Atareao con Linux

Hoy dejamos a un lado por un momento los modelos de lenguaje y la inteligencia artificial para volver a los clásicos de este pódcast: la optimización y el disfrute de nuestra terminal de Linux. He decidido intercalar estos temas para no aburrir a nadie. Sé que la inteligencia artificial es fascinante, pero de vez en cuando viene muy bien un respiro técnico para centrarnos en lo que siempre nos ha apasionado: exprimir al máximo nuestro sistema operativo favorito. Por eso, hoy te traigo lo que yo llamo el tridente de la terminal, un trío de herramientas que, cuando se integran y empiezan a trabajar juntas, cambian por completo tu flujo de trabajo. Te aseguro que, una vez que las pruebas, ya no hay vuelta atrás.

El buscador difuso interactivo: FZF

La primera pieza de nuestro tridente es FZF (Fuzzy Finder). Imagina que tienes una lista gigante de archivos o de comandos y quieres encontrar algo específico. En lugar de escribir el término de búsqueda exacto, FZF te permite realizar una búsqueda difusa. Si buscas, por ejemplo, la palabra firefox, te bastará con teclear ffx. El programa entenderá de inmediato lo que estás intentando buscar y te filtrará los resultados en tiempo real.

Ripgrep (rg): Búsquedas en milisegundos

La segunda herramienta que forma nuestro tridente es Ripgrep, conocida en la terminal simplemente como rg. Si vienes usando el comando grep de toda la vida, Ripgrep va a ser una revelación para ti. Está programada en Rust y su velocidad de búsqueda dentro de archivos es, sencillamente, abrumadora.

Bat: El clásico cat rediseñado con superpoderes

La tercera punta del tridente es Bat (en algunos sistemas Debian y Ubuntu lo encontrarás como batcat). Todos hemos usado el comando cat para imprimir el contenido de un archivo en la terminal. Bat viene a sustituirlo ofreciendo una visualización muy superior.

Cómo armar el tridente: La fusión definitiva

Lo verdaderamente potente de estas herramientas no es solo usarlas por separado, sino conectarlas. Combinando Ripgrep con FZF y Bat, consigues un sistema de búsqueda en vivo increíble. Puedes hacer que Ripgrep busque un término en todos tus documentos, pasarle esa lista a FZF para que te permita filtrar de forma interactiva y, mientras te mueves por los resultados, abrir una pequeña ventana en el lateral donde Bat te previsualice en tiempo real el contenido del archivo con la sintaxis coloreada.

En el episodio te explico cómo definir estas funciones en tu archivo de configuración (Bash, Zsh o Fish). De este modo, puedes construirte utilidades personalizadas con solo unas pocas líneas de código: desde un explorador de commits de Git muy visual hasta tu propio gestor de notas Markdown, rápido y sin distracciones, eliminando la necesidad de recurrir a pesados programas con interfaz gráfica.

Capítulos de este episodio

Aquí tienes la estructura del episodio para que puedas moverte cómodamente por el contenido:

• 00:00:00 Introducción y el tridente de la terminal
• 00:01:22 FZF: El buscador difuso interactivo
• 00:03:00 Atajos de teclado esenciales para FZF
• 00:08:16 El autocompletado mágico de FZF
• 00:09:09 Ripgrep (rg): Búsquedas a la velocidad de la luz
• 00:12:47 Combinando Ripgrep y FZF
• 00:14:26 Bat: El comando "cat" con superpoderes
• 00:18:07 Armando el tridente: Cómo combinar las tres herramientas
• 00:19:48 Casos prácticos: Explorar commits, matar procesos y gestionar notas
• 00:21:49 El ecosistema completo de 5 herramientas
• 00:23:19 Integración con IA, despedida y conclusiones

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

Te traigo un tema que me tiene completamente entusiasmado: cómo exprimir todos tus documentos, notas, manuales o archivos locales sin tener que compartirlos con nadie. Te voy a dar una visión general de cómo puedes montar un sistema de recuperación de información para que una inteligencia artificial local se convierta en tu asistente personal definitivo. Todo esto sin salir de tu propia casa, sin APIs de pago y de forma completamente privada.

