Discalaves

Estado: la v1 cumple sus dos criterios de "listo". Un empleado investiga un tema en la web y deja un informe en un archivo, y un empleado investiga y le pasa el resultado a otro, que lo resume. Probado con Qwen 3.5 9B en una RTX 3060 Ti de 8 GB. Hay instaladores para Linux y Windows que descargan solos lo que falta en el primer arranque (ver Instalar). Es una versión preliminar: Windows y varias descargas reales siguen sin probarse (ver Qué falta).

Discalaves es un equipo de "empleados" de IA que corre en tu propia computadora. Les asignas tareas como a compañeros de trabajo; cada empleado tiene su propia computadora aislada (un escritorio Linux con navegador y terminal) y trabaja por su cuenta. Es una alternativa local y abierta a Grok Bot.

Qué funciona hoy

• Empleados con modelo local. Por defecto usan Ollama (la app lo instala o usa el tuyo) con qwen3:8b, en tu GPU; nada sale de tu equipo. Si tienes llama.cpp con Qwen 3.5 9B (el servidor propio de Discalaves, con varias ranuras), también funciona. Conversas con cada empleado desde una app de escritorio y ves sus respuestas mientras las escribe.
• Cada uno con su puesto. Un empleado es un perfil en archivos de texto que puedes leer y editar: nombre, rol, tono y reglas, las herramientas que puede usar, sus procedimientos (cómo hace su trabajo y en qué formato lo entrega) y su memoria. Hay plantillas (asistente, investigador, redactor, marketing, contador, talento humano, desarrollador) o puedes describir el puesto con tus palabras para que el modelo redacte un borrador que tú revisas. Por defecto comparten el mismo modelo cargado: especializarse no gasta más memoria de la GPU.
• Honestidad comprobada. Si un empleado dice que guardó un archivo que no guardó, o cita una web que no abrió, la app lo detecta y le pide que lo haga de verdad o que diga que no pudo.
• Su propia computadora. Cada empleado trabaja en un contenedor Debian con escritorio XFCE, terminal y Chromium. No ve tus carpetas personales (solo la suya) ni tu sistema, y puede instalar programas dentro de su computadora sin tocar la tuya. Su computadora tampoco llega a tu red local (ni a tu router ni a otros servicios de tu equipo), solo a internet.
• Usa sus herramientas. Terminal, crear archivos, buscar en la web, abrir páginas y rellenar formularios. En el navegador apunta a cada enlace, botón o campo por una referencia corta de la estructura de la página. Ya investiga un tema y deja un informe en un archivo.
• Ve su escritorio (en pruebas). Con la visión de Qwen 3.5 (Configuración → Visión de Qwen), el empleado mira capturas de su pantalla y usa el ratón y el teclado en cualquier programa, como hace Claude con computer use. Si tomas el control, se pone en pausa; los clics delicados te los pide aprobar sobre la captura. Su cursor se ve grande (y puedes poner el tuyo). Qwen 9B todavía falla bastantes clics: ver Qué falta.
• Lo ves en vivo. Un botón muestra su escritorio mientras trabaja, y puedes tomar el control con tu teclado y ratón.
• Trabaja hasta acabar. No se detiene a preguntar "¿sigo?"; te cuenta cada paso, y un botón Detener lo corta cuando quieras. Si se queda repitiendo lo mismo, se frena solo y te lo explica.
• Herramientas adicionales, a tu elección. En el perfil de cada empleado puedes activar leer y editar archivos, leer una web sin navegador, que te pregunte, o que le pase trabajo a un compañero y reciba su respuesta.
• Trabajan en equipo, y lo ves. Un empleado le encarga una parte a un compañero ("pasar trabajo", activado en todas las plantillas). En el hilo Equipo ves a los dos colaborar: quién le encarga qué a quién, sus pasos y sus respuestas, mientras ocurre. Desde ahí también puedes encargar algo con @nombre. Varios empleados pueden trabajar a la vez con el mismo modelo (2 en una GPU de 8 GB, algo más lentos que uno solo).
• Motor OpenClaw, a tu elección. Cada empleado puede trabajar con el bucle propio de Discalaves o con OpenClaw y sus herramientas (terminal, archivos, web, navegador), siempre dentro de su computadora aislada. Probado en Linux con Qwen 9B en tareas cortas.
• Tú apruebas lo delicado. Antes de borrar, enviar o pagar algo, te pide permiso. Hay un modo libre opcional por empleado que quita esas aprobaciones; está apagado por defecto.
• Otras IAs vía Ollama. Si tienes Ollama, puedes asignar cualquiera de tus modelos a un empleado. Los que saben usar herramientas tienen su propia computadora; los que no, se marcan como "solo chat".
• Gestor de modelos. Busca modelos en Hugging Face, te dice si cada versión cabe en tu GPU y los instala en Ollama con una barra de progreso. También acepta nombres de la biblioteca de Ollama (llama3.2:3b) y archivos .gguf de tu disco. Lo instalado se asigna enseguida a cualquier empleado.
• Configuración. El engranaje junto a tu perfil muestra los modelos locales, las especificaciones de tu equipo (CPU, RAM, GPU) y permite instalar Ollama y el modelo recomendado cuando quieras.
• Tu perfil. Tu nombre y tu foto, guardados solo en tu equipo.

