by atareao
Disfruta conmigo de Linux y del Open Source. Aquí encontrarás como sacarle el máximo partido a tu entorno de escritorio Linux, hasta como montar un servidor web, un WordPress, un proxy inverso, una base de datos o cualquier otro servicio que puedas imaginar. Y todo ello, lo puedes montar en una Raspberry Pi, en un VPS, en tu propio ordenador o en cualquier servidor. Vamos, cualquier cosa que quieras hacer con Linux, seguro, seguro, que la encontrarás aquí.
Language
🇪🇸
Publishing Since
9/10/2018
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
July 20, 2026
<p>¿Cansado de perder 15 minutos cada mañana revisando el tiempo, las noticias, las ofertas y el estado de tu servidor? En este episodio te muestro cómo automatizar todo ese proceso con un script en Python, un timer de systemd y un modelo de lenguaje local. Sin n8n, sin agentes, sin servicios externos de pago.</p><p>Mucha gente piensa que para automatizar cualquier cosa necesitas un agente con montones de herramientas MCP, skills y configuración. Pero la realidad es que para muchas tareas cotidianas, un agente es como usar un lanzamisiles para matar una mosca. Consume demasiado contexto, demasiados recursos y al final no es la solución más eficiente.</p><p>En este episodio te presento el patrón de las tres capas: un script que hace el trabajo, un timer que lo ejecuta a una hora determinada y un sistema de notificaciones que te envía el resultado. Con esto puedes automatizar cualquier cosa de forma sencilla, eficiente y completamente bajo tu control.</p><p>Te explico cómo he creado el <i>nightly-runner</i>, un script en Python que cada madrugada recopila información de cuatro fuentes distintas. Primero consulta el tiempo en <b>wttr.in</b>, que te devuelve un JSON con la temperatura, el viento, la humedad y los rayos ultravioleta. Luego hace scraping con IA de tus fuentes de noticias favoritas, extrayendo titulares y valorando su relevancia. Después busca ofertas de zapatillas de running en varias tiendas, comparando los precios con los del día anterior. Y por último recoge información del sistema con <i>df</i>, <i>free</i>, <i>uptime</i> y <i>ps aux</i> para saber si tu disco se está llenando o te estás quedando sin RAM.</p><p>Toda esa información se guarda en archivos JSON y luego se pasa por un modelo de lenguaje local, <b>Llama 3.2</b> con <b>Ollama</b>, que genera un resumen en lenguaje natural. El resultado es un mensaje de Telegram con un tono cercano que te da los buenos días, te cuenta el tiempo que va a hacer, te destaca las noticias importantes, te avisa si hay una oferta que no puedes dejar pasar y te informa del estado de tu servidor. Todo en un solo mensaje.</p><p>El timer de systemd con <i>Persistent=true</i> se asegura de que si tu equipo estaba apagado a las 4 de la mañana, el script se ejecute en cuanto se encienda. Y cada capa es tolerante a fallos: si wttr.in está caído, el script simplemente omite el tiempo y el resumen dice que no hay información meteorológica disponible. Si no hay ofertas nuevas, no las menciona. Si Ollama no responde, envía el resumen sin procesar.</p><p>Lo mejor de todo es que no necesitas saber Python para montar esto. Puedes usar <b>Open Code</b> o <b>Gemini</b> para que te genere el script con solo explicarle lo que quieres. Y para ejecutarlo, Llama 3.2 en local es más que suficiente. Sin gastar un euro en APIs.