¿Reentrenar o buscar? El gran dilema

Para solucionar esta tremenda limitación, el mundo de la tecnología nos ofrece dos caminos diferentes: hacer un reentrenamiento de un modelo ya existente (lo que conocemos como fine-tuning) o bien montar un sistema RAG (Retrieval-Augmented Generation), que podríamos traducir como generación aumentada por recuperación. En este episodio te desvelo por qué el fine-tuning no es la solución para el común de los mortales: requiere de tarjetas gráficas carísimas, es un proceso lento y estático, y además tus datos privados quedan incrustados dentro del propio modelo, por lo que si se lo entregas a un tercero, estarás regalando tu privacidad.

En cambio, un RAG casero es infinitamente más barato, dinámico y respeta tus datos al cien por cien. Imagina que en lugar de obligar al modelo a memorizar toda la biblioteca (que es lo que hace el fine-tuning), le pones a su lado un bibliotecario listísimo que busca la página exacta de los apuntes que necesita antes de responderte. El modelo de lenguaje lee esa página en tiempo real y te contesta basándose únicamente en hechos reales, no en invenciones.

La tubería de datos para tu cerebro artificial

A lo largo del episodio te explico con todo detalle las piezas que componen esta tubería de datos (o pipeline) que permite hacer magia con tus archivos:

• La ingesta
• El troceado (o chunking)
• Los embeddings y vectores
• La base de datos
• La búsqueda híbrida

Herramientas listas para usar y errores que debes evitar

Si te da miedo el código, no te preocupes. Te hablo también de alternativas como OpenWeb UI. Y si te va la marcha del desarrollo, te cuento cómo con apenas diez líneas de Python y Streamlit puedes tener una aplicación web propia y completamente funcional.

Además, repasamos los tropiezos más habituales que cometemos al empezar en este mundillo, como usar modelos de vectorización que solo entienden inglés para procesar textos en español, no limpiar las cabeceras y pies de página de los PDFs antes de procesarlos, o la importancia crucial de reindexar de forma automática para que tus nuevos documentos estén disponibles al instante.

Capítulos del episodio

• 00:00:00 Introducción y de qué va este episodio
• 00:01:54 ¿A qué problema nos enfrentamos con los LLM?
• 00:05:08 Fine-tuning vs. RAG: ¿Cuál es mejor para tus datos?
• 00:08:29 El Pipeline del RAG: De la ingesta a la respuesta
• 00:10:45 ¿Qué es un "embedding" y qué modelos usar con Ollama?
• 00:12:02 El arte de trocear el texto (Chunking)
• 00:13:40 Búsqueda híbrida: Semántica frente a coincidencia exacta
• 00:14:50 Re-ranking: Ordenando los resultados por relevancia
• 00:15:53 El Stack: Ollama, PostgreSQL, pgvector y Podman
• 00:17:25 Alternativas vectoriales: ParadeDB, ChromaDB y Qdrant
• 00:18:36 Manos a la obra con Python y Streamlit
• 00:20:53 OpenWeb UI: La alternativa con RAG integrado y sin código
• 00:21:42 Cómo saber si funciona: El método de las 20 preguntas
• 00:22:51 Errores comunes que debes evitar al montar tu RAG
• 00:23:55 Lo que viene: GraphRAG y RAG agéntico
• 00:24:44 Resumen final 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

En este episodio vamos a hablar de una de esas herramientas míticas del ecosistema Linux y Unix que prácticamente todos hemos configurado alguna vez: Cron. Ese servicio fiel, un clásico entre los clásicos, que lleva décadas ejecutando nuestras copias de seguridad de madrugada o eliminando ficheros temporales. Sin embargo, las cosas cambian, la tecnología avanza y yo creo que ha llegado el momento de que todos jubilemos a Cron. Sí, como lo oyes. Ha llegado la hora de darle una merecida jubilación dorada y abrir los brazos a una alternativa mucho más moderna, integrada y potente: los Systemd Timers.

¿Por qué deberías jubilar a tu viejo Cron?

Sé que puedes estar pensando: "Lorenzo, pero si a mí Cron me funciona de maravilla". Y es verdad, para un comando sencillo que se ejecute cada hora, Cron cumple. Pero a poco que intentes complicar la tarea, empiezan los problemas. El gran drama de Cron es que trabaja a ciegas y en absoluto silencio. Si tu script falla por falta de internet, por un error de permisos o porque un recurso no está disponible, no te vas a enterar a menos que te hayas tomado el trabajo de programar tus propios registros de log, gestionar lógicas de reintentos o configurar desvíos de errores dentro de tu script.

