Saltar al contenido
Revisión pendiente desde 29 jul 20263 fuentes primarias

Agentes 24/7 offline en hardware real

Un agente 24/7 local no falla solo por tokens: falla por calor, RAM, VRAM, reinicios, modelos que tardan en cargar, discos llenos y tareas que nadie corta. Diseña operación antes de venderte autonomía.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Agentes 24/7 offline en hardware real».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Elegir arquitectura según Mac, PC con GPU, mini PC o VPS.
  • Separar bandeja de entrada, worker y modelo.
  • Crear watchdog, logs y límites de recursos.
En cristiano: watchdog. Es un proceso o regla que observa si el agente sigue vivo, si avanza y si consume demasiado. Si algo va mal, pausa o reinicia con registro.

Arquitecturas honestas

  • Mac M-series: cómodo, silencioso y buen entorno dev; vigila prefill y memoria unificada.
  • RTX 3090/4090: más VRAM y CUDA; vigila calor, consumo y drivers.
  • Mini PC: útil para orquestación, no para modelos grandes.
  • VPS barato: bien para n8n/colas; mal para inferencia pesada sin GPU.
Terminal
agent-runtime:
  inbox: sqlite_or_postgres
  worker_concurrency: 1
  max_runtime_minutes: 20
  max_steps: 12
  idle_sleep_seconds: 10
  healthcheck:
    - ollama_api_alive
    - disk_free_gt_10gb
    - memory_free_gt_2gb
    - no_repeated_error_3x
  on_failure:
    - pause_task
    - save_trace
    - notify_human
Idea clave. Para solopreneurs y pymes, un agente 24/7 suele ser una bandeja de tareas con aprobación humana, no un robot tocando sistemas críticos sin permiso.

Checklist de operación local

  • Un solo worker al principio.
  • Cola persistente para no perder tareas al reiniciar.
  • Logs por tarea, no solo logs globales.
  • Resumen final con comandos, archivos y errores.
  • Límite de GPU/CPU/tiempo antes de repetir.
Cuidado. Si el modelo tarda más en cargar que el intervalo de auto-restart, puedes crear un bucle que mata el servicio justo antes de que arranque. Mide tiempo de carga antes de configurar watchdogs agresivos.
Comprueba que funciona. Simula tres fallos: Ollama apagado, disco lleno y tool que falla dos veces. El agente debe pausar y avisar, no repetir hasta el infinito.
Guardar y reabrir el proyecto.
Un agente 24/7 local no es “siempre activo”; es recuperable, observable y capaz de detenerse sin romper nada.

Si has guardado la evidencia de esta lección, continúa con «OOM y memoria». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo