Qué hace
Una ficha parte del propósito y de las capacidades del proyecto. El nombre de una técnica no sustituye al problema que resuelve.
PROPÓSITO / ALCANCEMOUSEÎON ATLAS DE INTELIGENCIA ARTIFICIAL
La inteligencia se construye.
21 proyectos, cuatro territorios. Un atlas para entrar en sus ideas, su código y las condiciones que los hacen posibles.
21proyectos catalogados
04áreas de trabajo
20con fuente pública
01de acceso privado
ENTRA POR UNA OBRA CUATRO PUNTOS DE PARTIDA
01 / 04 CRITERIO DE LECTURA
Cada entrada separa la idea, su fuente y las condiciones para ponerla en marcha. Así se puede explorar el trabajo sin confundir código disponible con servicio abierto.
Una ficha parte del propósito y de las capacidades del proyecto. El nombre de una técnica no sustituye al problema que resuelve.
PROPÓSITO / ALCANCELa ficha indica dónde consultar la fuente cuando es pública. Un proyecto de acceso privado se presenta como tal y no promete un repositorio abierto.
FUENTE / DISPONIBILIDADHardware, servicios y credenciales propias importan. Una etiqueta de ejecución describe requisitos; no anuncia una demo activa.
ENTORNO / LÍMITESLas áreas orientan la lectura; cada ficha aclara si presenta un sistema o un módulo.Ver mapa de proyectos
02 / 04 CUATRO FORMAS DE EXPLORAR
Asistentes que conversan, sistemas que coordinan, modelos que se prueban y herramientas que transforman materiales. Entra por el tipo de trabajo que te interesa.
Buses, servidores MCP y harnesses que conectan o coordinan agentes.
Ver proyectosAplicaciones de inferencia local y experimentos de entrenamiento de redes neuronales.
Ver proyectosDocumentos, seguimiento de cuotas y producción visual asistida por IA.
Ver proyectos03 / 04 SISTEMAS DESTACADOS
Una selección de propósitos y escalas: mensajería durable, delegación de tareas, asistencia local y un agente integrado en Ágora. Cada ficha describe su propio sistema.
SELECCIÓN EDITORIAL / LOS PROYECTOS NO FORMAN UNA ARQUITECTURA ÚNICA
04 / 04 EL ARCHIVO COMPLETO
Busca por nombre, propósito o tecnología. Filtra por área y tipo de ejecución para llegar a la descripción, los requisitos y la información de acceso a la fuente.
2 de 21 proyectos
Limpiar filtrosAplicaciones de inferencia local y experimentos de entrenamiento de redes neuronales.
02 / 02 PROYECTOSInferencia y experimentos
LLM cuantizado GGUF sobre llama.cpp — 5 GB VRAM
App de chat local optimizada para GPUs con ~5 GB VRAM. Usa modelos GGUF cuantizados (Qwen2.5-7B, LLaMA 3.1 8B, Gemma 2 9B, DeepSeek-R1) vía llama-cpp-python con aceleración CUDA.