Cómo montar agentes de IA locales en un PC normal (Hermes, Obsidian y RAG)

¿Qué PC necesitas? (16, 32 y 64 GB)

La buena noticia es que no necesitas una máquina de gamer ni una gráfica carísima. La mala, que tampoco vale cualquier cosa: el factor que manda aquí es la memoria, porque el modelo de IA se carga entero en la RAM (o en la VRAM de la gráfica) mientras funciona.

La regla es sencilla: cuanta más memoria, más grande y más listo el modelo que puedes mover. Y un modelo más grande significa un agente que se equivoca menos y entiende mejor lo que le pides.

RAM, VRAM y por qué importa la gráfica

Un modelo puede funcionar de dos maneras:

• Solo con CPU y RAM. Funciona en cualquier PC con memoria suficiente, pero va más lento (las respuestas se escriben poco a poco). Para un agente que trabaja en segundo plano —ordenar archivos, redactar un borrador— suele ser más que suficiente.
• Con GPU (tarjeta gráfica). Si tienes una gráfica con VRAM (la memoria propia de la tarjeta), el modelo va muchísimo más rápido. Con 8-12 GB de VRAM aceleras de sobra los modelos de 7B-14B, que son los ideales para empezar.

Un caso aparte son los Mac con Apple Silicon (M1, M2, M3…): su “memoria unificada” hace de RAM y de VRAM a la vez, así que un MacBook de 16 o 32 GB mueve modelos locales con una eficiencia estupenda y en silencio.

El motor: cómo ejecutar los modelos (Ollama y compañía)

El motor es el programa que carga el modelo y lo hace funcionar en tu PC. No tienes que pelearte con la línea de comandos ni compilar nada: hay opciones que se instalan con un clic.

• Ollama es la más popular y sencilla. Instalas el programa, escribes una orden como ollama run qwen3.5 y ya tienes el modelo funcionando. Además ofrece un “enchufe” estándar (una API compatible con la de OpenAI) al que se conectan casi todos los agentes.
• LM Studio hace lo mismo pero con una interfaz gráfica bonita para quien prefiere no tocar la terminal: buscas el modelo, lo descargas y chateas.
• llama.cpp es la pieza técnica que hay por debajo de muchas de estas herramientas, para quien quiera exprimir hasta el último recurso.

Qué modelo elegir (y por qué el “tool calling” es clave)

Para un chatbot normal casi cualquier modelo vale. Pero un agente necesita algo especial: saber usar herramientas (lo que se llama tool calling o function calling). Es decir, no solo escribir texto, sino decir “ahora voy a abrir este archivo” o “ahora busco en tus notas” con el formato exacto que el sistema espera. Un modelo que falla en esto genera órdenes rotas y el agente no avanza.

Estos son los modelos que mejor equilibrio ofrecen hoy para un PC normal:

En la práctica: si tienes 16 GB, tira de un modelo de 12B-14B (Gemma 4 o Qwen3.5). Si tienes 32 GB, puedes subir a un 27B-32B y notarás el salto de calidad. Los modelos gigantes de moda (como Kimi K3) son maravillosos, pero pesan demasiado para un equipo doméstico: para esos, lo lógico es usarlos por API en la nube solo cuando la tarea lo merezca.

El cerebro: Hermes, un agente que aprende de ti

El modelo por sí solo es como un motor sin coche: potente, pero no va a ningún sitio. El agente es la carrocería que lo convierte en algo útil: la pieza que recuerda quién eres, decide qué hacer y ejecuta las tareas.

Aquí el nombre que más suena en 2026 es Hermes Agent, de Nous Research: un agente de código abierto, gratuito, que se describe a sí mismo como “el agente que crece contigo”. Frente a un chatbot que empieza de cero en cada conversación, Hermes está pensado para ser un colaborador de largo plazo. Sus ideas fuerza son:

• Memoria persistente. Recuerda lo que hablasteis ayer, la semana pasada o el mes pasado, y va construyendo un modelo de quién eres y cómo trabajas.
• Habilidades (skills) que se auto-mejoran. Trae decenas de habilidades listas y, sobre todo, aprende nuevas con el uso: cuando descubre una forma mejor de hacer algo, la guarda para la próxima vez.
• Vive donde tú vives. Puedes hablar con él desde la terminal o a través de Telegram, Discord, Slack, WhatsApp, Signal o el correo, como si fuera un contacto más.
• Tablero Kanban. Cuando quieres varios agentes trabajando juntos, comparten un tablero de tareas (estilo Trello) donde se reparten el trabajo sin pisarse.
• Conector universal (MCP). Se enchufa a herramientas externas mediante el estándar MCP, del que hablaremos en el capítulo de funciones útiles.

