Después del inventario llega otra decisión crítica: determinar qué tratamiento necesita cada archivo, qué operaciones pueden realizarse y cuándo el sistema debe detenerse.
Antes de generar embeddings o elegir una base vectorial, tuve que responder una pregunta mucho más básica: qué documentación tenía realmente. Así construí, con pequeños scripts de Python y ayuda de asistentes de IA, el inventario documental que terminó convirtiéndose en el primer componente de mi RAG.
Una carpeta llena de documentos no es todavía una base de conocimiento. Explico cómo organizo, proceso e indexo mi documentación para poder consultarla mediante un RAG local, qué son realmente los embeddings y qué he aprendido construyéndolo.
Guía práctica para ejecutar modelos de IA locales en tu homelab con Ollama y Open WebUI: Docker, GPU NVIDIA, modelos recomendados, casos de uso reales, seguridad y mantenimiento básico.
Ollama y LM Studio permiten ejecutar modelos de IA en local, pero encajan mejor en usos distintos. Comparo ambos desde mi experiencia en Windows 11: modelos GGUF, API, automatización, VRAM, Docker y flujo de trabajo.
Instala OpenClaw en tu homelab: agente de IA con Telegram. Asistente personal con modelos locales, control del servidor y automatizaciones con privacidad total.
Agentes de IA: qué son, tipos principales y cómo usarlos en tu homelab. Introducción práctica a la inteligencia artificial autónoma con ejemplos reales.
Inteligencia Artificial en el homelab: modelos locales, asistentes con Ollama, automatizaciones con IA y cómo integrar estas tecnologías en tu infraestructura personal.
Julio Rodas
Tecnología sin humo. Cómo pienso, pruebo y tomo decisiones tecnológicas.
Cómo trabajo · Sobre mí · Artículos · Contacto
Aviso Legal · Política de Privacidad · Política de Cookies
Las opiniones expresadas en esta web son personales y no representan necesariamente la posición de mi empleador ni de ninguna organización con la que mantenga una relación profesional.
© 2026 Julio Rodas