Modelos fuera de tu equipo (opcional)

Por defecto todo es local. Si quieres, puedes asignar a un empleado una API con clave (OpenAI, Gemini, Claude u otra compatible con OpenAI), un servidor tuyo (por URL o túnel SSH) o ChatGPT vía Codex. La app te avisa qué datos salen y hacia dónde, marca a esos empleados en la lista y nunca cambia su origen sola.

• Codex (ChatGPT) no es oficial y puede dejar de funcionar. Lo instalas tú aparte y respondes por cumplir los términos de OpenAI.
• Claude por suscripción no está soportado: las condiciones de Anthropic no lo permiten a apps de terceros. Claude funciona con clave de API.
• Servidor compatible con OpenAI (por ejemplo el de tu universidad): pones la URL y la clave, la app detecta la ruta (con o sin /v1), lista los modelos y averigua si admite herramientas; si no, los empleados las usan escritas como texto. Con un botón pasas a todos los empleados a ese servidor (con aviso de privacidad), sin precios ni tope, hasta 9 peticiones a la vez. Si el servidor falla, el empleado se detiene: nunca vuelve al modelo local solo.
• Solo se ha probado con servidores falsos locales, no con proveedores ni servidores reales.

Principios

• Cero fricción. Un instalador nativo que trae todo lo necesario. Sin Docker ni pasos previos. Al terminar se abre la interfaz con los empleados listos. (El instalador ya descarga Ollama, el modelo y Podman, pero solo está probado en Linux y partes sueltas; si ya tienes Docker, se usa.)
• Privacidad primero. Los modelos corren en tu máquina por defecto. Usar una API externa es opcional, lo decides tú, y la app te avisa claramente de que en ese caso tus datos salen de tu equipo.
• Honestidad con los modelos pequeños. Un modelo local no es un modelo gigante en la nube. Los empleados te cuentan qué hacen paso a paso, dicen cuando algo falla en lugar de inventar, y no prometen "trabajo terminado" que no hicieron.
• Tú mandas. Las acciones delicadas (borrar, enviar, pagar) necesitan tu aprobación, salvo que actives el modo libre de un empleado.

Requisitos

• Linux o Windows 10/11 (Windows todavía sin probar; Mac después).
• GPU NVIDIA con al menos 8 GB de VRAM.
• 16 GB de RAM recomendados.
• Con el instalador no necesitas nada más: Discalaves descarga Ollama, un modelo y, en Linux, Podman. Para seguir el desarrollo desde el código, además: Node.js 24 o superior (y un motor de contenedores: Docker o Podman).

El desarrollo y las pruebas se hacen con Qwen 3.5 9B (Q4) en una RTX 3060 Ti de 8 GB.

