:15:23 Creando PDFs bonitos con Typst (la alternativa moderna a LaTeX)
00:17:03 Demostración en directo: Generando el menú de la semana
00:19:12 Automatización total: Generación automática de menús con Cron
00:20:19 Revisión del menú, las recetas y la alternativa local con Ollama
00:23:12 De vuelta al "cacharrero" de Linux: Helix, mkdr y Podcli
00:24:51 Próximos episodios: Instalación desde cero a producción de Hermes
00:25:38 Despedida y cierre del episodio
Más información y enlaces en las notas del episodio
🌐 Aquí lo puedes encontrar todo 👉 https://atareao.es
✈️ Telegram (el grupo) 👉 https://t.me/atareao_con_linux
✈️ Telegram (el canal) 👉 https://t.me/canal_atareao
🦣 Mastodon 👉 https://mastodon.social/@atareao
🐦 Twitter 👉 https://twitter.com/atareao
🐙 GitHub 👉 https://github.com/atareao

Si en el episodio anterior te hice una pequeña introducción de lo que es capaz de hacer este agente, hoy quiero bajar al barro contigo y contarte cómo le he dado ojos a nuestro modelo para que pueda explorar internet, documentarse y encontrar la mejor información de forma completamente soberana, libre de anuncios y con el máximo respeto por nuestra privacidad.
En este episodio nos vamos a centrar en dos "conectores" brutales que he integrado en su arsenal: uno para realizar búsquedas en la web general y otro para realizar búsquedas avanzadas en YouTube.
SearXNG: Tu propio Google privado y sin publicidad
La primera pieza de este rompecabezas es SearXNG. Es una herramienta maravillosa que actúa como un buscador de buscadores. En lugar de ser un motor de búsqueda que rastrea la web entera por su cuenta, SearXNG lo que hace es consultar de forma simultánea a los grandes del sector: Google, Bing, Brave, DuckDuckGo y los que tú decidas. Recopila las respuestas de todos ellos, limpia los molestos rastreadores que intentan identificarte, elimina los anuncios y te devuelve una lista limpia de resultados.
Invidious: Buscando en YouTube con total soberanía
La segunda herramienta que le he dado a Hermes es Invidious, y tiene un propósito muy claro: facilitarle el acceso a la inmensa base de conocimientos que es YouTube.
La magia de los subagentes paralelos
Lo que me tiene entusiasmado de este sistema es la capacidad de Hermes de combinar ambas herramientas de forma autónoma gracias a los subagentes. Imagina que le pido a Hermes que me recomiende cómo aprender a programar en el lenguaje Rust. En lugar de darme una respuesta estática, Hermes decide de forma inteligente lanzar dos subagentes: uno se va a la web a través de SearXNG a buscar documentación oficial y artículos de referencia, mientras que el otro se va a YouTube a través de Invidious para buscar cursos en vídeo.
Ambos asistentes virtuales regresan con sus hallazgos y Hermes hace un cruce de datos espectacular.
El poder de los contenedores Docker
Para montar todo esto sin complicarme la vida ni ensuciar el sistema operativo de mi equipo principal, he recurrido a mis queridos contenedores Docker. Cada herramienta corre en su propio compartimento aislado. Da igual que SearXNG use unas librerías de Python concretas o que Invidious requiera otras dependencias distintas; al estar encapsulados, nunca entran en conflicto. Si quiero actualizar algo, simplemente descargo la nueva versión del contenedor y listo. En la entrada del blog te dejaré las plantillas de Docker Compose preparadas para que tú también puedas desplegarlas en tu servidor y empezar a cacharrear hoy mismo.

CAPÍTULOS DEL EPISODIO:
00:00:00 Presentación: El asistente de IA definitivo y la soberanía digital
00:01:40 ¿Qué es un MCP (Model Context Protocol)?
00:03:26 SearXNG: Tu propio motor de búsqueda privado y sin anuncios
00:05:53 Poniendo a prueba las búsquedas web con Hermes
00:07:32 Cómo está montada la infraestructura de búsqueda con Docker
00:08:48 Automatización real: Creación de documentos con información web
00:09:38 Invidious: YouTube sin publicidad y sin rastreo
00:11:43 Buscando y analizando vídeos de YouTube con Hermes
00:16:20 Superpoderes combinados: Búsqueda web + YouTube
00:20:40 Por qué autoalojar todo en contenedores Docker independientes
00:22:04 Analizando la recomendación razonada de la IA para aprender Rust
00:24:09 Próximo episodio: Planificación de menús y bases de datos vectoriales
00:25:09 Taller presencial en Linux Center de Slimbook (¡ven a cacharrear!)
00:26:00 Despedida y cierre del episodio