El poder de los Systemd Timers

Con los Systemd Timers todo esto se soluciona de forma completamente automática y sin añadir complejidad a tus scripts. Systemd se encarga de gestionar de manera integrada el estado de tu sistema y te ofrece superpoderes como:

• Logs centralizados automáticos
• Gestión inteligente de la persistencia
• Control de dependencias
• Aleatorización horaria

La anatomía de una tarea en Systemd

Para conseguir toda esta potencia, Systemd utiliza un enfoque muy limpio en el que dividimos la tarea en dos archivos de texto sencillos que se complementan a la perfección:

• El Servicio (.service)
• El Timer (.timer)

Automatización sin root: Los timers de usuario

Pero mi funcionalidad favorita, y la que utilizo en mi día a día para casi todo, es la posibilidad de ejecutar estos temporizadores en el espacio del usuario corriente, sin necesidad de tener privilegios de administrador ni usar el comando sudo. Estos temporizadores se guardan en tu propia carpeta de configuración personal de forma limpísima y se ejecutan dentro del contexto de tu sesión activa.

Capítulos del audio

• 00:00:00 Introducción y el adiós definitivo a Cron
• 00:01:43 Los fallos silenciosos de Cron: Logs, reintentos y dependencias
• 00:03:06 Las grandes ventajas de usar Systemd Timers
• 00:05:21 La anatomía de la automatización: Timer y Servicio
• 00:06:48 Configuración de la sección [Timer], OnCalendar y persistencia
• 00:07:55 Tareas relativas: OnBootSec y aleatorización de tiempos
• 00:10:00 Comandos de systemctl para gestionar tus tareas programadas
• 00:10:33 Ejemplos prácticos en el sistema: Backups y limpiezas
• 00:12:13 Notificaciones de escritorio e integración con el entorno gráfico
• 00:14:11 Timers de usuario: Automatización segura sin usar root o sudo
• 00:15:25 El truco de Linger para mantener tareas activas en VPS
• 00:16:53 Sincronización continua de notas y cambio automático de fondo
• 00:20:07 Cómo ver los logs y depurar fallos de forma sencilla con journalctl
• 00:21:25 Evita estos errores típicos y valida con systemd-analyze
• 00:24:51 El futuro de la automatización, modelos de lenguaje 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

Si has estado atento a los últimos episodios del podcast, ya te habrás dado cuenta de que estoy completamente enfocado en exprimir la inteligencia artificial local y el software libre. En concreto, hay dos herramientas que se han convertido en mis compañeras inseparables de fatigas en el día a día: OpenCode, que me ayuda a programar de una forma increíble, y Hermes Agent, un asistente digital del que hoy te lo quiero contar absolutamente todo.

El dilema de la instalación: ¿Docker o en tu propia máquina?

Como ya me conoces, sabes bien lo mucho que me gusta a mí levantar "al rico contenedor" y solucionar cualquier despliegue con Docker. Sin embargo, en mis pruebas con Hermes Agent he preferido dar un paso atrás y realizar una instalación directa sobre el sistema operativo, utilizando un entorno virtual de Python.

El peligro de la ventana de contexto y la sangría de tokens

Aquí está uno de los grandes secretos que casi nadie te explica al principio. Cuando ejecutas el asistente de configuración inicial de Hermes Agent, te entran ganas de activar absolutamente todas las características que te ofrece: herramientas de visión, utilidades del sistema, navegación web, traducción... ¡todo suena fantástico! Pero hay una trampa invisible en la que es muy fácil caer.

El superpoder de los perfiles aislados (Profiles)

La solución definitiva a este problema de consumo y rendimiento tiene un nombre: perfiles. Hermes Agent te permite crear tantos perfiles aislados como consideres oportuno.

Modelando el Alma y la Memoria de tu Agente

En el podcast te detallo cómo dar personalidad a tu agente a través del archivo de alma. A mi asistente personal, que he bautizado como Chloe, le he configurado un tono sarcástico, irónico y burlón. Me encanta interactuar con ella de esta manera porque rompe completamente con la clásica respuesta robótica y aburrida de otras inteligencias artificiales comerciales; se siente como hablar con un colega de verdad. Eso sí, te doy pautas para redactar este archivo con cuidado, ya que un "alma" demasiado extensa también te comerá espacio de contexto útil de forma innecesaria.

