Planifica tu menú y compra con IA: RAG, MCP y Skills para humanos

Vistas: 182
0:00 / 0:00
Planifica tu menú y compra con IA: RAG, MCP y Skills para humanos

Si tienes un modelo de lenguaje de última generación corriendo en tu propio servidor local o consumiendo una API externa, pero únicamente lo utilizas para hacerle preguntas intrascendentes y que te responda con textos graciosos pero poco útiles, te estás perdiendo lo mejor de la fiesta. No estás aprovechando la tecnología en el camino correcto. Lo verdaderamente divertido, es construir herramientas que nos quiten trabajo de encima. Se trata de automatizar esas tareas repetitivas que consumen nuestra energía mental para que podamos dedicarle tiempo de calidad a las cosas que realmente nos importan, ya sea programar un script en Bash, pasar tiempo con la familia o simplemente disfrutar de una buena lectura. El resto de las tareas monótonas podemos, y debemos, delegarlas en nuestros asistentes virtuales.

En este artículo te voy a desgranar de arriba abajo cómo he diseñado y puesto en marcha un sistema inteligente capaz de encargarse de una de las mayores fuentes de fatiga de decisión en cualquier hogar: la planificación del menú semanal y la generación de la lista de la compra perfecta. Y lo mejor de todo es que lo he integrado directamente en mi aplicación de mensajería preferida, todo controlado con lenguaje natural y orquestado de forma automática. ¡Vamos directos al turrón!

El enemigo silencioso: La fatiga de decisión y la cocina diaria

Antes de entrar en bases de datos y configuraciones de red, hablemos del problema real que queremos solucionar. Planificar la comida y la cena de todos los días de la semana es una tarea pesada. No por la dificultad física de cocinar, sino por la carga mental que supone decidir de forma constante qué plato toca preparar hoy, asegurarte de tener los ingredientes listos en la nevera y no terminar repitiendo lo mismo una y otra vez por pura pereza.

Mucha gente intenta solucionar esto utilizando diversas estrategias tradicionales:

  • Libretas de notas que se acaban perdiendo o en las que nunca apuntas nada cuando estás en el supermercado.
  • Hojas de cálculo muy vistosas que requieren una disciplina de hierro para rellenar semana tras semana.
  • Aplicaciones móviles específicas para la lista de la compra que obligan a introducir cada producto a mano, lo que resulta lento e incómodo.
  • Papeles con imanes pegados en la puerta del frigorífico que acaban acumulando polvo.

El problema común de todas estas soluciones es que dependen única y exclusivamente de la disciplina humana. Y seamos realistas: la disciplina humana falla. Hay días que llegas cansado de trabajar, otros en los que simplemente no te apetece pensar, y al final acabas preparando cualquier plato rápido e insípido.

Mi objetivo era radicalmente distinto. Quería un sistema donde yo solo tuviera que decir un par de palabras en mi chat de Telegram, y que de forma invisible ocurriera toda la magia: selección de recetas equilibradas, guardado de la planificación en una base de datos, organización inteligente de la compra consolidando cantidades, y la entrega de un documento PDF maquetado de forma profesional listo para visualizar en mi tablet de la cocina.

Para que esto funcione de forma fluida, es necesario coordinar diferentes tecnologías que actúen como un engranaje perfecto. Aquí es donde entran en juego los Model Context Protocol, el almacenamiento vectorial, las recetas semánticas y la lógica de programación inteligente.

Diseñando la arquitectura: Los pilares de nuestro agente de IA

Para construir este asistente no nos basta con un simple script que consulte una API y nos devuelva un texto plano. Necesitamos una arquitectura modular y robusta. He dividido este proyecto en cuatro patas fundamentales que interactúan entre sí y que te voy a explicar detalladamente:

  • La pata del conocimiento (RAG Semántico): El cerebro del sistema, donde almacenamos y buscamos de manera inteligente un catálogo masivo de recetas.
  • La pata de la acción (Model Context Protocol o MCP): Las herramientas que le proporcionamos a la IA para que pueda interactuar con el almacenamiento, leer bases de datos o escribir archivos.
  • La pata de la lógica procedimental (Skills): Las instrucciones específicas de cómo encadenar esas herramientas para lograr un objetivo concreto de principio a fin.
  • La pata del diseño y la presentación (Typst): La herramienta que se encarga de convertir los datos en bruto de la IA en documentos PDF elegantes, limpios y fáciles de leer.

Todo esto se comunica de forma centralizada con un bot de mensería (como Telegram o Matrix) que actúa como la interfaz gráfica para el usuario. No necesitamos instalar ninguna aplicación extra en el móvil; todo ocurre dentro de una conversación fluida con nuestro propio asistente.

Qué es Model Context Protocol y por qué es el conector universal de la IA

Una de las grandes revoluciones recientes en el mundo del desarrollo con inteligencia artificial es el concepto del Model Context Protocol, habitualmente abreviado como MCP. Para explicártelo de forma que se entienda a la primera, imagínate que la inteligencia artificial es una persona sumamente inteligente encerrada en una habitación sin ventanas ni herramientas. Puede saberlo absolutamente todo sobre literatura, historia y ciencia, pero si le pides que apriete un tornillo físico, no puede hacerlo porque no tiene un destornillador.

El MCP es, básicamente, la caja de herramientas que le metes a esa persona en la habitación. Cada una de las herramientas de esa caja es una función o un programa que la IA puede llamar de forma autónoma cuando considera que lo necesita para cumplir una orden del usuario. El protocolo MCP estandariza la forma en que los modelos de lenguaje descubren, consultan y ejecutan estas herramientas externas, actuando como un conector universal entre el cerebro analítico del modelo y los servicios de nuestro sistema operativo o de internet.

En mi configuración actual tengo montados cuatro MCPs específicos para resolver este ecosistema culinario:

  • MCP de Recetas: Se conecta a nuestra base de datos especializada y permite buscar platos utilizando técnicas avanzadas de búsqueda semántica.
  • MCP de Menús: Permite realizar operaciones para crear, leer, actualizar y borrar registros sobre la tabla de planificación de menús diarios.
  • MCP de Lista de la Compra: Administra el estado de los productos que necesitamos adquirir, consolida cantidades y gestiona marcas de comprado.
  • MCP de Generación de PDFs: Toma el contenido formateado y llama al motor de renderizado para compilar archivos listos para descargar.