Más información y enlaces en las notas del episodio
🌐 Aquí lo puedes encontrar todo 👉 https://atareao.es
✈️ Telegram (el grupo) 👉 https://t.me/atareao_con_linux
✈️ Telegram (el canal) 👉 https://t.me/canal_atareao
🦣 Mastodon 👉 https://mastodon.social/@atareao
🐦 Twitter 👉 https://twitter.com/atareao
🐙 GitHub 👉 https://github.com/atareao

Hoy te traigo un episodio que se sale completamente de lo habitual y que ha supuesto un auténtico terremoto en mi forma de plantear los contenidos. Todo viene de un cambio de estrategia radical que decidí tomar tras pararme a analizar las estadísticas de los últimos programas. Me di cuenta de un detalle muy tonto pero crucial: te estaba hablando de herramientas increíbles, de los maravillosos conectores MCP y de bases de datos súper avanzadas... ¡pero no te había mostrado al verdadero protagonista de la película! Te estaba hablando de accesorios y complementos sin enseñarte el agente de Inteligencia Artificial que los gobierna a todos. Es como si te diera un manual de bujías sin mostrarte el motor del coche. Así que he decidido pausar el resto de temas técnicos y traerte directamente a Hermes Agent. Y para hacerlo de la manera más honesta y didáctica posible, hoy no te lo voy a contar yo solo: he dejado que mi propio agente de IA local tome el control del micrófono para demostrarte de lo que es capaz en tiempo real, sin nubes y sin cortes.
El cerebro que vas a escuchar hablar a lo largo de este podcast se llama Lara. Es el agente que he configurado utilizando como cimiento el proyecto de código abierto Hermes Agent.
Para demostrar que este tipo de tecnologías está al alcance de cualquiera y no requiere un hardware inalcanzable, he configurado a Lara para que funcione en un Slimbook One de lo más modesto. No cuenta con tarjeta gráfica (GPU) ni coprocesadores de IA (NPU); corre única y exclusivamente tirando de CPU, de procesador clásico. Para que podamos comunicarnos con ella y escucharla, utilizamos herramientas locales tanto para el reconocimiento de voz (Whisper) como para el paso de texto a voz (TTS). Al no disponer de un hardware de aceleración dedicado, notarás que la voz de Lara suena con ese puntito robótico clásico del software local y que a veces pronuncia de forma un tanto peculiar palabras en inglés como "YouTube" o "skills". Pero te aseguro que, en cuanto la escuchas interactuar un rato y negociar el guion del programa, le coges un cariño increíble. Especialmente porque Lara no tiene esa amabilidad artificial y empalagosa de los asistentes comerciales que te dicen "claro, con gusto te ayudo"; ella tiene su propia personalidad.
En este programa vas a poder escuchar de primera mano cómo funciona este sistema a través de siete demostraciones reales y en tiempo real. Aunque preparamos un guion base inicial, las últimas pruebas las hicimos completamente al azar y sin red para ver hasta dónde podíamos exprimir la CPU del Slimbook:
Demo 1: Lara realiza una búsqueda en vivo en Internet sobre las últimas tendencias y vídeos de agentes de IA locales
Demo 3: Mi demostración favorita. Conectamos una base de datos local con más de 1600 recetas a nuestra lista de la compra inteligente.
Demo 4: Accedemos a mi archivo personal de más de 3300 notas de texto y tareas pendientes integradas.
Demo 5: Conectamos a Lara con mis datos de Strava del último mes.
Demos 6 y 7: El experimento final sin red. Lara resume las noticias de tecnología más destacadas.
Capítulos del episodio
00:00:00 Cambio de estrategia: ¿Por qué necesitas un agente?
00:03:36 Presentación de Lara y su cerebro local
00:05:32 Demo 1: Búsqueda y análisis de información en Internet
00:07:53 Demo 2: Multitarea paralela con subagentes
00:09:51 Demo 3: Recetas de cocina y compra inteligente
00:13:58 La importancia de la búsqueda semántica en tus notas
00:14:48 Demo 4: El sistema de notas y tareas conectadas
00:16:51 Demo 5: Controlando mis entrenamientos con Strava
00:19:14 De la teoría al caos: Demos aleatorias sin red
00:20:21 Demo 6: Noticias de tecnología e IA al día
00:22:29 Demo 7: Resumen inteligente de textos extensos
00:26:14 Taller presencial de Valencia: Trasteando con Hermes
00:28:51 Hermes vs OpenClaw: La experiencia real de Daniel Primo
00:29:52 Privacidad y hardware: Modelos ejecutados en CPU local
00:30:26 Cierre del episodio y comunidad Atareao

