Sospechosos habituales

Palabras claves: gestor archivos inteligencia artificial indexación traducción OCR

Temas tratadosEl programa actúa como gestor de ficheros personalizado con funciones de indexación y automatización.
Utiliza el motor Lucene para indexar carpetas específicas y mantener un inbox global para todas las operaciones.
Incorpora inteligencia artificial mediante LLM para generar resúmenes, traducciones y responder consultas complejas.
Permite extraer texto de PDFs usando OCR integrado en Windows sin degradar los gráficos del documento.
Se ejecuta en varios equipos simultáneamente con sincronización entre ellos mediante red local.

Europa se queda sola ante Rusia defendiendo a. Ucrania y defendiendo nuestro propio territorio ahora que los Estados Unidos de Trump se bajan del carro.
Este podcast está asociado a la red de Sospechosos Habituales donde podréis encontrar otros muchos podcast de diferentes temáticas.

Esta ardiendo toda Europa y más que va a arder. Le interesa a alguien que arda y la cerilla la pone él, pero la gasolina la hemos puesto nosotros.
Este podcast está asociado a la red de Sospechosos Habituales donde podréis encontrar otros muchos podcast de diferentes temáticas.

Hoy vamos a hablar de chismes. De chivatos. De soplones. De esa persona que aparece junto a la máquina del café con una información que, casualmente, nadie le ha pedido.

«Yo no quería decir nada, pero…»

Ya.

Nunca quiere decir nada. Por eso lo cuenta dos veces y copia a media empresa.

Pero el chisme no es solo información. Es una pequeña ceremonia. Alguien cuenta. Alguien escucha. Alguien que no está presente se convierte en acusado. Y los demás improvisan un tribunal sin pruebas, sin defensa y con café malo.

Juzgar da placer.

Señalar al culpable descarga tensión.

Y la indignación, bien administrada, compra atención, pertenencia y una reputación de pureza moral bastante barata.

Nada de esto es nuevo.

https://www.greekmythology.com/Plays/Aristophanes/The_Wasps/the_wasps.html
https://en.wikisource.org/wiki/Aristophanes:_The_Eleven_Comedies/Wasps

Te tengo que confesar una cosa. En el episodio anterior, haciendo pruebas, me ventilé toda la información del GraphRAG y me tocó reindexarlo entero. Casi 6.300 notas otra vez, con el Slimbook echando humo. Me ha costado lo suyo, pero ya está. Y ahora toca lo bueno, porque el grafo está montado y solo falta interrogarlo. Este es el cierre de la trilogía, donde el grafo deja de ser un mueble y por fin responde.
Lo primero es por qué no basta con una sola técnica. El vector te dice qué se parece a tu pregunta, y el grafo te dice qué está conectado. Si buscas un servidor web seguro, el vector acierta de pleno con la nota de hardening. Pero la nota de Certbot no dice esas palabras, así que un RAG clásico la pierde. El grafo la rescata porque está conectada con Nginx y https. Ni grep ni ripgrep te habrían dado eso.
También te doy las cifras reales del grafo, más de 20.000 nodos, unas 6.300 notas, 15.000 entidades y 46.000 trozos con embeddings. Y la arquitectura híbrida, en tres pasos, primero lo vectorial, después el re-ranking por peso y por último la expansión por grafo, que recupera vecinos a uno o dos saltos. Todo lo modula el parámetro alfa, por defecto en 0,7, donde el significado manda y la conexión complementa.
Y lo probamos con comandos de verdad. Con graphrag search lanzas la búsqueda y ves cómo cambian los resultados al mover el alfa. Con la profundidad controlas los vecinos que recuperas, con 0 te quedas en lo vectorial y con 2 abres dos saltos de grafo. Te enseño a filtrar por peso mínimo, por metadatos y por tipo de elemento.
Después viene lo que más me gusta, graphrag ask. No te devuelve notas sueltas, te devuelve una respuesta redactada con Ollama en local y con las fuentes citadas al pie. Le preguntas cómo configurar Traefik y te da los pasos apoyándose en tus notas. Y cuando no tiene información, no se la inventa. En el ejemplo con GIMP solo encontró una nota y te lo dice tal cual. Hablo también de las comunidades y del build incremental, que solo procesa lo que has tocado, ideal para un cron.
Capítulos
0:00 - Introducción: el cierre de la trilogía GraphRAG y el reindexado del grafo
2:13 - Repaso de la trilogía: qué es un GraphRAG y para qué sirve
4:14 - Vector frente a grafo: por qué necesitas las dos cosas
6:53 - Las cifras del grafo: nodos, notas, entidades y comunidades
7:52 - La arquitectura híbrida en tres pasos y el parámetro alfa
9:17 - Primera búsqueda: cómo montar un proxy inverso y el efecto del alfa
11:21 - Profundidad de vecinos, Ollama y cómo interpretar los resultados
13:53 - Filtros: min-weight, metadatos y tipos de elemento
14:52 - graphrag ask: preguntas con fuentes citadas (cómo configuro Traefik)
16:54 - Comunidades: build incremental y automatización con cron
17:42 - Ejemplo con GIMP: búsqueda, ask y la ventaja de no alucinar
17:42 - Ejemplo con GIMP: búsqueda, ask y la ventaja de no alucinar
20:28 - Flecos pendientes: integración MCP con Neovim, bot de Obsidian y despedida
Más información y enlaces en las notas del episodio: https://atareao.es/podcast/841
🌐 Todo en https://atareao.es · ✈️ Telegram https://t.me/atareao_con_linux · 🦣 Mastodon https://mastodon.social/@atareao · 🐦 Twitter https://twitter.com/atareao · 🐙 GitHub https://github.com/atareao