Al separar estas responsabilidades en distintos servidores MCP, el código de cada herramienta se mantiene extremadamente simple y fácil de mantener. Cada herramienta hace una sola cosa y la hace excepcionalmente bien.

Alimentando al cerebro: RAG semántico con PostgreSQL y pgvector

El primer paso para que el sistema funcione es alimentarlo con un buen repertorio gastronómico. He extraído de diversas fuentes de internet un total de unas 1.700 recetas de cocina. El problema de los buscadores tradicionales en bases de datos relacionales es que realizan búsquedas literales o exactas por palabras clave.

Por ejemplo, si en un buscador clásico escribes pollo al horno, la base de datos te devolverá únicamente aquellas recetas que contengan exactamente esas palabras en el título o en el contenido. Si tienes una receta deliciosa llamada ave asada con patatas, el buscador clásico la ignorará por completo porque no contiene la palabra pollo. Igualmente, si le pides un plato rápido y ligero, un buscador por palabras clave no tendrá la menor idea de qué significa eso, a menos que asocies manualmente etiquetas a cada receta.

Para superar esta limitación del pasado, decidí implementar una técnica llamada Retrieval-Augmented Generation o RAG basada en búsquedas vectoriales semánticas.

Entendiendo los embeddings vectoriales sin dolor de cabeza

¿Cómo consigue un ordenador comprender el significado de una receta de cocina? A través de los llamados embeddings. Un embedding no es más que una representación numérica del significado de un texto. Mediante un modelo especializado, transformamos el título, los ingredientes y la preparación de una receta en un vector, que no es más que una lista muy larga de números decimales consecutivos.

La magia reside en que los textos que tienen significados semánticos similares acaban teniendo vectores numéricos muy parecidos y muy cercanos en el espacio geométrico de varias dimensiones. Imagina que cada receta es un punto en un mapa tridimensional gigante: las recetas de ensaladas ligeras estarán agrupadas en una esquina, los guisos de legumbres pesados en otra y los postres dulces en otra diferente.

Así, cuando la IA calcula el vector de la frase quiero cenar algo suave con pescado, el sistema buscará en la base de datos los vectores de recetas que estén más próximos geométricamente en ese mapa. De esta forma, encontrará recetas de lenguado a la plancha o merluza al vapor, aunque la receta no incluya de forma literal la palabra suave.

El secreto de la búsqueda híbrida: Lo mejor de dos mundos

Durante mis pruebas iniciales me di cuenta de que confiar al 100% en la búsqueda vectorial pura a veces daba resultados desconcertantes si el usuario quería un ingrediente muy concreto. Por ejemplo, si buscabas específicamente lentejas, el sistema vectorial podía priorizar otros guisos o platos de legumbres por cercanía conceptual, dejando en segundo plano la receta exacta de lentejas de toda la vida que estabas buscando.

Para conseguir el comportamiento perfecto, implementé una búsqueda híbrida combinando dos mundos:

  • 70% de búsqueda vectorial densa: Para capturar la intención semántica, el contexto general del plato, el tipo de comida y la ligereza del menú.
  • 30% de búsqueda tradicional por palabras clave: Para asegurar que si el usuario especifica un ingrediente exacto o un nombre de plato concreto, la base de datos lo encuentre de manera prioritaria.

Esta combinación matemática ofrece una experiencia de búsqueda increíblemente natural y robusta, devolviendo siempre platos coherentes y apetecibles.

¿Necesitas una gráfica de miles de euros? El Slimbook One y OpenRouter al rescate

Un temor habitual al adentrarse en el mundo del RAG y los vectores es pensar que necesitas un servidor carísimo con tarjetas gráficas dedicadas de última generación para calcular los embeddings en tiempo real. Nada más lejos de la realidad.

En mi caso, tengo montado todo el tinglado en mi servidor compacto Slimbook One, un ordenador de consumo ajustado que carece de GPU dedicada. Para realizar el procesamiento pesado de conversión de texto a vectores utilizo la API de OpenRouter. Los modelos de embeddings son sumamente rápidos y su coste en este tipo de plataformas es prácticamente insignificante, pues pagas una fracción de céntimo por cada generación de menú. Por tanto, la infraestructura local se mantiene ligera, fría, silenciosa y con un consumo de luz mínimo.

Organizando la planificación con SQLite y la potencia de los Skills

Aunque para el almacenamiento de recetas y vectores complejos utilizo PostgreSQL, para la gestión del estado del menú semanal preferí optar por la simplicidad absoluta y la ligereza utilizando SQLite.

En el desarrollo de software a veces tendemos a sobredimensionar la infraestructura. Para almacenar un simple calendario de comidas no necesitamos un clúster de bases de datos distribuido. Una base de datos SQLite que resida en un único archivo local es más que suficiente, es increíblemente rápida, no consume recursos en segundo plano y nos permite realizar copias de seguridad de forma instantánea copiando un solo archivo.

He diseñado un esquema relacional minimalista enfocado en operaciones sencillas de lectura y escritura para que el asistente pueda registrar y consultar los datos con facilidad. En este modelo, definimos una tabla donde la clave principal es la fecha del día, y añadimos columnas específicas para guardar tanto los identificadores numéricos de los platos como una descripción en formato de texto plano para la comida y la cena de cada jornada.

Este diseño mixto permite buscar las comidas por su identificador de receta (si provienen de nuestra base de datos estructurada de recetas) o simplemente guardar una línea de texto plano si el usuario nos dice de viva voz: para cenar el jueves ponme unas sobras que tengo en la nevera. El sistema es lo bastante flexible como para convivir con ambos escenarios de manera totalmente transparente.

Qué diantres es una Skill y cómo guía los pasos de la IA

Una Skill o habilidad es la representación de un flujo de trabajo estructurado, un procedimiento detallado que describe cómo encadenar las diferentes herramientas paso a paso para resolver un problema complejo de manera autónoma. Piensa en ello como una receta de comportamiento para la propia IA:

  1. Paso 1: Consulta si existe planificación para la semana actual en el MCP de Menús. Si hay datos previos, pregunta al usuario si desea borrarlos o conservarlos.
  2. Paso 2: Para cada día de la semana (de lunes a viernes), realiza dos búsquedas semánticas en el MCP de Recetas: una para la comida (indicándole que busque platos mediterráneos equilibrados) y otra para la cena (solicitando recetas muy ligeras para facilitar la digestión nocturna).
  3. Paso 3: Con los identificadores de recetas seleccionados por el modelo, guárdalos en el MCP de Menús asociados a la fecha correspondiente.
  4. Paso 4: Invoca al MCP de Lista de la Compra enviándole todos los ingredientes detallados de cada una de las recetas seleccionadas para que empiece el proceso de consolidación.
  5. Paso 5: Llama al MCP de Generación de PDFs para crear los archivos de visualización cómodos para el usuario.

