🗺️ El panorama

Todos los sistemas de esta ruta intentan resolver lo mismo: «¿cómo ejecuto MI IA —con agente, memoria y personalidad propios— sin depender de un chatbot cerrado?».

Cuando reconoces el problema común, dejas de comparar nombres y empiezas a comparar respuestas a una misma pregunta. Eso organiza todo el mapa.

IA propia, agente personal, salir del chatbot cerrado, vendor lock-in (quedar atado a un proveedor).

Cinco preguntas que sirven para cualquier sistema: privacidad (¿local o en la nube?), costo (¿fijo/gratis o por token?), control/auditabilidad (¿lees el código?), esfuerzo (¿clonar uno listo o construirlo?) y poder (¿cuántas integraciones?).

Es la vara de medir que usarás en el resto de la ruta. En vez de preguntar "¿cuál es el mejor?", preguntas "¿cuál es mejor según los 5 criterios para MI caso?".

Privacidad, costo, auditabilidad (poder leer/revisar el código), esfuerzo, poder/integraciones.

Los sistemas se dividen en cuatro grupos: (a) investigación/kernel (AIOS, MemGPT), (b) asistentes locales/voz (Leon, Jan, Home Assistant), (c) hardware dedicado (Rabbit R1, Humane — mala recepción) y (d) frameworks de agentes (LangGraph, CrewAI, MCP), donde la mayoría de las personas construye.

Saber la categoría de un sistema ya te dice para qué sirve y en cuál vale la pena invertir tu tiempo (spoiler: en la de los frameworks).

Kernel (el núcleo de un SO), framework (estructura base para construir), asistente de voz, hardware dedicado.

El eje que más diferencia a los sistemas: funcionar en tu máquina (privado, costo fijo, requiere hardware) o en la nube (potente, conveniente, se paga por uso y tus datos salen). Muchos sistemas te permiten ELEGIR por mensaje.

Es la disyuntiva central del curso. Entender que no es «uno u otro», sino una decisión según la tarea, te evita elegir un bando por ideología.

Local-first, nube, equilibrio entre privacidad y potencia, elección por mensaje.

El segundo eje: sistemas lean ("concisos" —ej.: Intelecto tiene ~3.000 líneas, sin Docker) frente a frameworks pesados y con muchas dependencias. La tesis lean: el código que ENTIENDES vale más que el código que clonas y nunca lees.

Los sistemas inflados esconden riesgos de seguridad y te dejan sin control. Preferir lo ligero es una decisión de seguridad y aprendizaje, no solo de gusto.

Lean (ligero), «menos es más», líneas de código, código legible frente a código clonado.

Cómo cruzar los 5 criterios y los 2 ejes en una tabla mental: para cada sistema del siguiente módulo, marcarás dónde queda en privacidad, costo, control, esfuerzo y poder.

Te prepara para leer el módulo 2.2 con mirada crítica, sin dejarte llevar por el número de estrellas en GitHub.

Tabla comparativa, lectura crítica, «las estrellas no son seguridad».

El sistema que abrió la categoría (ene/2026, 250 mil+ estrellas): agente personal con canales, loop de herramientas, memoria, voz, 700+ skills de la comunidad y heartbeat (latido que hace que actúe solo según un horario).

Es la referencia que todos copiaron, pero también el caso de estudio de los peligros: servidor web expuesto (42.665 instancias públicas, 93,4% sin contraseña), 341 skills maliciosas, $500–5K/mes y más de 100 mil líneas que nadie lee.

Skill (receta empaquetada), heartbeat, servidor web expuesto, código inflado.

Una reimplementación ligera y segura de OpenClaw en TypeScript: solo Telegram (mediante long-polling: el bot busca los mensajes, sin abrir ningún puerto) y solo MCP (el «USB de las herramientas de IA», un estándar abierto y auditable — definido en el módulo 2.3). Costo fijo (~$200) o local, construido «ladrillo por ladrillo».

Muestra en la práctica qué cambia cuando cambias poder bruto por seguridad y claridad: "un agente personal lean, seguro y totalmente comprendido".

Long-polling (buscar mensajes sin exponer el servidor), MCP, paso a paso, costo fijo.

La tesis de «menos es más» llevada al extremo: ~3.000 líneas de Python, sin Docker, sin web UI, solo Telegram. Memoria por SQLite FTS5/BM25 (la búsqueda por palabras clave) y la personalidad en archivos de texto: SOUL.md (el alma), AGENTS.md y USER.