¿Es Hermes lo que me conviene?

Hermes no es la única opción: verás mencionar también Turnstone y Paperclip, que suenan a lo mismo pero resuelven problemas distintos. Lo vemos en detalle en el siguiente capítulo, aunque el resumen es sencillo: si buscas un ayudante personal para tu ordenador, Hermes es la apuesta natural.

¿Hermes, Turnstone o Paperclip?

Estos tres nombres aparecen siempre juntos en cuanto te asomas al mundo de los agentes locales, y es fácil pensar que hay que elegir uno “mejor” que los otros. La realidad es que no compiten entre sí: resuelven problemas distintos y están pensados para escalas distintas.

Hermes: el asistente que te conoce

Es el enfoque personal. Un solo agente, en tu ordenador, que va acumulando memoria sobre ti: cómo trabajas, qué proyectos llevas, qué le pediste el mes pasado. Le hablas por Telegram o por correo como a un contacto más, y se apoya en tus notas de Obsidian. Si lo que quieres es un ayudante para tu día a día, este es tu camino.

Turnstone: la infraestructura seria

Turnstone juega en otra liga: es una plataforma de orquestación autoalojada (Apache 2.0) para ejecutar agentes con herramientas de verdad —consola, archivos, búsqueda, web, subagentes— sobre tu propio hardware, sin telemetría ni llamadas a casa. Puede funcionar en una máquina o repartir el trabajo entre varios nodos de un clúster, con panel de control en tiempo real.

Su gran diferencia son los controles: un “juez” basado en IA evalúa el riesgo de cada acción antes de ejecutarla, y añade permisos por roles, inicio de sesión corporativo y registro de auditoría. Eso lo hace ideal para equipos, servidores y homelabs, o para cualquiera que necesite dejar rastro de qué hizo el agente y por qué.

Paperclip: el equipo de agentes

Es el enfoque de “empresa virtual”: varios agentes con roles distintos, un presupuesto asignado y coordinación entre ellos para sacar adelante procesos complejos. Tiene sentido cuando una sola cabeza no basta y quieres especialistas trabajando en paralelo.

Entonces, ¿cuál me monto?

• Quiero un ayudante personal para notas, archivos, tareas y correo en mi PC → Hermes. Es el que mejor encaja con la receta de esta guía.
• Tengo un servidor o un homelab y quiero automatizar tareas con control, permisos y auditoría → Turnstone.
• Quiero automatizar un proceso con varios especialistas coordinados → Paperclip.

Un apunte práctico: Turnstone pide Python 3.11 o superior y, para el paquete completo, Docker y una base de datos. Hermes es bastante más directo de poner en marcha. Si estás empezando, monta Hermes primero: entenderás el funcionamiento de un agente y luego decidirás si necesitas la artillería de Turnstone.

La memoria: Obsidian y RAG (que no se le olvide nada)

El gran defecto de los modelos de IA es que olvidan: por muy listos que sean, su “ventana de contexto” es limitada y, cuando se llena, lo viejo se cae. Para que tu agente sea de verdad útil hay que darle una memoria externa, algo que sobreviva de una sesión a otra. Aquí entran dos ideas: Obsidian y RAG.

Obsidian: la memoria en notas que tú también puedes leer

Obsidian es un gestor de notas gratuito que guarda todo en archivos de texto (Markdown) en tu propio disco. La jugada es elegante: en vez de esconder la memoria del agente en una base de datos opaca, se guarda en una bóveda de notas que tú también puedes abrir, leer y editar.

Hermes se integra con Obsidian: le das acceso a una carpeta y, a partir de ahí, cada resumen, cada dato que aprende y cada proyecto queda escrito como una nota enlazada. La memoria funciona por capas: unos pocos datos clave siempre a mano (quién eres, tus preferencias), un buscador de todas tus conversaciones pasadas, y la bóveda de Obsidian para el conocimiento detallado y de largo plazo que no cabe en la memoria corta.