Gracias a este procedimiento estructurado, la IA no divaga, no inventa herramientas y ejecuta cada paso con un orden riguroso que garantiza que al final del proceso tengamos exactamente lo que le hemos pedido.

El desafío de la lista de la compra: Lógica difusa y orden en los pasillos

Aquí es donde nos encontramos con el verdadero reto de ingeniería del proyecto. Extraer las recetas y ponerlas en un calendario es relativamente sencillo. Lo realmente difícil es traducir esas recetas en una lista de la compra que resulte cómoda para un ser humano cuando entra al supermercado.

Imagina que el menú de la semana incluye tres recetas distintas que utilizan tomates.

  • La receta de las berenjenas rellenas del martes pide 100 gramos de tomates pelados.
  • La ensalada de acompañamiento del miércoles requiere 4 tomates cherry.
  • El sofrito del jueves necesita tomates maduros a granel.

Si tu asistente de IA se limita a copiar y pegar los ingredientes de las recetas uno detrás de otro, acabarás con una lista de la compra caótica con tres líneas diferentes de tomates expresadas en distintas unidades de medida. Ir al supermercado con una lista así es un infierno.

Para solucionar este caos, desarrollé algoritmos de consolidación basados en lógica difusa (fuzzy logic).

Consolidación inteligente de cantidades

La lógica difusa nos permite comparar cadenas de texto basándose en su similitud ortográfica y conceptual en lugar de buscar coincidencias exactas de caracteres. Mediante algoritmos de distancia de palabras, el sistema analiza la lista de ingredientes y detecta que tomates pelados, tomates cherry y tomates maduros hacen referencia a la categoría general de tomates.

El sistema unifica estos ingredientes bajo una sola entrada principal en la lista de la compra, sumando las cantidades estimadas y convirtiéndolas a unidades estándar de peso siempre que sea posible (por ejemplo, sugiriendo comprar un kilogramo y medio de tomates en total). Si ya existe una entrada para ese ingrediente, el sistema evita añadir una línea duplicada y simplemente actualiza la cantidad acumulada.

Agrupación automática por pasillos del supermercado

Otro gran dolor de cabeza al hacer la compra es tener que dar vueltas de un lado a otro de la tienda porque tu lista mezcla de forma desordenada la carne, la verdura y los productos de limpieza.

Nuestra IA de compras analiza cada producto y, mediante su comprensión semántica del lenguaje, lo clasifica automáticamente en categorías lógicas que corresponden a los distintos pasillos del supermercado:

  • Frutería y Verdulería: Tomates, berenjenas, aguacates, canónigos.
  • Carnicería y Pescadería: Carne picada de vacuno, salmón fresco, pechuga de pollo.
  • Lácteos: Queso rallado, leche, yogur.
  • Despensa: Aceite de oliva, sal, especias.

De este modo, cuando estás en la sección de frutería, puedes ver de un plumazo todo lo que necesitas de esa zona y marcarlo como comprado de una sola vez, ahorrándote paseos inútiles y mucho tiempo.

Typst: Maquetación profesional a la velocidad del rayo (Adiós, LaTeX)

Una vez que el asistente tiene estructurado todo el menú, las recetas que lo componen y la lista de la compra consolidada, el último paso consiste en empaquetar toda esa información para que el usuario pueda consumirla cómodamente. Mostrar miles de líneas de texto plano en un chat de Telegram no es la mejor experiencia visual del mundo.

Para resolver esto, decidí generar documentos PDF maquetados de forma impecable. Históricamente, la herramienta estándar en el ecosistema Linux para este tipo de tareas de alta fidelidad tipográfica ha sido LaTeX. Sin embargo, cualquiera que haya peleado con LaTeX sabe lo doloroso que puede resultar: tiempos de compilación lentos, sintaxis sumamente engorrosa, dependencias gigantescas que pesan gigabytes en el disco duro y una curva de aprendizaje empinadísima.

Afortunadamente, existe una alternativa moderna, espectacular y desarrollada en Rust que me tiene completamente enamorado: Typst.

Typst es un nuevo lenguaje de composición tipográfica diseñado para ser tan fácil de escribir como Markdown pero ofreciendo una potencia de maquetación profesional comparable a LaTeX. Su compilación es instantánea (en cuestión de milisegundos tienes el PDF listo), su sintaxis es limpia e intuitiva y su motor de plantillas permite crear diseños espectaculares de forma muy sencilla.

He diseñado tres plantillas específicas de Typst que mi asistente rellena dinámicamente con los datos de la planificación:

  • Ficha de Menú Semanal: Un diseño minimalista en formato horizontal, ideal para imprimir y colgar con un imán en la nevera, de manera que toda la familia sepa qué toca comer cada día.
  • Libro de Recetas de la Semana: Un documento que recopila las fichas detalladas de los platos seleccionados para el menú actual, incluyendo lista de ingredientes ordenados y las instrucciones de preparación paso a paso. Perfecto para abrir en la tablet que tengo apoyada en la encimera de la cocina mientras preparo los platos.
  • Lista de la Compra en PDF: Un listado limpio, clasificado por pasillos del supermercado y con casillas de verificación para ir tachando físicamente los productos a medida que los colocas en el carrito.

La orquestación en el mundo real: Telegram y automatización con Cron

Con todas las piezas del rompecabezas listas, lo único que nos queda es unirlas para que funcionen solas sin que requieran nuestra intervención manual diaria. El sistema funciona de dos formas totalmente integradas: interactiva e incremental.

Mi conversación en vivo con el asistente

A través de un bot de Telegram, puedo hablar con mi asistente en cualquier momento utilizando lenguaje natural. El flujo de uso típico es deliciosamente sencillo. Le pregunto si existe una planificación para esta semana. Si ya la tengo creada, el bot me la muestra en un instante.

