Una guía práctica para científicos de datos que quieren experimentar con LLMs y agentes autónomos sin depender de APIs de pago ni de la nube.
Posts de esta serie
| # | Título | Temas |
|---|---|---|
| 1 | ¿Por qué un homelab para LLMs? | Motivación, costos, privacidad, control total |
| 2 | Unraid: el SO para tu homelab de LLMs | Almacenamiento con paridad, Docker GUI, GPU passthrough |
| 3 | La infraestructura: hardware, servicios y topología | Raspberry Pi, Ollama, Chromium CDP, Postgres |
| 4 | OpenClaw: el framework de agentes | Arquitectura, skills, gateway, canales WhatsApp |
| 5 | Skills, tools y agentes en OpenClaw | Los 6 skills, diferencia tool/skill/agente, modos reactivo y proactivo |
| 6 | Agentes de noticias: del RSS al resumen con LLM | Scraping CDP, visión con VLM, anti-bot handling |
| 7 | Persistencia y observabilidad: SQLite → Postgres | Sync incremental, watermarks, replica PG |
| 8 | Lecciones aprendidas y patrones reusables | Secuencialidad, crons, watchdogs, debugging |
Nivel: intermedio — se asume familiaridad con Python, Linux y conceptos básicos de LLMs.