</p><p><b>Capítulos:</b></p><p>0:00 - Crítica a los agentes como solución universal<br>2:00 - El problema: 15 minutos perdidos cada mañana<br>4:00 - La solución: tres capas (script, timer, notificación)<br>5:30 - wttr.in: el tiempo en JSON con un curl<br>7:30 - Noticias: scraping con IA para extraer titulares<br>9:30 - Zapatillas: comparativa de precios contra caché<br>11:00 - Sistema: df, free, uptime y ps aux<br>13:00 - El resumen: todos los JSONs pasan por Llama 3.2<br>16:00 - Systemd timer con Persistent=true<br>18:00 - Notificaciones a Telegram y notify-send<br>20:00 - Tolerancia a fallos en cada capa<br>21:30 - Genera el script con IA aunque no sepas Python<br>23:00 - Comparación con Hermes: menos es más</p><p>Este podcast pertenece a la red de Sospechosos Habituales. Más información en atareao.es</p><br><p>Más información y enlaces en las <a href="https://atareao.es/podcast/815" target="_blank" rel="noopener noreferer">notas del episodio</a></p><ul><li>🌐 Aquí lo puedes encontrar todo 👉 <a href="https://atareao.es" target="_blank" rel="noopener noreferer">https://atareao.es</a></li><li>✈️ Telegram (el grupo) 👉 <a href="https://t.me/atareao_con_linux" target="_blank" rel="noopener noreferer">https://t.me/atareao_con_linux</a></li><li>✈️ Telegram (el canal) 👉 <a href="https://t.me/canal_atareao" target="_blank" rel="noopener noreferer">https://t.me/canal_atareao</a></li><li>🦣 Mastodon 👉 <a href="https://mastodon.social/@atareao" target="_blank" rel="noopener noreferer">https://mastodon.social/@atareao</a></li><li>🐦 Twitter 👉 <a href="https://twitter.com/atareao" target="_blank" rel="noopener noreferer">https://twitter.com/atareao</a></li><li>🐙 GitHub 👉 <a href="https://github.com/atareao" target="_blank" rel="noopener noreferer">https://github.com/atareao</a></li></ul><br>
July 16, 2026
<p>En este episodio te enseño a combinar ImageMagick, Tesseract y Llama 3.2 para crear un pipeline de OCR inteligente en Linux. Olvídate de reescribir capturas de pantalla a mano.</p><p>¿Cuántas veces te ha pasado que alguien te envía una captura de pantalla con información que necesitas y tienes que copiarla a mano? O peor aún, tienes un PDF escaneado del que no puedes seleccionar texto. Hasta ahora la solución era pasar horas transcribiendo o conformarte con un OCR básico que devuelve texto lleno de errores. En este episodio te muestro cómo construir un pipeline completo que automatiza todo el proceso.</p><p>Primero capturas la imagen o la recibes, luego la preprocesas con <strong>ImageMagick</strong> para mejorar el contraste y eliminar ruido, después aplicas <strong>Tesseract</strong> para el OCR y por último pasas el resultado por un modelo de lenguaje local, <strong>Llama 3.2</strong>, que corrige los errores y da formato al texto. Todo con herramientas de código abierto, sin enviar tus datos a servidores externos.</p><p>El script ocr_ai.py que he creado es capaz de detectar automáticamente el tipo de contenido que estás procesando. Si es código fuente, aplica un pipeline de preprocesamiento más agresivo con threshold y sharpen intensivos, y un prompt de IA específico para restaurar la indentación y la sintaxis sin cambiar nombres de variables. Si es una tabla, preserva la estructura de filas y columnas, corrigiendo números mal reconocidos pero sin rellenar celdas vacías. Si es prosa, simplemente corrige acentos, puntuación y caracteres mal interpretados sin alterar el significado del texto.</p><p>También te explico cómo monitorizar un directorio con inotifywait para que cualquier imagen que caiga en él se procese automáticamente, ideal para combinarlo con carpetas compartidas de Nextcloud o Syncthing y tener OCR automático desde el móvil. Y cómo combinar todo con wl-copy en Wayland o xclip en X11 para tener el texto directamente en el portapapeles con un solo atajo de teclado.</p><p>Cubrimos Tesseract 5 y su motor LSTM, los modos de segmentación de página (PSM 3, 6, 7 y 11), los diccionarios personalizados con --user-words para dominios específicos, las operaciones de ImageMagick v7 como colorspace gray, normalize, threshold, deskew, sharpen, negate y morphology, y cómo ajustar cada parámetro según el tipo de imagen. Además hablamos de <strong>OCRmyPDF</strong> para añadir capa de texto a PDFs escaneados y convertir cualquier PDF en un documento seleccionable y buscable.