Si quiero empezar de cero, simplemente le pido que borre el menú existente y genere uno nuevo. El sistema arranca entonces las consultas híbridas a la base de datos de PostgreSQL, selecciona nuevas recetas mediterráneas para comer y ligeras para cenar, actualiza la tabla de SQLite, unifica los ingredientes mediante su lógica de comparación difusa y me envía de vuelta tres flamantes archivos PDF de Typst directamente al chat. Todo ocurre en cuestión de segundos.

La magia del Cron los viernes por la mañana

Como a veces se nos olvida incluso pedirle a la IA que nos planifique la semana, he configurado un script automatizado que se ejecuta mediante el planificador de tareas nativo de Linux: cron.

Todos los viernes a las 9 de la mañana, un cron job despierta al asistente para que genere de forma totalmente automática la propuesta de menú para la semana siguiente junto con su correspondiente lista de la compra. Al llegar a mi despacho por la mañana, me encuentro con los archivos PDF ya listos en mi chat de Telegram.

Si algún plato no me apetece o prefiero cambiarlo por otra cosa, simplemente le respondo al bot pidiéndole que cambie una receta concreta por otra alternativa de pollo o pescado, y el sistema reorganiza el menú, actualiza la lista de la compra y vuelve a mandarme los PDFs corregidos al instante. Es una maravilla que me ahorra horas de planificación y de quebraderos de cabeza.

El camino del self-hosting puro: Todo en local gracias a Ollama

Si eres un defensor de la privacidad y prefieres mantener tus datos totalmente resguardados dentro de tu propia red local sin depender de APIs de terceros, estás de enhorabuena. Este sistema está diseñado para ser completamente compatible con Ollama.

Puedes desplegar Ollama en tu propio servidor doméstico, descargar un modelo de lenguaje ligero pero sumamente capaz y un modelo de embeddings optimizado para correr sin problemas en CPUs domésticas o en ordenadores compactos sin tarjeta gráfica dedicada.

Al configurar el backend de nuestro sistema para apuntar a la IP local de tu servidor de Ollama, el proceso de generación de vectores, la búsqueda semántica en la base de datos, la lógica difusa y la planificación se ejecutan de manera 100% privada e independiente de internet. Tus gustos gastronómicos, tus menús y tus listas de la compra no salen de las paredes de tu casa.

El rincón de Linux: Helix, mkdr y podcli

Para cerrar el episodio de esta semana, no quería dejar pasar la oportunidad de actualizarte sobre algunas herramientas de terminal con las que he estado trasteando en mi día a día dentro de Linux, porque el amor por la consola de comandos nunca se pierde.

Redescubriendo el editor Helix

A pesar de ser un usuario acérrimo de Vim y Neovim durante años, he estado experimentando algunos problemas de rendimiento y dolores de cabeza configurando ciertos plugins complejos recientemente. Esto me ha llevado a darle una nueva y merecida oportunidad a Helix.

Helix es un editor de texto modal escrito en Rust que viene con las pilas incluidas por defecto. A diferencia de Neovim, donde tienes que pasarte horas configurando el protocolo de servidor de lenguaje (LSP), el resaltado de sintaxis con Treesitter y los atajos de teclado, en Helix todo esto funciona de forma nativa desde el primer segundo sin instalar un solo plugin.

Su filosofía de edición modal es inversa a la de Vim: primero seleccionas el texto y luego aplicas la acción (selección-acción), lo que resulta extremadamente intuitivo una vez que te acostumbras. La experiencia de edición es fluida, instantánea y sumamente gratificante. Te recomiendo enormemente que le eches un vistazo si estás cansado de lidiar con interminables archivos de configuración.

mkdr: Renderizado elegante de Markdown en tu terminal

Para complementar mi flujo de trabajo con archivos Markdown en la terminal, he implementado una pequeña utilidad propia llamada mkdr.

Se trata de una herramienta ligera desarrollada para renderizar de forma elegante y legible el código Markdown directamente dentro de la consola, respetando colores, negritas, listas y bloques de código de forma nativa mediante códigos de escape ANSI. Es comodísima para leer notas rápidas o documentación sin necesidad de abrir visores externos o interfaces gráficas pesadas.

podcli: Gestionando el feed de podcasts desde la consola

Por último, sigo utilizando de forma muy activa podcli, una utilidad de terminal que desarrollé hace tiempo y que me ayuda enormemente en la gestión diaria de este podcast. Me permite consultar los feeds RSS de los episodios, extraer cómodamente las URLs del archivo de audio para insertarlas en el blog de WordPress y automatizar gran parte de los metadatos necesarios para la publicación en mi página web.

Qué nos depara el futuro: Hermes de cero a producción

Como adelanto para los próximos contenidos, tengo preparado un despliegue muy especial. En el siguiente lunes temático voy a centrarme en realizar una instalación completa desde cero hasta producción de Hermes.

Pero no nos limitaremos a una instalación básica de las que se ven habitualmente. Vamos a desgranar en profundidad todos esos pequeños detalles que suelen pasarse por alto en los tutoriales genéricos: cómo configurar los servidores MCP, cómo estructurar de forma correcta el sistema RAG, cómo definir los Skills de comportamiento y cómo securizar todo el entorno para que tu agente funcione de manera impecable y segura en tu infraestructura doméstica.

Conclusión: Cacharrear para hacernos la vida más fácil

Como has podido ver en este largo recorrido, los agentes de inteligencia artificial, el RAG semántico y los protocolos como MCP no son meros juguetes de laboratorio para que ingenieros de software se diviertan en sus ratos libres. Son tecnologías potentes, accesibles y maduras que, combinadas con un poco de imaginación y ganas de cacharrear, nos permiten solucionar problemas cotidianos muy reales.

Delegar la fatiga de decisión de la planificación de comidas en un sistema autónomo me ha devuelto un tiempo valiosísimo todas las semanas, me ha permitido comer de forma mucho más equilibrada y saludable, y me ha evitado comprar de forma desorganizada en el supermercado. Y lo más satisfactorio de todo es saber que está construido sobre tecnologías abiertas que podemos controlar, modificar y alojar en nuestros propios servidores.

Anímate a cacharrear con esto, móntate tu propia base de datos de recetas, experimenta con Typst y haz que la inteligencia artificial trabaje para ti de verdad.


