IA generativa y agentes
Masterclass Llama 3.2 3B
Sesión práctica sobre Llama 3.2 de 3B parámetros: carga, ajuste y uso del modelo en cuadernos.
Dónde encaja
RAG, agentes y modelos de lenguaje corriendo en local y en producción.
Más proyectos de ia generativa y agentes
- 🍣 ragasusMonorepo fullstack para BI conversacional: SQL Server en solo lectura, Ollama local en la LAN y RAG con PostgreSQL + pgvector. Backend NestJS modular y frontend Next.js con App Router.
- ⚡ spark8sia · servidor de modelosTodo lo necesario para replicar y operar el servidor de modelos del DGX Spark: chat y visión, coder, embeddings, imagen, vídeo, base vectorial y pasarela. Pensado para levantarlo de cero desde el repositorio si la máquina se pierde.
- 🧩 ai-hubSustituto directo del contenedor de Ollama del VPS: empaqueta el motor de inferencia y añade una pasarela en Fastify con llamada a herramientas, caché de prompts, selección de modelo y métricas.
- 📄 agentic-pdf-pipelineCanalización de ingesta de PDF basada en agentes, con LangGraph para la orquestación y CrewAI para el reparto de papeles entre ellos.
- 🔁 agentic-rag-langgraphRAG con agentes en LangGraph: detecta y evita reprocesar duplicados por sha256 y genera manifiestos de lo ingerido, para que reindexar no signifique volver a pagar el mismo trabajo.
- 🤖 LavBotDockerPila RAG modular y contenedorizada: canal de ingesta consciente de secciones para PDF, base vectorial Qdrant y API en FastAPI, todo levantable con Docker.
- 🍜 teriyakiExperimentos de RAG sobre Qdrant en cuadernos, con el foco puesto en la privacidad: el contenido no sale de la máquina que lo procesa.
- ☸️ kuberagentAgente que opera sobre Kubernetes: traduce intenciones en operaciones del clúster y devuelve el estado en lenguaje natural.
- 🥥 coconutModelo de lenguaje corriendo en local con TinyLlama 1.1B cuantizado en GGUF: cuánto se puede hacer sin depender de una API externa ni de una GPU grande.
- 🧪 LLMOps con LangChainCuadernos del curso de LLMOps: cómo llevar una aplicación con modelos de lenguaje del cuaderno a algo que se pueda desplegar, medir y mantener.
- 🏗️ ft_llama_arqNotas y arquitectura para el ajuste fino de modelos Llama: qué capas se tocan, con qué datos y con qué coste.
- 🧾 Lectura de justificantes con IALos justificantes de transferencia que suben los jugadores de un torneo, en foto o en PDF, se leen con un modelo de lenguaje con visión: extrae el importe, razona si cuadra con lo que debía pagar la pareja y deja el total editable para que el club lo ratifique.
- 🤖 Bot de Telegram con IABot privado de Telegram conectado a un agente que opera servidores en producción: estado de las webs, copias de seguridad e incidencias, con texto, voz, fotos y archivos. Solo obedece a usuarios emparejados y registra cada orden.