Sospechosos habituales

Sospechosos Habituales

Sospechosos Habituales

  1. ATA 794 Cómo crear tus propias herramientas de IA (GRATIS y en local)

    HACE 8 H

    ATA 794 Cómo crear tus propias herramientas de IA (GRATIS y en local)

    Si en los últimos episodios te he hablado de las bondades de Open Web UI, hoy vamos a ensuciarnos las manos (de forma figurada, claro) para exprimir esta herramienta al máximo. No se trata solo de instalar un contenedor y ver qué pasa; se trata de convertir a tu inteligencia artificial en un asistente que realmente te conoce y tiene "superpoderes" gracias a herramientas personalizadas. Seguro que te ha pasado alguna vez: estás hablando con una IA y, de repente, parece que se le ha olvidado lo que le dijiste hace cinco minutos. Esto es lo que conocemos como el problema de la ventana de contexto. Los modelos tienen un límite de información que pueden procesar a la vez. En este episodio, te muestro cómo Open Web UI gestiona la memoria para que el asistente recuerde quién eres, cuáles son tus aficiones y hasta tus lenguajes de programación preferidos. Es fascinante ver cómo, tras una búsqueda en GitHub o en redes sociales, la IA es capaz de guardar esos detalles en su "cerebro" local para usarlos más adelante. Pero lo que de verdad me ha volado la cabeza es la posibilidad de crear herramientas (Tools). Imagina que necesitas calcular la distancia exacta entre dos ciudades para planificar una ruta de entrenamiento. Normalmente, la IA haría una búsqueda web más o menos precisa, pero ¿y si le pudiéramos enseñar a usar un script de Python específico para eso? En el podcast te cuento cómo la propia IA es capaz de programar su propia herramienta, dándote el código y las instrucciones para que la integres en tu interfaz. ¡Es el sueño de cualquier amante de la automatización! Además, tocamos un tema fundamental en los tiempos que corren: la privacidad y el coste. Las grandes tecnológicas se están dando cuenta de que mantener estos modelos cuesta una fortuna y ya estamos empezando a ver cómo suben cuotas o limitan el uso. Al trabajar en local, no solo te ahorras suscripciones, sino que te aseguras de que tus datos no salen de tu casa. Es soberanía tecnológica en estado puro. Lo que vamos a tratar en este episodio: 00:00:00 - Introducción: Exprimiendo Open Web UI00:00:45 - Presentándome a mi propia IA local00:01:38 - La importancia de la memoria y el contexto en los LLM00:02:11 - Herramientas de búsqueda: ¿Qué sabe internet de Atareao?00:04:37 - Guardando información relevante en la memoria (RAG)00:05:04 - Consultas en tiempo real: El tiempo y el pronóstico00:06:20 - Ahorrando tokens: La importancia de ser conciso00:07:24 - Planificando un entrenamiento basado en datos meteorológicos00:10:02 - Cálculos de distancia y búsquedas web inteligentes00:11:54 - Crea tus propias herramientas (Tools) con Python00:14:32 - Configuración de herramientas personalizadas paso a paso00:16:12 - Integración de APIs externas (Nominatim) en local00:17:18 - Poniendo a prueba la memoria a largo plazo de la IA00:19:53 - Análisis de perfil de GitHub y lenguajes preferidos00:21:55 - Privacidad y ahorro: El fin de las subvenciones de las grandes Big Tech00:23:44 - De Google AI Studio a Open Web UI: El flujo de trabajo00:24:45 - Conclusiones y adelanto del próximo episodio: ¡Open Code!Te cuento también mi flujo de trabajo actual, cómo he pasado de herramientas en la nube como Google AI Studio a tenerlo todo bajo mi control con Open Web UI. Y ojo, que esto es solo el principio. En el próximo episodio abandonaremos un poco la interfaz de chat para meternos de lleno en Open Code, buscando siempre esa independencia tecnológica que tanto nos gusta. 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

    26 min
  2. Por qué los métodos genéricos de productividad fallan en el despacho

    HACE 1 DÍA

    Por qué los métodos genéricos de productividad fallan en el despacho

    ¿Cuántas veces has intentado aplicar un sistema de productividad famoso —como Getting Things Done, Notion o el método Pomodoro— para terminar abandonándolo a las pocas semanas? Es muy probable que hayas sentido frustración, pensando que te faltaba constancia o disciplina. Pero, en realidad, el problema no eres tú: son los métodos genéricos. En este tercer episodio de la temporada "El oficio bien hecho", desmontamos con honestidad por qué los manuales de productividad personal no encajan en la realidad de un despacho de abogados. Durante el programa analizamos los cinco fallos estructurales más importantes que rompen estos sistemas: La dictadura del plazo: A diferencia de otros profesionales, en la abogacía el marco general lo marcan las fechas de vencimiento y los plazos judiciales. No priorizamos tareas ignorando el reloj; el recurso o la providencia marcan la pauta. La fragmentación impuesta: Los bloques de trabajo profundo de cuatro horas chocan contra la realidad de los juicios, las visitas y las urgencias. Confundir comunicación con trabajo: Gestionar correos, procuradores o llamadas da la sensación de haber sido productivo, pero no produce obra valiosa como redactar un dictamen. La dimensión emocional del cliente: Absorbemos y reorientamos la angustia de personas que atraviesan crisis vitales reales, lo cual consume una energía cualitativamente distinta. Importar herramientas sin criterios: Las aplicaciones y plataformas no son el sistema; los criterios para proteger la atención y el tiempo son lo verdaderamente fundamental. Los métodos genéricos tienen grandes ideas en su núcleo, pero necesitan ser traducidos y adaptados a nuestro oficio. No estamos aquí para prometerte una vida libre de estrés, sino para ayudarte a habitar la abogacía con mayor tranquilidad y concentración en tus escritos.

    17 min

Acerca de

Sospechosos Habituales

También te podría interesar