  • Model Context Protocol (MCP) – Sitio oficial y especificación técnica de este estándar abierto para conectar modelos con herramientas.
  • Typst – El sistema de maquetación moderno escrito en Rust que sustituye a LaTeX con elegancia y velocidad.
  • PostgreSQL pgvector – Extensión oficial para habilitar almacenamiento y búsquedas vectoriales eficientes en Postgres.
  • Ollama – La herramienta definitiva para correr modelos de lenguaje y embeddings de forma local, privada y gratuita.
  • Helix Editor – El editor de texto modal moderno, rápido y con soporte LSP nativo escrito en Rust.
Ver el vídeo de este episodio
Transcripción

Hola soy lorenzo y esto es atareado con Linux episodio número 803 creo bueno en este episodio,

Voy a continuar comentándote o hablándote sobre esto de los agentes de inteligencia artificial,

Pero más un poco desde un punto de vista global en el sentido de que no se trata de que te hable,

Sobre hermes o sobre open cloud o incluso sobre cualquiera de los otros servicios de los que te he,

Estado hablando durante estas semanas sino más bien es un poco conceptual un poco para que tengamos,

Una idea de las posibilidades que tiene todo esto de los modelos de inteligencia las posibilidades que,

Tiene a la hora de conectarlo con herramientas externas pero sobre todo con un único objetivo,

Que es el de facilitarnos la vida porque al final se trata única y exclusivamente esto de hacernos la,

Vida mucho más sencilla si tienes una herramienta si tienes un modelo de inteligencia pero lo único,

Que te sirve es para preguntarle tonterías y que te conteste otras tonterías pues realmente no estás,

Aprovechando la tecnología en el camino en el que hay que aprovecharla lo que hay que hacer es sacarle,

El máximo partido y hay que hacer o hay que sacar el máximo partido con todas las herramientas que,

Tenemos a nuestro alcance con herramientas que nos van a permitir programar nuestras propias,

Aplicaciones pero herramientas que nos van a permitir extraer información y herramientas que,

Nos van a facilitar al fin y al cabo pues el día a día tener que preocuparnos de lo que nos interesa,

Al final se trata de eso dedicarle tiempo a las cosas que realmente nos importan y el resto pues,

Olvidarlo y esto es un poco de lo que te voy a hablar en este episodio pero te voy a hablar de una,

Manera un poco concreta sobre algo que ya te mencioné en un episodio anterior que es el tema de,

Cómo generar o cómo crear tu menú semanal concretado o sea quiero decir al final se trata de concretar,

Todo esto de los mcps de las de los rack de todo este tipo de cosas que te he ido contando pero para,

Que se vea en algo material en algo que se le puede sacar toda la sustancia inmediatamente y con un,

Ejemplo con un ejemplo práctico pues se puede ver exactamente qué es todo esto de los modelos de,

Inteligencia y qué sentido tiene y evidentemente para ello pues lo primero es decir o preguntar si,

Tengo algo no o informarme si existe un menú para esta semana no preguntar o sea al final lo que voy,

A hacer es preguntarle a mi agente existe un menú para esta semana,

Sí que existe porque lo he creado hace un rato para comprobar que todo funciona correctamente pero,

Lo que voy a hacer es que lo borre y que cree un nuevo menú para que así podamos ver lo concreto de,

Todo lo que lo que se trata de esto no se trata de que algo que ya he hecho anteriormente lo puedas ver,

Sino algo que sea muy concreto vale vale y me está sacando el menú que me había y le voy a decir genera,

Un nuevo menú bueno voy a decirle que borre el menú existente borra el menú existente.

Y genera un nuevo,

No me va a salir un nuevo menú venga con esto ya tenemos un poco la idea al final se trata esto de,

Una herramienta con la que no tenemos que calentarnos la cabeza y esto es precisamente lo que te voy a,

Contar en este episodio así que vamos directos al turrón,

Vale ya está haciendo sus cosas ya está borrando los menús y ahora en un ratito los generará pero,

Porque esto de del menú bueno al final si lo piensas una de las cosas que normalmente no hacemos es,

Organizarnos el tema de la compra siempre bueno por lo menos en mi caso suele suceder un poco así que al,

Final pues se nos olvida o no nos organizamos suficientemente porque nos dedicamos al final a,

Otras cosas que nos dan o que nos resultan más interesantes y al final todo esto lo que se,

Traduce es una fatiga de decisión qué es lo que tengo que comer hoy qué es lo que tengo que cenar,

Luego lo vas apuntando con post y los dejas en la nevera o incluso si eres un poco más organizado,

Te haces una hoja de cálculo o incluso si tienes una aplicación o una herramienta pues vas poniéndote,

Ahí qué cosas tenemos que comprar pero al final todo depende de la disciplina humana todo depende,

De que en un momento nos organicemos y lo hagamos y evidentemente la disciplina humana falla y en,

Este sentido pues se trata de buscar una herramienta que no resuelva este problema y no lo resuelva de,

Una manera realmente eficiente al final puedes tener múltiples aplicaciones múltiples ventanas,

Múltiples herramientas para organizarte todo esto como te estaba diciendo bring para tener tu lista,

De la compra una herramienta para sacarte recetas otra herramienta para organizar los menús y esto es,

Un follón y es un lío y es complicado complicado dentro de lo que cabe quiero decir que estamos,

Hablando de una tarea que realmente muy obvia pero que pues como de costumbre la delegamos o la delegamos o,

La relegamos mejor dicho en pos de otras cosas que nos resultan mucho más interesantes en este,

Sentido pues el objetivo era pues facilitar todo este trabajo y cómo facilitarlo pues de la manera,

Más sencilla utilizando un agente de inteligencia artificial un agente de inteligencia artificial donde,

Le digamos prepara el menú como hecho anteriormente y con ese prepara el menú ya no tengo que hacer,

Nada más directamente no tengo que abrir ninguna aplicación no tengo que abrir ninguna ventana no tengo,

Que todo ocurre en una conversación ya sea de telegram o de matrix como nosotros lo queramos tener pero,

Solamente hemos hecho esto no hemos hecho nada más,

Una vez ya le hemos dicho y ya te he contado un poco de qué va el asunto ahora verás la que tengo,

Montada para resolver este problema y es que tengo montados actualmente cuatro mcps,

Si recuerdas el mcp no era ni más ni menos que una caja de herramientas una caja de herramientas para,

Hacer determinadas operaciones un mcp traducido es un model context protocol pero al final no es ni,