¡Episodio 800 de Atareao con Linux! Parece que fue ayer cuando empecé a grabar las primeras entregas compartiendo mis andanzas en el mundo de los servidores y el código abierto, y mirad hasta dónde hemos llegado. Muchísimas gracias de todo corazón por acompañarme en este viaje, por cada comentario, por cada descarga y por estar siempre ahí al otro lado del auricular trasteando y cacharreando conmigo.
Para conmemorar este número tan redondo, hoy vamos a seguir explorando el apasionante mundo del Model Context Protocol (MCP), esa tecnología que está revolucionando la forma en la que interactuamos con la Inteligencia Artificial de forma local. Si en el episodio anterior nos centramos en una herramienta pasiva para consultar la previsión del tiempo, hoy vamos a dar un paso de gigante hacia la acción. Te voy a explicar en detalle cómo he diseñado e implementado un servidor MCP ToDo que dota a tu IA local de una memoria persistente a largo plazo. Sí, has escuchado bien: ¡vamos a curar de una vez por todas la amnesia de los modelos de lenguaje!
Mi propuesta: Un gestor de tareas local programado en Rust
Para atajar este problema, me puse manos a la obra y programé un servidor MCP específico para la gestión de tareas utilizando Rust.
Poniéndolo a prueba en vivo y en directo
Durante el episodio de hoy te cuento exactamente cómo tengo desplegada esta solución en mi servidor doméstico.
Optimización de tokens: El arte de no saturar a la IA
Un detalle técnico fundamental que abordo en este episodio es el control y optimización del contexto.
Capítulos del episodio:
00:00:00 Intro: El hito del episodio 800 y el problema de la memoria en las IA
00:00:32 El consumo de tokens y los límites de la ventana de contexto
00:01:22 Herramientas externas para dotar de memoria a los modelos de lenguaje
00:03:26 Solucionando la "amnesia" de la IA con una base de datos local
00:04:44 Implementación técnica: Un servidor MCP rápido en Rust con Podman y Docker
00:06:14 Cómo configurar la integración del MCP ToDo en OpenWeb UI paso a paso
00:08:29 Demostración en vivo: Listar, añadir y consultar tareas pendientes
00:09:56 El reto del lenguaje natural, el formato de fechas y los logs internos
00:12:05 Gestión avanzada: Marcar tareas completadas y asignar etiquetas
00:14:52 ¿Cómo funciona bajo el capó? Operaciones CRUD y base de datos relacional
00:16:42 Por qué elegí SQLite frente a JSON (búsquedas rápidas con FTS5)
00:18:22 El truco para evitar que tu IA colapse: Paginación y control de tokens
00:20:20 Seguridad de archivos: El rol del MCP como intermediario seguro
00:22:16 El siguiente nivel: De la consulta pasiva de información a la escritura activa
00:23:21 El puente definitivo hacia las bases de datos vectoriales y RAG
00:23:58 Próximo Workshop presencial sobre IA local en Linux Center (Slimbook)
00:24:52 Código abierto en GitHub, infografías de Atareao y avance del próximo episodio
00:25:54 Despedida, comunidad y la red de podcasts de Sospechosos Habituales

Más información y enlaces en las notas del episodio
🌐 Aquí lo puedes encontrar todo 👉 https://atareao.es
✈️ Telegram (el grupo) 👉 https://t.me/atareao_con_linux
✈️ Telegram (el canal) 👉 https://t.me/canal_atareao
🦣 Mastodon 👉 https://mastodon.social/@atareao
🐦 Twitter 👉 https://twitter.com/atareao
🐙 GitHub 👉 https://github.com/atareao