🗣️ El vocabulario: LLM, agente y SO de IA
Antes de instalar nada, conviene aclarar los términos. Hay tres que aparecerán durante todo el curso: LLM (el cerebro), agente (el cerebro con manos) y SO de IA (el hogar donde vive todo esto: Hermes). Este módulo define cada elemento desde cero, sin dar nada por sentado.
🤖 Qué es un LLM
Cuando escribes en ChatGPT, detrás de la ventana de chat hay un programa que escribe la respuesta. Ese programa es el LLM. El chat es solo la ropa: la inteligencia que piensa las palabras es el LLM. Cambiar de chat (ChatGPT, Hermes, el terminal de Ollama) no cambia el cerebro: puedes conectar el MISMO LLM a varias "ropas".
¿Nuevo por aquí? LLM y es la sigla de «Large Language Model», modelo de lenguaje grande. «Grande» porque se entrenó leyendo una enorme cantidad de texto; «de lenguaje» porque lo que hace es trabajar con palabras. Piensa en el LLM como el cerebro de IA, separado de la pantallita donde conversas con él.
Por dentro, el LLM no «entiende» como nosotros. Hace una sola cosa, muy bien: predice el siguiente fragmento de texto. A partir de la frase hasta ese punto, calcula cuál es la continuación más probable, escribe ese fragmento y repite. Al escribir un pedacito a la vez, se obtiene un texto completo que parece razonamiento.
Fíjate: el LLM no «sabe» la respuesta de antemano; pondera varios candidatos y elige la opción más probable en cada paso. Por eso, la misma pregunta puede generar redacciones ligeramente distintas.
Conceptos clave
El cerebro de IA — modelo de lenguaje grande, separado del chat.
El fragmento de texto que predice cada vez (más detalles en el 1.4).
Lo único que hace: la siguiente parte más probable.
El mismo LLM puede estar detrás de varias interfaces diferentes.
🛠️ Qué es un agente
Un LLM por sí solo solo escribe texto. No puede abrir un archivo, buscar en la web ni ejecutar un comando; solo habla sobre hacer esto. Un agente y es lo que cambia el juego: es el LLM con manos. La fórmula es simple: agente = LLM + herramientas.
¿Nuevo por aquí? Una herramienta (en inglés, "tool") es una acción que el LLM puede ejecutar en el mundo real: leer o escribir un archivo, hacer una búsqueda, ejecutar un fragmento de código. El agente lee tu pedido, decide QUÉ herramienta usar, la usa, lee el resultado y sigue. Ese ciclo de "pensar → actuar → observar" es lo que diferencia un chat de un agente.
✓ Lo que hace un AGENTE
- ✓Busca información actualizada en la web.
- ✓Lee y edita archivos en tu computadora.
- ✓Ejecuta código y observa el resultado para corregirse.
- ✓Encadena varios pasos por su cuenta hasta que la tarea esté lista.
✗ Lo que un LLM «pelado» NO hace
- ✗Acceder a datos de hoy (solo sabe lo que vio durante el entrenamiento).
- ✗Modificar archivos — solo describe cómo lo haría.
- ✗No ejecutar nada; se detiene en el texto.
- ✗Verificar el propio trabajo ejecutándolo de verdad.
Guarda esta ecuación: a lo largo del curso, "agente" siempre quiere decir un LLM que recibió herramientas. El Hermes y es exactamente eso: un agente, pero ejecutándose con tu modelo local desde la línea de comandos.
Conceptos clave
LLM + herramientas; piensa, actúa y observa.
Acción que el LLM puede activar: buscar, ejecutar, editar.
Pensar → actuar → observar, repetido hasta completar la tarea.
Encadena varios pasos sin pedirte todo a cada momento.
🖥️ Qué es un "SO de IA"
Si el agente es el LLM con manos, el SO de IA y es la casa donde vive. Hermes se describe así: un sistema operativo para tu IA. En vez de una ventana de chat aislada, reúne en un solo lugar la memoria, las skills, las conexiones y los agentes — todo gestionado por ti.
¿Nuevo por aquí? "SO" es "sistema operativo", como Windows o macOS, que organiza programas, archivos y ventanas en un solo lugar. Un SO de IA cumple la misma función, pero para tu inteligencia: es donde la memoria, las habilidades y las conexiones de tu IA quedan guardadas y disponibles, en lugar de estar dispersas en chats que desaparecen.
🏠 Por qué «casa» y no «chat»
En un chat común, cada conversación empieza desde cero y se pierde. En un SO de IA, la inteligencia tiene una dirección fija: lo que enseñaste sigue ahí, las conexiones permanecen activas y los agentes pueden ejecutarse incluso cuando no estás mirando.
- •Memoria: lo que recuerda sobre ti y tu trabajo.