Más ni menos que una caja de herramientas y en este sentido lo que he montado es una caja de herramientas,

Que tiene básicamente cuatro o sea mejor dicho he montado cuatro cajas de herramientas una caja de,

Herramientas con recetas otra con lista de la compra otra con los menús y otra con con una,

Herramienta para generar pdf todo esta es la película que he montado para el tema de las recetas lo que,

He hecho ha sido extraer en torno a 1700 recetas creo recordar que era 1660 recetas que entienden el,

Contexto pero entienden el contexto no sólo como palabras es decir no es que vaya a buscar exactamente,

Pollo al horno sino que lo que va a hacer es una búsqueda semántica y esto básicamente lo hace así,

Porque he conseguido he montado un rag donde he ingestado todas esas recetas en el pasado tenías,

Que hacer una búsqueda exacta una búsqueda exacta donde te devolvían las recetas con palabras exactas por,

Ejemplo si buscabas pollo al horno realmente lo que te iba a devolver,

Si estaba esa receta exactamente así te devolvía pollo al horno pero si no el problema que va a,

Suceder es que lo que vas a encontrar es que si dices algo rápido con ave no te lo va a encontrar,

Sin embargo si realizas una búsqueda ligera digo una búsqueda semántica con una búsqueda semántica lo que,

Sucede es que entiende el significado subyacente de lo que tú le estás pidiendo devuelve plantos,

Semánticamente correctos de manera que lo que tú le estás pidiendo coincide esta es la primera parte,

Realmente lo que he hecho ha sido o sea extraje todas las recetas de distintas fuentes de internet,

Monté el rach en el rach está puesto pues la receta los ingredientes todas las piezas que con,

Que constituyen básicamente una receta y luego también di la posibilidad de añadir nuevas recetas,

Pero esto es simplemente al final es un objeto no o sea quiere decir que el objetivo no es tanto el tema,

De la receta sino contarte un poco cómo funciona todo esto como te digo aquí la parte importante es la,

Parte del rach porque lo que nos permite es básicamente hacer esas búsquedas semánticas,

Que nos van a permitir encontrar recetas aunque no estemos diciendo exactamente la palabra exacta,

Y esto es fundamental y básicamente en torno a esto se monta toda la película porque no solamente,

Se trata de hacer las búsquedas semánticas sino posteriormente como te contaré un poquito más adelante,

El tema de los ingredientes que esa es otra parte fundamental,

Realmente lo que he hecho ha sido una búsqueda híbrida o sea mejor dicho lo que monta es una,

Búsqueda híbrida no es exactamente una búsqueda al 100% semántica sino lo que hace es una búsqueda,

Híbrida donde tienes una parte el 70% que es una búsqueda pectorial que lo que hace es,

O sea el primer paso que hice fue una vez había recopilado todas las recetas se pasa se convierten,

En vectores y eso se guarda en una base de datos una base de datos vectorial que en este caso he,

Utilizado polgre sql bueno polgre sql con pgv vector esta es la solución y luego como te digo es una,

Parte que es el 70% que es vectorial y un 30% que es una búsqueda tradicional de palabras clave con,

Esta composición con esta ecuación se obtiene el resultado que busco la gran ventaja es que no,

Necesita gpu local los embedding son generados por api actualmente estoy utilizando open router para,

Generar los embedding y los guardo en pg vector de esta manera la máquina que o el el Slimbook one,

Que es donde tengo montado todo esto no tiene este problema o sea no tiene el problema de que como,

Este no tiene gpu pues no va a no puede hacerlo sin embargo los embedding son muy económicos con lo,

Cual el gasto que vas a hacer para todo este tipo de operaciones es bastante económico,

Luego la siguiente es el objeto de una simplicidad aunque las cosas sean lo más simple lo más simple,

Es posibles porque lo más simple es posible porque al final si buscamos algo realmente complejo pues lo,

Que nos vamos a cuando o sea si empezamos a no pues a ver el menú que sea un primer plato un segundo,

Plato y postre eso para la comida y para la zeta y para la cena exactamente lo mismo pues al final lo que,

Tienes es un follón de mucho cuidado lo que ha ido ha sido una cosa muy sencilla un plato único para la comida,

Y un plato único para la cena y sí que le da unas instrucciones mínimas y donde esas instrucciones mínimas,

Son que la comida tiene que ser un plato mediterráneo y que la cena tiene que ser una cena ligera nada pesado,

De esta manera uno lo busca por identificador y el otro lo busca como texto plano y por qué esta solución,

Por qué buscar o cómo está montado esto bueno pues esto aquí es donde interviene la otra parte de lo que,

Hemos estado hablando de lo que te he estado contando estos días que es el tema de los skills,

El skill al final lo que es es un procedimiento y ese procedimiento lo que le indica es cómo tiene,

Que generar todo esto entonces cómo tiene que generarlo pues yo le he dicho que lo que tiene que generarme,

Es exactamente un plato único para la comida y un plato único para la cena donde las combinaciones son,

Mediterráneo y cena ligera de esta manera no hay nada de cosas complejas ni nada de nada y todo esto,

Lo que hago es guardarlo en un en otro mcp que es una base de datos muy sencilla una base de datos en este,

Caso ese culite donde lo que hace es guardar los datos por creado o sea tiene un crud una operación,

Sencilla de crear a actualizar leer y borrar y no hace nada más y lo único que guarda es la fecha,

De cuando tiene del día y en este caso lo que va a guardar es la comida el identificador de la comida,

O un texto depende de lo que sea y así es sencillo una cosa muy sencilla inicialmente le había dado,

Otras vueltas y había creado otras cosas más complejas pero al final es que realmente lo único,

Que necesitas si lo piensas es esto simplemente lo que necesitas es saber lo que tienes el día y la,

Pregunta hoy que tenemos para comer o hoy que tenemos para cenar pues una cosa tan sencilla como esta,

Luego viene el siguiente problema el siguiente problema es cómo organizas todo todo esto no,

Quiero decir tú una vez ya tienes tu menú semanal,

Tu menú semanal de comidas y cenas tiene que convertirse en algo donde o sea en productos que,

Tienes que ir a comprar y aquí es donde viene el problema más grande porque puede ser que tienes,

Tomates en una receta en otra en otra receta puede ser 100 gramos de tomates y en otra receta puede ser,