Ampliando fronteras: MCP, Telegram y automatizaciones automáticas

Por último, abordamos el fantástico protocolo MCP (Model Context Protocol), que nos permite dotar de "manos y ojos" a nuestro agente.

Y para rematar la jugada, la integración con Telegram y Matrix. Es una auténtica delicia poder ir caminando, mandarle un audio desde el móvil a mi bot de Telegram, que este use Whisper en local para transcribir mi voz, procese lo que le pido y me conteste con otro audio sintetizado a la velocidad que yo le he configurado de antemano. Todo ello combinado con tareas programadas (Cron) y un tablero de Kanban interno con el que el propio agente se organiza y ejecuta flujos de trabajo de forma completamente autónoma.

Te invito a que te prepares un buen café, te pongas los auriculares y disfrutes de este viaje de configuración avanzada de 0 a 100.

CAPÍTULOS DEL AUDIO:

• 00:00:00 Introducción: Mi día a día con OpenCode y Hermes Agent
• 00:01:26 El problema de los tutoriales básicos e instalación
• 00:03:00 Configuración inicial y la sangría de tokens
• 00:04:47 Archivos clave y estructura interna de Hermes
• 00:05:56 Creando "Skills" personalizadas y configurando API Keys
• 00:08:15 Perfiles aislados (Profiles): Qué son y por qué los necesitas
• 00:11:00 Cómo clonar y gestionar tus perfiles sin romper nada
• 00:13:35 soul.md: Diseñando el "Alma" y el tono de tu asistente
• 00:15:28 memory.md: El gran desafío de la memoria y el RAG en Rust
• 00:17:38 Expandiendo capacidades con MCP y conversión de voz
• 00:20:47 Llevando tu agente a Telegram con Cron y Kanban integrado
• 00:27:18 Reglas de oro para optimizar tu contexto y despedida

Seguro que si eres de los míos, de los que disfrutan pasando el rato en la terminal o montando servicios en casa, te habrás dado cuenta de que acabamos haciendo tareas repetitivas casi sin querer. Para poner fin a este caos cotidiano te traigo una herramienta espectacular que se llama Just.

Pero la verdadera razón por la que he querido dedicarle este pódcast a Just de nuevo es por una experiencia divertidísima que he tenido estos últimos días con mi asistente de inteligencia artificial local, al que cariñosamente llamo Hermes. Yo soy una persona bastante perezosa para ciertas tareas repetitivas y me gusta poner a trabajar a las máquinas por mí. Normalmente, al acabar mis entrenamientos de carrera, le dicto un audio a Hermes detallando la distancia, las pulsaciones y el ritmo para que él los registre. Pero el otro día, llevado por la vaguería máxima, decidí simplemente hacer una captura de pantalla de la aplicación del móvil y enviársela por Telegram.

Hermes, que es una maravilla de asistente, aplicó un sistema de lectura de imágenes (OCR) llamado Tesseract, extrajo todos los datos de mi carrera y los guardó en un periquete. Yo me quedé encantado y pensé que la vida ya estaba resuelta. Sin embargo, al día siguiente repetí el proceso y... ¡sorpresa! Hermes se había olvidado por completo de cómo lo había hecho. Me preguntó qué quería que hiciese con la imagen y, cuando le recordé lo del día anterior, me soltó que no tenía la herramienta de lectura instalada en su entorno de trabajo. Tuve que guiarle de nuevo de la mano paso a paso.

Ahí fue donde se me encendió la bombilla. Las inteligencias artificiales a veces se despistan y tienen una memoria muy volátil para los flujos de trabajo técnicos. La mejor forma de darles estabilidad es crearles un recetario claro, un archivo "justfile" donde tengan todas sus habilidades documentadas y listas para ejecutar con un simple comando. Así, Hermes nunca más olvidará cómo procesar una imagen o cómo gestionar un contenedor, porque solo tiene que invocar la receta correspondiente.

En este episodio quiero animarte a que pruebes Just en tu propio día a día, uses o no inteligencia artificial.