</p><p>El episodio incluye consejos prácticos para troubleshooting: cómo ajustar el threshold cuando el texto es borroso (valores entre 40% y 65%), cómo reducir el ruido con filtros de morfología, cómo redimensionar imágenes con texto muy pequeño usando -resize 200%, cómo manejar fotos de documentos con -median 3, y cómo crear diccionarios personalizados con --user-words para mejorar el reconocimiento en dominios específicos como facturas, logs o código fuente.</p><p><strong>Capítulos:</strong></p><p>0:00 - El problema de las capturas de pantalla<br>2:00 - Motivación: running, Hermes y el pipeline completo<br>4:00 - Captura y preprocesamiento con ImageMagick<br>6:30 - Operaciones clave: normalize, threshold, deskew y sharpen<br>8:30 - Pipelines personalizados según el tipo de imagen<br>10:30 - Tesseract: instalación, modos y diccionarios<br>14:00 - ocr_ai.py: detección automática del contenido<br>18:00 - Corrección con Llama 3.2 y prompts específicos<br>23:00 - Monitorización de directorios y automatización<br>24:30 - Consejos prácticos y cierre</p><p>Más información y enlaces en las <a href="https://atareao.es/podcast/814" target="_blank" rel="noopener noreferer">notas del episodio</a></p><ul><li>🌐 Aquí lo puedes encontrar todo 👉 <a href="https://atareao.es" target="_blank" rel="noopener noreferer">https://atareao.es</a></li><li>✈️ Telegram (el grupo) 👉 <a href="https://t.me/atareao_con_linux" target="_blank" rel="noopener noreferer">https://t.me/atareao_con_linux</a></li><li>✈️ Telegram (el canal) 👉 <a href="https://t.me/canal_atareao" target="_blank" rel="noopener noreferer">https://t.me/canal_atareao</a></li><li>🦣 Mastodon 👉 <a href="https://mastodon.social/@atareao" target="_blank" rel="noopener noreferer">https://mastodon.social/@atareao</a></li><li>🐦 Twitter 👉 <a href="https://twitter.com/atareao" target="_blank" rel="noopener noreferer">https://twitter.com/atareao</a></li><li>🐙 GitHub 👉 <a href="https://github.com/atareao" target="_blank" rel="noopener noreferer">https://github.com/atareao</a></li></ul>
July 13, 2026
<p>En este episodio de <strong>Atareao con Linux</strong> nos vamos a remangar para hablar de una de esas tecnologías que, una vez las dominas, te cambian la vida por completo: el <strong>Web Scraping asistido por Inteligencia Artificial</strong>.</p><p>Seguro que te ha pasado alguna vez. Quieres comprar un producto concreto, como unas zapatillas de running (yo las cambio cada 800 kilómetros y es un goteo constante), o quieres extraer todas las recetas de cocina de una web para montarte tu propio planificador semanal. Lo ideal sería que estas páginas tuvieran una API pública para descargar la información de forma limpia. Pero la cruda realidad es que casi ninguna te lo pone fácil. Ahí es donde entra el scraping: la técnica de extraer la información directamente de la página web.</p><p>En este episodio te cuento por qué el <strong>scraping clásico</strong> (ese que utiliza Beautiful Soup en Python y depende de identificar las etiquetas HTML y las clases CSS) tiene los días contados para tareas complejas. Basta con que un desarrollador cambie el diseño de la web para que tu script se rompa por completo. Además, con la llegada de las webs dinámicas, los tests A/B y los sistemas anti-bloqueo como Cloudflare, mantener un scraper tradicional es un auténtico dolor de muelas.</p><p><strong>La gran alternativa: Inteligencia Artificial en local</strong><br>¿Y si en lugar de pelearnos con el código fuente dejamos que un modelo de lenguaje (LLM) entienda la página exactamente igual que lo haría un humano? Un LLM comprende perfectamente qué es un "precio" o el "nombre de un producto", sin importar cómo esté maquetada la web ni el idioma en el que esté escrita. Y lo mejor de todo: ¡lo podemos hacer 100% gratis en local usando Ollama!</p><p>Te detallo mis pruebas ejecutando modelos en mi <strong>Slimbook One</strong> utilizando únicamente la CPU (¡sin gastar un céntimo en nubes ni necesitar tarjetas gráficas carísimas!). Hablaremos de cómo rinden modelos como Llama 3.2, Qwen, Mistral y DeepSeek R1, y cuál es el punto de equilibrio perfecto para no eternizarnos esperando la respuesta.