All New

Login

All gists

atareao / atareao-e842-pipeline-voz

0 likes

0 forks

4 files

Last active 3 hours ago

Episodio 842 — FFmpeg: afina el oido de tu IA. Scripts de la pipeline de voz local (micro -> FFmpeg -> Whisper -> Ollama -> Piper -> FFmpeg -> altavoz).

1	#!/usr/bin/env bash
2	# ==============================================================================
3	# whisperize.sh — Script autónomo para preparar audio para Whisper
4	#
5	# Convierte CUALQUIER archivo de audio al formato que Whisper espera:
6	# - Frecuencia de muestreo: 16.000 Hz (16 kHz)
7	# - Canales: Mono (1)
8	# - Formato: PCM signed 16-bit little-endian (pcm_s16le)
9	# - Normalizado con loudnorm (EBU R128, -23 LUFS)
10	#

atareao / graphrag-entorno-ep841

0 likes

0 forks

1 files

Last active 8 hours ago

Preparación del entorno GraphRAG para el episodio 841 (Ollama + modelos + binario + grafo)

1	#!/usr/bin/env bash
2	#
3	# setup.sh — Preparación del entorno para el episodio 841 (GraphRAG III)
4	#
5	# Deja listo lo mínimo para interrogar el grafo con IA 100% local:
6	# 1. Comprueba que Ollama está instalado y en marcha (lo arranca si hace falta).
7	# 2. Descarga los modelos que usa el episodio:
8	# - bge-m3:latest → embeddings (vectores) de la demo
9	# - nomic-embed-text → embeddings por defecto del binario (alternativa)
10	# - llama3.2:3b → resúmenes de comunidad y respuestas de `ask`

atareao / rag-demo

0 likes

0 forks

1 files

Last active 4 days ago

Script RAG en ~45 lineas: extrae contexto de un grafo SQLite con sqlite-utils y lo emite como JSONL para un LLM

1	#!/usr/bin/env python3
2	"""
3	rag-demo.py — Conecta tu grafo de conocimiento en SQLite con un LLM.
4
5	Extrae nodos y sus relaciones del grafo y los emite como JSONL, listo
6	para encadenar con `llm` o con cualquier cliente que lea por stdin.
7
8	Uso:
9	./rag-demo.py \| llm "resume las herramientas del proyecto"
10	./rag-demo.py --tipo tool --limite 50

atareao / graphrag-e839-setup

0 likes

0 forks

1 files

Last active 1 week ago

Preparación del entorno para el episodio 839 (GraphRAG II): comprueba Ollama, descarga los modelos bge-m3 y llama3.2:3b y localiza el binario graphrag.

1	#!/usr/bin/env bash
2	#
3	# setup.sh — Preparación del entorno para el episodio 839 (GraphRAG II)
4	#
5	# Deja listo lo mínimo para construir el grafo con IA 100% local:
6	# 1. Comprueba que Ollama está instalado y en marcha.
7	# 2. Descarga los dos modelos que usa el episodio:
8	# - bge-m3:latest → embeddings (vectores)
9	# - llama3.2:3b → NER (extracción de entidades)
10	# 3. Localiza el binario `graphrag` compilado y comprueba su versión.

atareao / Configuración traefik

0 likes

0 forks

2 files

Last active 1 week ago

Configuración traefik de atareao.es

1	api:
2	dashboard: true
3
4	entryPoints:
5	web:
6	address: ":80"
7	http:
8	redirections:
9	entryPoint:
10	to: websecure

atareao / grafo-conocimiento

0 likes

0 forks

1 files

Last active 2 weeks ago

Grafo de conocimiento JSON desde el front matter de tus notas — nodos y aristas con fd + yq + jq (episodio 838)

1	#!/usr/bin/env bash
2	# ==============================================================
3	# grafo-conocimiento.sh — Grafo de conocimientos desde front matter
4	#
5	# Extrae el front matter de todas las notas Markdown de un vault
6	# y construye un grafo JSON: nodos = notas, aristas = tags
7	# compartidos. Sin Python, sin IA. Solo fd, yq y jq.
8	#
9	# Uso: ./grafo-conocimiento.sh [ruta-al-vault] [salida.json]
10	# ./grafo-conocimiento.sh ~/notas grafo.json

atareao / tags-report

0 likes

0 forks

1 files

Last active 2 weeks ago

Top 20 tags de tu vault de notas Markdown — fd + yq + jq (episodio 838)

1	#!/usr/bin/env bash
2	# ==============================================================
3	# tags-report.sh — Top 20 tags de tu vault de notas
4	#
5	# Extrae el frontmatter de todas las notas Markdown, recopila
6	# los tags, los cuenta y muestra un ranking ordenado por
7	# frecuencia de uso.
8	#
9	# Uso: ./tags-report.sh [ruta-al-vault]
10	# Si no se especifica ruta, usa el directorio actual.

atareao / matrix

0 likes

0 forks

1 files

Last active 1 month ago

1	services:
2	element:
3	image: vectorim/element-web
4	container_name: element_web
5	restart: unless-stopped
6	configs:
7	- source: element_config
8	target: /app/config.json
9	mode: "0444"
10	networks:

atareao / init-lab.sh

0 likes

0 forks

1 files

Last active 1 month ago

1	#!/bin/bash
2	# =============================================================================
3	# init-lab.sh — Inicialización del laboratorio de IA local
4	# =============================================================================
5	#
6	# Uso:
7	# chmod +x init-lab.sh
8	# ./init-lab.sh
9	#
10	# Descripción:

atareao / docker-compose.yml

0 likes

0 forks

1 files

Last active 1 month ago

Script del Episodio 827 - atareao con Linux

1	# =============================================================================
2	# docker-compose.yml — Laboratorio IA Local
3	# =============================================================================
4	#
5	# Uso:
6	# docker compose up -d # Levantar todos los servicios
7	# docker compose down # Detener todos los servicios
8	# docker compose logs -f # Ver logs en tiempo real
9	#
10	# Servicios:

Newer Older

Powered by Opengist ⋅ Load: 248ms⋅

English