Tomates a granel claro todo esto tiene que cuadrarlo bien tiene que hacer una búsqueda de,

Localizarlos o encasillarlos mediante lógica difusa para que todo esto cuadre dentro de lo que es la,

Los mismos productos es decir por ejemplo frutería y todo esto es para meterlo exactamente en nuestra,

Lista de la compra además tiene que ser lo suficientemente hábil en este sentido de la,

Lógica difusa para que en un momento determinado,

Si ya tienes en tu lista de la compra tomates no añada más tomates o sea no añada otra entrada que,

Sea tomates sino que añada tomates dentro de tomates es decir a que sea capaz de decir un,

Kilo y medio de tomates y luego otro de los problemas con los que me he encontrado es que,

Cuando tú vas a comprar claro manejar esto no es cómodo entonces lo sencillo es ir por,

Categorías no entonces si vas a la frutería compras toda la parte de la frutería y entonces sí que,

Puedes escribirle o decirle de voz que directamente marque como todo lo de la frutería que ya lo has,

Comprado una vez ya tengo todo esto una vez ya tenemos tanto la parte de los menús la parte de,

Las compras y la parte del de la cómo se llama de las recetas el siguiente paso es generarlo en pdf,

Porque si de vez en cuando tener un listado o unas recetas en pdf pues viene perfecto para poder verlo,

Incluso pues si tienes algún alguna tablet en la cocina para ayudarte a cocinar pues sacas ese pdf que,

Te lo vas a descargar directamente de telegram y vas a seleccionar los productos que quieras para,

Esto he montado un otro cómo se llama otro mcp aunque no lo estoy utilizando finalmente lo que,

Estoy utilizando es directamente el types types es un lenguaje de marcado muy similar a markdown y lo,

Que pasa que te permite formateo te permite formatear el texto y esto viene muy bien para exactamente esto,

Digamos que es una alternativa moderna a látex es algo de lo que ya hablé en algún que otro episodio,

Anterior con esto y con un par de templates con un par de plantillas fácilmente puedes generar,

Exactamente todo puedes generar tanto tu menú semanal de una manera sencilla por otro lado,

Puedes generar un libro de recetas para esa semana para enseñarte o para poder utilizarla durante la,

Semana y por otro lado también te puedes generar la lista de la compra en pdf por si la quieres llevar así,

Por lo que sea o simplemente por lo que lo quieres imprimir y ponerlo en la nevera o como te estaba,

Diciendo anteriormente si tienes una tablet y lo quieres ver ahí,

Y como al principio al principio del episodio lo que he hecho ha sido primero borrar todas las,

Recetas que ya tenía y generar unas nuevas podemos ver exactamente qué es lo que qué es lo que ha hecho,

Lo que ha hecho ya es el menú de la semana que nos ha hecho haber pollo asado con patatas para el,

Lunes canónigos aguacate y cherry para la cena berenjenas rellenas con carne picada para el,

Martes salmón al horno para el miércoles y así sucesivamente ahora lo que lo que no sé si me ha,

Generado es la lista de la compra dime la lista de la compra no dime la lista de la compra a ver si,

Nos la nos la tiene preparada que debería de tenerla ya preparada porque este es el proceso que,

Que ya tenía montado utilizando lo que te he contado anteriormente utilizando el skin y esta es,

Básicamente las tres piezas que comenté hace algunos episodios básicamente es esas tres piezas,

Que lo que nos unen es la parte de la información que tenemos de todas las recetas que es el rack,

Donde están todas vectorizadas la parte de las herramientas que hemos utilizado para ir guardando,

Los datos y y para trabajar y luego por otro lado el,

El menú a ver si lo que no sé si el menú lo ha guardado guardaste el menú a ver si lo ha guardado,

Si guardo el menú que que es el proceso y ahora lo que sí que nos haría falta es que nos imprimiera,

El el menú semanal voy a decirle directamente dame el menú semanal envía telegram no envía a telegram,

El menú semanal en pdf puede generarte como te está diciendo un chrome donde todos los viernes,

Por ejemplo automáticamente a las 9 de la mañana te genere la lista de la compra in base a la,

La lista de la compra en la compra como te estaba diciendo un chrome donde todos los wires por ejemplo,