Instalar

En Windows, descarga el .exe de los artefactos de GitHub Actions (discalaves-instalador-windows). En Linux, por ahora se genera con cd app && npm ci && npm run instalador:linux (un AppImage en app/instalador/); aún no hay descarga publicada. Ábrelo. La primera vez, Discalaves te muestra qué falta y lo prepara cuando pulsas Preparar:

• Ollama, el motor que ejecuta los modelos (unos 1,5 GB). Se instala en tu carpeta, sin permisos de administrador; si ya lo tienes, se usa el tuyo.
• Qwen3 8B (5,2 GB), un modelo con herramientas que cabe en 8 GB de VRAM. Es solo el recomendado: puedes usar cualquier otro desde Configuración. Lo que se descarga de GitHub o de Hugging Face se verifica con sha256 y, si se corta, continúa donde se quedó.
• Podman en Linux si no hay Docker ni Podman usable (pide tu contraseña de administrador una vez) o, en Windows, una distro WSL propia con Podman.

Desde el engranaje junto a tu perfil, Configuración → Ollama instala Ollama y baja el modelo recomendado cuando quieras. llama.cpp con Qwen 3.5 9B (el servidor propio de Discalaves) sigue funcionando si ya lo tienes, pero ya no se instala por defecto.

Probado: la instalación de Ollama contra un servidor local que imita su release, la descarga reanudable, la descarga real de llama.cpp en Linux y la pantalla de preparación en la app empaquetada. Sin probar: la descarga real de Ollama y del modelo, la instalación de Podman con pkexec en una distro sin él, y Windows.

Probarlo desde el código

Para seguir el desarrollo. Necesitas Node.js 24 o superior y, en Linux, Docker (usable sin sudo) o Podman; si falta algo, la pantalla de primer arranque ofrece instalarlo.

cd app
npm install
npm start

La primera vez construye la imagen de las computadoras de los empleados (~2 minutos) y la pantalla de primer arranque descarga Ollama y qwen3:8b. Si ya tienes llama.cpp en ~/Documents/IA-discalaves/llama.cpp/ (o la ruta de DISCALAVES_IA) y modelos/Qwen3.5-9B-Q4_K_M.gguf, los empleados de qwen también funcionan.

Pruebas:

cd app
npm run prueba:unidad   # rutas, adaptadores, instalación y Ollama (sin Docker)
npm run prueba          # todas, incluidas las computadoras con contenedores reales

En Windows, la app y el modelo corren nativos y solo las computadoras de los empleados van en una distro WSL2 propia con Podman. Para probarlo en una PC real sigue PRUEBAS_WINDOWS.md; al abrir la app por primera vez, Preparar activa WSL2 (pide permiso de administrador), crea la distro e instala Podman. Los archivos de cada empleado quedan en \\wsl$\discalaves\home\discalaves\trabajo\<empleado>.

Qué falta

• Windows: nunca se ha probado en una PC real (WSL2, reenvío de puertos de la pantalla en vivo, llama.cpp con CUDA, memoria con varios empleados).
• Descargas reales: Ollama, qwen3:8b y la instalación de Podman con pkexec en una distro limpia solo se han probado contra servidores falsos o en parte.
• Modelos fuera del equipo: ningún proveedor ni servidor remoto real, ni Codex con una cuenta real; solo servidores falsos locales.
• Motor de contenedores: Podman rootless solo se ha probado en un contenedor que simula WSL, no como motor principal en un equipo; falta empaquetar uno propio para Linux.
• OpenClaw: probado en Linux con tareas cortas; faltan tareas largas, varios empleados a la vez y Windows.
• Varios empleados a la vez: la memoria RAM con muchos contenedores trabajando sin medir.
• Distribución: el instalador de Linux se genera a mano; falta publicar descargas.
• Escritorio con capturas: Qwen 9B ubica las cosas con poca precisión (menús con opciones juntas, áreas grandes) y cada paso tarda varios segundos; con poca VRAM libre la visión deja capas del modelo en la CPU y va más lento.
• Más adelante: Mac, microVMs como modo seguro, y conectores (Matrix, Discord, Telegram) y acceso desde el celular.

Licencia

Apache License 2.0. Consulta LICENSE y NOTICE.

Discalaves — Copyright 2026 Disca. discajapon.com