Descubre cómo la técnica ‘Piensa paso a paso’ (Chain-of-Thought) altera la precisión real de un LLM en problemas de lógica y matemáticas. Incluye la guía didáctica de la Línea Péter del Proyecto PINSAPIA y la aplicación completa en Python con FastAPI y LM Studio en el puerto 8094.
Descubre si los modelos de lenguaje son neutros o reproducen estereotipos con la Línea Gebru de PINSAPIA. Incluye una guía de auditoría algorítmica para el alumnado basada en plantillas parametrizadas y análisis léxico determinista en Python en el puerto 8091.
Descubre cómo influyen la temperatura y el muestreo de aleatoriedad en las respuestas de un LLM con la Línea von Neumann de PINSAPIA. Incluye una guía de retos prácticos para el alumnado basada en simulaciones Monte Carlo y la aplicación completa en Python con FastAPI y LM Studio en el puerto 8089.
Descubre cómo solucionar el “falso 200 OK” de LM Studio implementando la tokenización nativa de Qwen 2.5 en Python. Incluye la aplicación interactiva completa de la Línea Booth de PINSAPIA y una guía didáctica con retos prácticos para explorar cómo “leen” las IA con el alumnado en el aula
Aprende a construir el Proyecto Cavendish: una arena de debate multi-agente para modelos de lenguaje (LLM) desarrollada en un solo archivo Python (app_cavendish.py). Inspirada en Margaret Cavendish —autora de la primera novela de ciencia ficción en 1666—, esta aplicación combina un servidor FastAPI en el puerto 8062 con una interfaz web interactiva para simular confrontaciones dialécticas entre IAs con intervención humana en tiempo real (Human-in-the-Loop).
Proyecto de planificación estructurada para Agentes de IA desarrollado con FastAPI y LM Studio local para el IES Monterroso (MonteSteam / AIDARAC). Basado en los principios del Spanning Tree Protocol de Radia Perlman, esta aplicación enseña cómo descomponer objetivos complejos en secuencias lógicas de acciones evitando bucles infinitos.
Proyecto práctico de síntesis de voz 100% local y offline desarrollado con Piper TTS y FastAPI para el IES Monterroso (MonteSteam / AIDARAC). Inspirado en la pionera del sonido electrónico Delia Derbyshire, este ejercicio aborda la tecnología de texto a voz desde la perspectiva de la accesibilidad universal y el funcionamiento de los lectores de pantalla.
Aprende a construir el Proyecto Katie Bouman, una solución de RAG Multimodal y visión por computador 100% local con FastAPI, Uvicorn y LM Studio. Desarrollado en el marco de las iniciativas MonteSteam y AIDARAC en el IES Monterroso, este sistema permite al alumnado analizar esquemas técnicos, circuitos y gráficas de laboratorio en el aula de forma privada, eficiente y sin costes de API.
Guía paso a paso para construir un agente de Inteligencia Artificial 100% local, privado y sin costes de API mediante la técnica de Function Calling (Tool Calling). Utilizando Qwen 2.5 3B en LM Studio y un servidor con FastAPI, el proyecto enseña a conectar un LLM con herramientas ejecutables en Python (cálculo matemático, sensores y generación de gráficos con Matplotlib) mostrando además la trazabilidad de los datos en tiempo real.
Aprende a construir un sistema RAG (Generación Aumentada por Recuperación) 100% local, gratuito y privado utilizando FastAPI, Python y LM Studio. Explicamos paso a paso cómo conectar una base de datos en CSV con un LLM local para responder preguntas sin alucinaciones, analizando desde la búsqueda por similitud coseno hasta la optimización de prompts en el aula.