- •Skills: habilidades que instalas/activas.
- •Conexiones: fuentes externas (GitHub, documentos).
- •Agentes: trabajadores que ejecutan tareas.
Conceptos clave
El «hogar» que reúne memoria, skills, conexiones y agentes.
El SO de IA de este curso, que dirige tu modelo local.
La inteligencia no vuelve a empezar desde cero en cada chat.
Memoria, skills, conexiones y agentes — definidos a continuación.
🧠 Memoria, personas y skills
Tres componentes del SO merecen una definición propia, porque aparecen a lo largo de todo el curso. Cada uno resuelve una frustración clásica de quien solo ha usado chat: olvidarlo todo, hablar siempre de la misma manera y no saber realizar tareas específicas.
Memoria
Lo que la IA recuerda entre conversaciones: tus proyectos, tus preferencias, datos sobre ti. En vez de volver a presentarte cada vez, continúas desde donde estabas. Es lo opuesto al chat que «olvida» cada vez que abres una ventana nueva.
Persona
Un «modo de ser» que defines: el tono, el rol y las reglas sobre cómo responde la IA (p. ej., «revisor seco y directo» o «profesor paciente»). Puedes tener varios y cambiarlos según la tarea.
Skill
Una habilidad lista para activar: un conjunto de instrucciones + herramientas para una tarea específica (resumir un PDF, organizar un repo). Es como instalar una «app» dentro de tu SO de IA.
¿Nuevo por aquí? No confundas los tres: memoria y lo que RECUERDA; persona y CÓMO habla; skill y lo que SABE HACER. Los tres quedan guardados en el SO y los configuras en la Ruta 3 (módulo 3.3).
Conceptos clave
Lo que la IA recuerda de ti entre conversaciones.
El tono y el rol con que responde la IA.
Habilidad instalable para una tarea específica.
Armas las tres a tu manera (en la Trilha 3).
🔌 Conexiones: conectar la IA con tu mundo
Una conexión es un canal que conecta al agente con una fuente de datos tuya: un repositorio de código en GitHub, una carpeta de documentos, tus notas. Sin conexión, el agente solo sabe lo que está en el chat. Con conexión, puede leer TU contexto y trabajar a partir de él.
¿Nuevo por aquí? "GitHub" es un sitio donde los programadores guardan y versionan código (un "repo" = un proyecto). Pero la conexión no es solo para código: también sirve para una carpeta de PDF, hojas de cálculo o notas. La idea general es la misma: darle al agente acceso de lectura al material con el que TÚ trabajas.
Mira al agente en el centro y los tuberías azules que llegan de tus fuentes. Cuantas más conexiones, más trabaja el agente sobre TU mundo y no sobre conocimiento genérico.
📊 Por qué esto importa para lo local
Las conexiones son aún más valiosas cuando el agente se ejecuta localmente: conectas datos sensibles (código propietario, documentos privados) SIN enviar nada a la nube. El canal existe, pero el trabajo ocurre en tu máquina; ese es el tema del próximo apartado.
Conceptos clave
Tubo que conecta el agente con una fuente de tus datos.
Un proyecto de código con control de versiones; una fuente común.
El agente trabaja con TU material, no con contenido genérico.
Local + conexión = usar datos privados sin filtrarlos.
☁️ Local vs. nube: dónde funciona cada pieza
Ya tenemos el vocabulario. Falta una pregunta que volverá durante todo el curso: dónde ¿dónde se ejecuta el LLM? "Local" significa en TU máquina; "nube" significa en el servidor de una empresa. El agente, la memoria y las conexiones pueden usar un modelo local O uno de la nube, y tú eliges.
🖥️ Modelo LOCAL
- ✓Se ejecuta en tu máquina; los datos no salen.
- ✓Gratuito después de descargar; funciona sin conexión.
- ✓Limitado por tu hardware.
☁️ Modelo en la NUBE
- •Se ejecuta en el servidor de una empresa.
- •Suele ser más potente en las tareas difíciles.
- •Cobra según el uso y requiere internet; los datos se transmiten.
Puente para 1.6: no es «uno u otro» para siempre. Hermes te permite alternar: privado de forma predeterminada, nube cuando vale la pena. Esto se convierte en los tres modos (Vault, Connected, Cloud) en el módulo 1.6, y Ollama (módulo 1.3) es quien hace funcionar el modelo local.
Conceptos clave
El modelo se ejecuta en tu máquina; los datos se quedan.
El modelo se ejecuta en el servidor de una empresa.
La pregunta es el LUGAR donde se ejecuta el LLM.
Alternar entre los dos y el tema del módulo 1.6.
Autocomprobación (opcional): ¿qué frase define correctamente un "agente"?
🎯 Resumen del módulo
Siguiente módulo:
1.3 — Qué es Ollama y los modelos abiertos