Capítulos del episodio:

• 00:00:00 Introducción: Olvídate de repetir comandos
• 00:01:33 El problema con Hermes: Por qué las IA también se despistan
• 00:03:04 ¿Qué es Just y cómo funciona?
• 00:04:59 Cómo instalar Just en Linux
• 00:05:31 Comparativa: Just contra Make y Task
• 00:06:42 Gestión de variables, argumentos y funciones
• 00:08:49 Atributos de receta para afinar su comportamiento
• 00:10:00 El comportamiento de las líneas y el poder del Shebang
• 00:11:00 Funciones integradas y ajustes globales
• 00:12:00 Operadores, expresiones y dependencias complejas
• 00:13:00 Usando intérpretes alternativos (Bash, Python, Node) en Just
• 00:14:18 Recetas normales frente a recetas Shebang y scripts
• 00:15:33 Módulos e importación de recetas externas
• 00:16:38 El selector interactivo con búsqueda difusa (just choose)
• 00:17:37 Alias, grupos y autocompletado en tu shell
• 00:18:09 Casos prácticos de uso real (Sysadmin, Docker, Backups)
• 00:19:18 Documentación viva y ejecutable para todo el mundo
• 00:20:17 Control de versiones con Git y límites de Just
• 00:21:10 Una historia de pereza, Hermes, deporte y OCR que se olvida
• 00:22:59 Conclusiones: Simplifica tu vida con este ejecutor de comandos
• 00:24:58 Cierre del episodio 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

Hoy en Atareao con Linux vamos a hablar largo y tendido sobre el Vibe Coding y cómo está cambiando por completo las reglas del juego en este 2026.

Si estás escuchando esto mientras vas al trabajo, cocinas o das un paseo, y crees que esto no va contigo porque nunca has tocado una sola línea de código... ¡espera! No toques el botón de siguiente episodio. Este podcast es precisamente para ti. ¿Alguna vez has tenido esa pequeña idea en la cabeza de una aplicación sencilla que te solucionaría la vida, pero la has descartado porque no sabes programar o no tienes tiempo para aprender? El Vibe Coding es el puente que te va a permitir cruzar esa brecha y hacer realidad tus ideas explicándoselas a la tecnología igual que me las explicarías a mí, con tus propias palabras.

El nacimiento de un nuevo paradigma: Del "Vibe" al Agentic Engineering

Para entender esta auténtica locura nos tenemos que remontar a febrero de 2025. Andrej Karpathy, una de las mentes más brillantes en el mundo de la Inteligencia Artificial (ex OpenAI y ex Tesla), lanzó un tuit que corrió como la pólvora por todo internet. En ese mensaje acuñó el término Vibe Coding: una nueva forma de programar en la que te dejas llevar por las vibraciones, abrazas el crecimiento exponencial y te olvidas de que el código realmente existe. La idea caló de tal forma que se convirtió en la palabra del año para el diccionario Collins y hoy, un año después, el 84% de los programadores la integran en su rutina.

Mi experimento en directo: Una aplicación a medida por dos céntimos

A mí no me gusta hablar de oídas, así que al principio del episodio me he puesto manos a la obra. He abierto mi terminal de Linux, he lanzado una herramienta de código abierto maravillosa llamada OpenCode y le he pedido que crease una aplicación para la terminal en Rust para gestionar mis tareas (un TODO clásico)

¿Qué herramientas tenemos a nuestro alcance en 2026?

• Cursor
• Lovable
• Claude Code

Por otro lado, si eres de los míos y te apasiona el código abierto:

• OpenCode.
• Cline.
• OpenHands
• Aider

El lado oscuro: Las trampas de la falsa seguridad

No todo es perfecto y es de vital importancia hablar del lado oscuro de esta tecnología. Es una trampa cognitiva de falsa confianza de manual.

La conclusión: La IA no te quitará el trabajo, pero sí cambiará el juego

Capítulos del episodio:

00:00:00 Introducción al Vibe Coding y la revolución del desarrollo00:01:40 El origen del Vibe Coding y cómo empezar con un prompt00:05:50 ¿Qué es realmente el Vibe Coding y qué es el Agentic Engineering?00:08:20 ¿Para quién sirve el Vibe Coding? Productividad, MVPs y aprendizaje00:09:40 Herramientas privativas de Vibe Coding: Cursor, Lovable y Claude Code00:13:25 Alternativas de Código Abierto (Open Source): OpenCode, Cline, OpenHands y Aider00:17:05 Demostración en vivo: Ejecutando nuestra aplicación TODO en Rust por dos céntimos00:22:50 El lado oscuro del Vibe Coding: Seguridad, vulnerabilidades y deuda técnica00:26:30 Cómo aprovechar la Inteligencia Artificial sin arruinar tu código00:30:05 El futuro del desarrollo de software 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

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