</p><p>También te desvelo mi fórmula secreta para procesar la información. No podemos enviarle 2 Megabytes de HTML ruidoso a la IA. Te explico los 5 pasos que utilizo en Python para eliminar la basura (scripts, estilos, navegación) y reducir el HTML hasta en un 93%, permitiendo que el modelo extraiga los datos en segundos y nos devuelva un JSON estructurado impecable.</p><p>Por último, vemos cómo montar un auténtico <strong>vigilante de ofertas automatizado</strong> en segundo plano. Un sistema que compare los precios de varias tiendas en paralelo.</p><p><strong>Capítulos del episodio:</strong></p><ul><li><strong>00:00:00</strong> Introducción al Web Scraping con Inteligencia Artificial</li><li><strong>00:01:22</strong> ¿Para qué sirve extraer datos? Ejemplos prácticos</li><li><strong>00:02:42</strong> El gran talón de Aquiles del scraping tradicional</li><li><strong>00:04:31</strong> La revolución de la IA: Entender la web sin saber HTML</li><li><strong>00:07:36</strong> Los problemas habituales: Selectores rotos y webs dinámicas</li><li><strong>00:10:00</strong> Cómo un modelo de lenguaje (LLM) procesa la información</li><li><strong>00:13:17</strong> Cuándo elegir scraping clásico vs. scraping con IA</li><li><strong>00:15:28</strong> Comparación de costes: Enfoque clásico, IA local e IA en la nube</li><li><strong>00:17:19</strong> ¿Qué modelos usar? Pruebas con Llama, Qwen, Mistral y DeepSeek</li><li><strong>00:18:19</strong> Detrás de escena: Mi script de Python y la limpieza del HTML</li><li><strong>00:21:05</strong> Creando el prompt perfecto para extraer un JSON estructurado</li><li><strong>00:24:34</strong> Ejemplo real: Comparativa paralela entre tiendas</li><li><strong>00:28:38</strong> Diseñando un vigilante de ofertas automatizado (24/7)</li><li><strong>00:30:17</strong> Casos de uso prácticos y mejoras para evitar bloqueos</li><li><strong>00:32:02</strong> Cierre y detalles del próximo tutorial de scraping</li></ul><p>Más información y enlaces en las <a href="https://atareao.es/podcast/813" target="_blank" rel="noopener noreferer">notas del episodio</a></p><ul><li>🌐 Aquí lo puedes encontrar todo 👉 <a href="https://atareao.es" target="_blank" rel="noopener noreferer">https://atareao.es</a></li><li>✈️ Telegram (el grupo) 👉 <a href="https://t.me/atareao_con_linux" target="_blank" rel="noopener noreferer">https://t.me/atareao_con_linux</a></li><li>✈️ Telegram (el canal) 👉 <a href="https://t.me/canal_atareao" target="_blank" rel="noopener noreferer">https://t.me/canal_atareao</a></li><li>🦣 Mastodon 👉 <a href="https://mastodon.social/@atareao" target="_blank" rel="noopener noreferer">https://mastodon.social/@atareao</a></li><li>🐦 Twitter 👉 <a href="https://twitter.com/atareao" target="_blank" rel="noopener noreferer">https://twitter.com/atareao</a></li><li>🐙 GitHub 👉 <a href="https://github.com/atareao" target="_blank" rel="noopener noreferer">https://github.com/atareao</a></li></ul>
Discover related shows you might enjoy
Emilcar
Álex Barredo, Ángel Jiménez, Matías Zavia
Julio César Fernández Muñoz
Webedia
Applelianos
Antonio Ortiz, Matías S. Zavia
Webedia
Lorenzo Carbonell
Sergio Navas
Pocho Costa
Podium Podcast
SER Podcast
Jaime Rodríguez de Santiago
Finect
El Estoico
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
Disfruta conmigo de Linux y del Open Source.
Aquí encontrarás como sacarle el máximo partido a tu entorno de escritorio Linux, hasta como montar un servidor web, un WordPress, un proxy inverso, una base de datos o cualquier otro servicio que puedas imaginar.
Y todo ello, lo puedes montar en una Raspberry Pi, en un VPS, en tu propio ordenador o en cualquier servidor.
Vamos, cualquier cosa que quieras hacer con Linux, seguro, seguro, que la encontrarás aquí.
This podcast updates daily.
This podcast is available on 10 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
Yes, this podcast regularly features guests.
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.