Etiqueta
11 artículos
filtrar por:
Cierre de la serie cc_bridge: la pregunta incomoda de si el valor de Claude esta en el modelo o en su harness. Con claude-code-router probe cambiarle el cerebro a Claude Code; con cc_bridge lo volvi intercambiable. Ollama habla la API de Anthropic nativa, asi que minimax corrio whoami y ping de verdad. El cerebro es el motor; el cuerpo es el producto.
Últimamente todos me preguntan lo mismo: cómo usar IA local en su empresa por menos de 2 mil dólares. La respuesta honesta es que es imposible —nosotros llevamos más de 100 mil en infraestructura y aún nos quedamos cortos—. Pero casi siempre están resolviendo el problema equivocado. Aquí explico la arquitectura barata que de verdad funciona: un modelo pequeño local que enmascara los datos sensibles, un modelo comercial potente que razona sobre datos ya anonimizados, y un desenmascarado por código.
Le preguntas al LLM más caro del mundo sobre tus propios documentos y te responde con seguridad... una mentira. Este es el porqué, y la solución: qué es realmente un embedding, cómo la similitud coseno mide significado, y por qué RAG —recuperar y aumentar antes de generar— hace que un modelo responda sobre datos que nunca estuvieron en su entrenamiento, sin reentrenar nada.
Cómo una actualización de OpenClaw que borró toda la memoria en .md me obligó a construir un sistema de memoria persistente con embeddings sobre Ollama, mxbai-embed y Redis, donde el contexto, los proyectos y la identidad del agente sobreviven a cualquier modelo, reinstalación o cambio de herramienta.
Un análisis técnico del caso OpenClaw: cómo el agente de IA más popular de 2026 acumuló 512 vulnerabilidades, comprometió miles de instancias y destruyó infraestructura de producción, y por qué estos incidentes hacen urgente adoptar IA local con control total.