Demuestra que puedes tener un agente completo cuyo código puedes leer entero en un fin de semana: en la nube (OpenRouter) o local (Ollama), tú eliges.

Antiframework, SQLite FTS5/BM25, SOUL.md, AGENTS.md, OpenRouter, Ollama.

Un hermano de Intelecto, en una versión aún más sencilla. Genera un archivo .md 100% tool-agnostic (independiente de la herramienta — funciona en Codex, Gemini, Cursor) y trae una guía de build paso a paso.

Muestra la idea de describir tu agente en texto plano, que funciona en cualquier host — la semilla de la portabilidad que verás en las skills (T3).

Tool-agnostic, salida en .md, guía de build, portabilidad entre hosts.

Hermes = un agente self-hosted (que tú mismo alojas), «un cerebro, varias bocas»: cambia de modelo, tiene memoria, personas, skills, MCP y cron, hasta convertirse en un verdadero «SO de IA». claude-hermes-os es un panel local (solo lectura) que LEE Claude Code/Codex/OpenClaw/Obsidian y muestra gastos, memoria 3D y skills (con auto-mejora diaria «Dream»).

Es el sistema que le da nombre al ecosistema e ilustra el «SO de IA» completo que vas a analizar en la Ruta 3 (Anatomía).

Self-hosted, «un cerebro, varias voces», cron, personas, panel de solo lectura.

La moraleja de la familia: los mayores errores vinieron de exposición (servidores abiertos) y de skills de terceros (las 341 maliciosas de OpenClaw). El camino seguro = sin puertos + solo MCP + local-first + lista de permitidos (solo se atiende tu ID).

La seguridad no es un capítulo aparte: es el criterio que determina qué sistema deberías copiar. Esta lección guía todas tus decisiones a partir de aquí.

Exposición, skills de terceros, whitelist, MCP-only, local-first.

Un trabajo académico (paper, COLM 2025) que construyó un kernel de SO para agentes de IA: planificador (decide el orden de las tareas), memoria y almacenamiento — llegando a ser 2,1x más rápido.

Es la prueba de que la metáfora "LLM como sistema operativo" (que viste en T1) se convirtió en un sistema real, no solo en una analogía.

Paper, kernel, planificador, AIOS, LLM-OS.

Un sistema de memoria jerárquica (core/recall/archival) inspirado en la forma en que un SO pagina memoria: mueve lo que importa «cerca» y archiva el resto. Captó US$10 millones.

La idea clave —darle «memoria infinita» a un agente a pesar de la ventana de contexto limitada— es exactamente el problema que vas a resolver con archivos + SQLite en la T3.

Memoria jerárquica, core/recall/archival, paginación, ventana de contexto.

Una herramienta que deja que el LLM ejecutar código en tu máquina — con tu confirmación antes de cada ejecución. Poder bruto para automatizar casi todo.

Ilustra en vivo el salto de «responde» a «actúa» y por qué la confirmación y el sandbox (entorno aislado) son obligatorios cuando la IA interactúa con tu computadora.

Ejecutar código, confirmación, sandbox, poder x responsabilidad.

Asistentes locales/de voz (Leon, OVOS, Jan, Home Assistant Assist) y hardware dedicado (Rabbit R1, Humane Pin), que prometían ser «el dispositivo de IA» y tuvieron una recepción de tibia a mala.

La lección vale oro: el problema rara vez es el hardware. Un buen asistente nace del software (cerebro, memoria, herramientas), no de un gadget nuevo.

Asistente de voz, hardware dedicado, "el gadget no es el punto".

O MCP (Model Context Protocol, de Anthropic, nov/2024) es un estándar que conecta cualquier herramienta con cualquier agente, como el USB conecta cualquier periférico con cualquier computadora.

Es la pieza que hace que todo encaje y la razón por la que "solo MCP" es más seguro que descargar skills sueltas de terceros. Lo usarás durante todo el curso.

MCP, «USB de las herramientas», servidor MCP, estándar abierto, auditable.

La recomendación honesta del curso: empieza lean y local (estilo Intelecto/GravityClaw, con Ollama), usa solo MCP, mantén un único responsable (single-owner), guarda la memoria en archivos + SQLite y crece según lo necesites, entendiendo cada bloque.

Es la síntesis de toda la ruta y el puente directo a T3 (la anatomía) y T4 (construir). A partir de aquí, pasas de "comparar" a "construir".

Lean + local, solo MCP, propietario único, memoria en archivos+SQLite, crecer según la necesidad.