atareao / valet-847-demo-ingesta
0 likes
0 forks
14 files
Last active 2 days ago
Demo real de la API de ingesta de notificaciones de Valet (episodio 847 de atareao con Linux): arranque local, claves de ingesta, ingesta, buzon, mark-read, revocacion, casos limite y WebPush.
| 1 | #!/usr/bin/env bash |
| 2 | # setup.sh — prepara el directorio de trabajo efímero y deja las variables claras. |
| 3 | # |
| 4 | # ./setup.sh # usa /tmp/opencode/valet-847 |
| 5 | # WORKDIR=/otro/sitio ./setup.sh |
| 6 | # |
| 7 | # IMPORTANTE: la base de datos de la demo es de USAR Y TIRAR. Vive en |
| 8 | # $WORKDIR/valet-demo.db y NUNCA apunta a una base de datos real del usuario. |
| 9 | set -euo pipefail |
atareao / podman-ips-reales-y-la-liga — demos
0 likes
0 forks
4 files
Last active 1 week ago
Scripts de demostración del episodio «Podman, IPs reales y La Liga» (atareao con Linux): diagnóstico del motor de contenedores, la prueba del ciudadano ante un bloqueo, la corrección de Traefik y Umami, y el borde con HAProxy.
| 1 | #!/usr/bin/env bash |
| 2 | # ============================================================================= |
| 3 | # demo-04 · El borde con HAProxy |
| 4 | # ============================================================================= |
| 5 | # A qué punto del guion sirve: puntos 16, 17, 18 y 19 |
| 6 | # · 16 «HAProxy en bare metal» → el borde corre en el HOST, |
| 7 | # fuera del contenedor. |
| 8 | # · 17 «Directo al 443» → el puerto privilegiado lo abre |
| 9 | # HAProxy, en el metal. |
| 10 | # · 18 «Traefik se levanta en el 8443» → el contenedor solo publica un |
atareao / atareao-e843-memoria-valet
0 likes
0 forks
8 files
Last active 1 week ago
Episodio 843 — ¿Cómo se le da memoria a una IA? Cuatro ejemplos autocontenidos (Python 3, sin dependencias, sin red) sobre las cinco capas de memoria de Valet: un solo fichero, buscar por significado, la bitácora que se escribe sola y el eco del olvido.
| 1 | { |
| 2 | "fecha": "2026-10-20", |
| 3 | "hechos": [ |
| 4 | "Finalmente pude salir a correr tras varios días de lluvia.", |
| 5 | "Completé 7,51 km en 51:42." |
| 6 | ], |
| 7 | "mensajes": [ |
| 8 | "¿Cómo llevo la semana de entrenamiento?", |
| 9 | "Apunta la salida de hoy: 7,51 km en 51:42." |
| 10 | ], |
atareao / atareao-e842-pipeline-voz
0 likes
0 forks
4 files
Last active 2 weeks 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 2 weeks 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 / graphrag-e839-setup
0 likes
0 forks
1 files
Last active 3 weeks 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 month 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 1 month 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 |
Newer
Older