Por ejemplo, automáticamente,

A las 9 de la mañana te genere,

La lista de la compra, el menú semanal,

Y en base a ese menú semanal le digas,

Por ejemplo, cámbiame este menú,

Por este menú, hazme este menú,

Este plato por este plato, haz esto,

Esto, haz lo otro, en fin,

Que vaya haciendo las cosas que tú,

Consideres y luego,

Eso puede ser por ejemplo que te,

Aparezca a las 8 de la mañana,

O a las 4 de la tarde,

Cambias lo que te interesa,

Se genera el menú y te genera la lista,

De la compra y con esto,

Ya lo tendrías todo, como te decía,

Tienes aquí ahora ya las 3 patas,

Bueno, las 4 patas,

Por decirlo así, de lo que es un agente,

De inteligencia,

O un modelo de inteligencia con su,

Agente, es decir, tienes la pata,

De la información que la tiene,

Metida en un rack, la pata de las herramientas,

Que son los MCPs y por último,

Tienes la pata,

De,

De los skills,

Que tú le dices qué es y cómo lo tiene que hacer,

Si yo ahora abro,

El visor de documentos,

Aquí tienes el menú semanal,

El menú semanal, voy a ponerlo,

En,

Bueno, a ver si me deja,

Ponerlo, donde,

Simplemente es el listado de lunes a viernes,

Y ahora le puedo decir, dame,

Las recetas,

En PDF también,

Lo que creo que no he hecho ha sido,

Guardar,

O generar,

Exactamente los ingredientes,

En la lista de la compra,

Que eso también se lo podemos decir,

Pero vamos que,

Ya no, o sea, quiero decir al final,

Era mostrar un poco cómo era,

El proceso completo,

Si yo ahora,

Tengo hecho un skill específico,

Donde con ese skill específico,

Como te digo,

Le digo,

Lanza el proceso,

De generar la lista de la compra,

Lo que va a hacer es cada uno,

De estos pasos,

Incluso pues se puede utilizar,

Subagentes,

Para ir haciendo todos estos pasos,

Pero como te digo,

Ya no es tanto,

Ya no es tan importante esto,

Sino simplemente un poco,

Ver el proceso global,

Que yo creo que es bastante,

Interesante,

Así que esto es un poco,

Lo que quería contarte,

En este episodio,

Algo,

Más práctico,

Algo que,

Puedes hacer,

Directamente,

Y que puedes,

Utilizar en tu día a día,

Y que puedes montar,

De una manera,

Relativamente sencilla,

Con,

Operaciones,

Muy,

Muy sencillas,

Es más,

Todo esto está montado,

Utilizando Open Router,

Pero,

También tienes,

La opción,

De utilizar,

Oyama,

Es decir,

Directamente,

En tu servidor,

Te montas Oyama,

Y para hacer,

Todos estos embedding,

Con una cosa,

Muy ligerita,

Sobra,

Y con esto,

También tienes aquí,

Exactamente,

Las recetas,

De la semana,

Y las recetas,

De la semana,

Te pone,

Día a día,

El pollo asado,

Con patatas,

Como se tiene que hacer,

Tienes que hacer esto,

Bueno en fin,

Todo el tema,

Y ahora,

Por último,

Añadiste,

Los productos,

A la lista,

De la compra,

Ahora simplemente,

Con eso,

Ahora me confirma,

Si ya lo he añadido,

O no,

Y ya está,

Y esto es un poco,

Como te digo,

Lo que te quería contar,

En el,

Yo creo que con esto,

Más o menos,

Ya he,

Barrido,

Todo lo que es,

Un poco,

Lo que haya,

Actualmente,

Tanto en modelos,

De inteligencia,

Como,

Distintas herramientas,

Te he hablado,

De Open,

Cloud,

Te he hablado,

Mira,

Ves,

Dice,

Pues no,

Tienes razón,

La lista,

Sigue con los 43,

Productos genéricos,

Faltan todos estos,

Los añado,

Ahora le voy a decir,

Que sí,

Añádelos,

Bueno,

Como te digo,

Con esto más o menos,

He hecho un barrido,

Total,

Vale,

Entonces,

En el próximo episodio,

Lo que te quiero hablar,

Es de dos o tres,

Herramientas,

Con las que te estoy trabajando,

Que no son herramientas,

De inteligencia artificial,

Sino que es ya,

Volviendo un poco,

Al mundo de Linux,

En este sentido,

Y con algunos problemas,

Que me he encontrado,

A la hora de trabajar,

Con,

Beam,

Pues he estado,

De nuevo,

Trasteando con,

Elix,

Entonces,

En el próximo episodio,

Te voy a hablar de,

Elix,

Te voy a hablar de,

Una herramienta,

Que he implementado,

Para hacer,

¿Cómo se llama,

Para hacer,

Renderizado,

De Markdown,

Directamente,

En la terminal,

Para que sea,

Cómodo de trabajar,

Y,

Mira,

Ya me lo he devuelto,

Bueno,

Ya lo tiene,

Todo,

A ver,

Dime,

Todos los productos,

Agrupados,

Como te digo,

Y luego,

Otra de las herramientas,

Que,

También he estado,

Trabajando,

Que ya venía,

De hace tiempo,

Es,

Bueno,

He trabajado,

Sobre dos,

Pero,

Una en concreta,

Es,

PodCli,

Que lo que te permite,

Es trabajar,

Con,

Los,

Podcasts,

Directamente,

Desde terminal,

Al final,

Es una herramienta,

Que utilizo,

Muy a menudo,

Simplemente,

Para extraerme,

El enclosure,

Para extraerme,

Lo que es,

La URL,

Del MP3,

Para luego,

Ponerlo en la página,

Y nada más,

Esto es un poco,

Lo que quería contarte,

En este episodio,

Más,

Lo que te contaré,

En los siguientes,

Sí que dentro,

Del próximo,

Este jueves,

Te hablaré,

Sobre,

Como te he dicho,

MKDR,

Que es el,

Renderizado,

De Markdown,

Y te hablaré,

También un poco,

De Elix,

Y el lunes que viene,

Si todo va bien,

Volveré a hablarte,

Sobre,

Lo dedicaré,

En este caso,

A OpenClaw,

Pero en este,

Perdón,

A OpenClaw,

No,

Lo dedicaré,

De nuevo,

A Hermes,

Pero lo que voy a hacer,

Es una visión,

De Hermes,

De lo que,

No he visto,

En los últimos,

Vídeos,

Que he estado,

Viendo por ahí,

Algunos detalles,

Que yo creo,

Que son fundamentales,

Entonces lo que voy a hacer,

Es una instalación,

De cero,

A producción,

De Hermes,

Pero teniendo en cuenta,

Todos esos pequeños detalles,

Que normalmente,

Pues no se ven,

Por ejemplo,

El tema de los skills,

El tema de los MCPs,

El tema de los,

Del RAG,

Todo esto,

Pero,

Enfocado,

Única,

Y exclusivamente,

En Hermes,

Y nada más,

Espero que te haya gustado,

Este nuevo episodio,

Y que lo hayas disfrutado,

Tanto como lo he disfrutado yo,

Recordarte,

Que si puedes,

Una valoración,

En iVoox,

A ver podcast,

Darle a la campanita,

Suscribirte,

Todo ese tipo de cosas,

Fantástico,

Y si no,

Pues ya te digo,

Que este es un podcast,

De la red de podcast,

De sospechosos habituales,

Donde puedes encontrar,

Fantásticos,

Y maravillosos podcasts,

Puedes participar,

En esa red,

Entrando en Telegram,

En Wintablet Info,

Y de la misma manera,

Si quieres participar,

En el grupo,

Atareado con Linus,

Simplemente tienes que buscar,

Eso,

Atareado con Linus,

Y allí nos vas a encontrar,

Hablando de,

Modelos de inteligencia,

Agentes de inteligencia,

Y todo este tipo de cosas,

Así como de Linus,

Y cualquier otro tipo de cosas,

Relacionado con el mundo,

Del open source,

Y poco más que decirte,

Recordarte que la día,

Son dos días,

Y uno ya ha pasado,

Así que,

Disfruta como si no hubiera mañana,

Y si puede ser con Linus,

Y en este caso,

Con las recetas,

Mejor que mejor,

Un saludo,

Y nos escuchamos,

El próximo jueves,

Hasta luego,

¡Suscríbete,

¡Suscríbete,

¡Suscríbete,

¡Suscríbete,

Gracias por ver el video.

Deja una respuesta