RAG: para que se estudie tus documentos

RAG son las siglas de Retrieval-Augmented Generation, y suena más complicado de lo que es. En cristiano: es la técnica que permite que el agente consulte tus propios documentos (PDF, notas, manuales, apuntes…) antes de responder, en lugar de inventarse las cosas.

Funciona así: tus archivos se trocean e indexan; cuando le preguntas algo, el sistema recupera los fragmentos más relevantes y se los pasa al modelo para que responda basándose en ellos. Es lo que convierte a la IA en un experto sobre tu información: puede responder “según tus apuntes de fiscalidad…” o “en el contrato que guardaste en marzo pone que…”.

La ventaja de hacerlo en local es doble: tus documentos nunca salen del ordenador y no pagas por consulta. Obsidian + RAG juntos son, básicamente, un cerebro auxiliar privado que crece contigo.

Funciones útiles: archivos, notas, tareas y correo

Un agente que solo habla no sirve de mucho. Lo interesante es cuando puede tocar tus cosas: abrir un archivo, apuntar una nota, mover una tarea o mirarte el correo. La pieza que hace posible todo esto se llama MCP (Model Context Protocol), y la mejor forma de entenderla es como el USB de los agentes: un enchufe estándar por el que el agente se conecta a cada herramienta.

Con las conexiones adecuadas, tu agente local puede encargarse de tareas del día a día:

• 📁 Archivos. “Ordéname la carpeta de Descargas por tipo”, “resume este PDF de 40 páginas”, “busca en mis documentos dónde mencioné el presupuesto”. El agente lee, ordena, renombra y resume tus ficheros locales.
• 📝 Notas. Conectado a Obsidian, toma notas por ti, enlaza ideas, mantiene un diario o te prepara un resumen de lo que hablasteis. Tus notas y su memoria son lo mismo.
• ✅ Tareas. A través de su tablero Kanban, el agente apunta pendientes, los mueve de “por hacer” a “hecho” y, si tienes varios agentes, se reparten el trabajo entre ellos.
• ✉️ Correo y calendario. Puede leer y clasificar el correo, avisarte de lo importante, redactar borradores de respuesta o cruzar tu bandeja con tu agenda. Como Hermes vive también en el correo o en Telegram, le escribes desde el móvil y te contesta con el trabajo hecho.

Un ejemplo de un día cualquiera

Imagina la rutina: por la mañana le escribes por Telegram "¿qué tengo hoy?" y te devuelve un resumen de correos importantes y tareas del Kanban. A mediodía le pasas un PDF y le pides que lo guarde resumido en tus notas. Por la tarde le dices “prepárame un borrador de respuesta para el correo de Marta” y lo deja listo para que solo tengas que revisarlo. Todo sin abrir diez pestañas y sin que nada salga de tu ordenador.

Cómo empezar paso a paso (y consejos de seguridad)

Si has llegado hasta aquí, ya tienes el mapa completo. Este es el camino recomendado para montarlo sin agobios, de menos a más:

1. Instala el motor. Baja Ollama (o LM Studio si prefieres botones) y descarga un modelo acorde a tu RAM: Gemma 4 12B o Qwen3.5 14B si tienes 16 GB; Qwen3.5 32B si tienes 32 GB. Comprueba que responde en un chat básico.
2. Instala el agente. Pon en marcha Hermes, conéctalo al modelo que acabas de descargar y haz una prueba corta de que todo se entiende.
3. Dale memoria. Crea una bóveda de Obsidian y apúntale una sola carpeta al principio. Verifica que lee y escribe notas correctamente.
4. Añade conexiones. Enchufa vía MCP las herramientas que más uses, empezando por archivos y, si te apetece, correo o calendario. De una en una.
5. Crece poco a poco. Cuando le hayas cogido el punto, amplía carpetas, añade habilidades o monta un equipo con Paperclip.

Consejos de seguridad (léelos)

Darle a una IA acceso a tus archivos y tu correo es cómodo, pero exige cabeza:

• Empieza con permisos mínimos. Una carpeta, no todo el disco. Una cuenta de correo secundaria antes que la principal.
• Revisa lo que hace. Sobre todo al principio, pídele que te confirme antes de borrar, enviar o mover cosas importantes.
• Haz copias de seguridad. Antes de soltarle una carpeta de archivos, ten un respaldo. Un agente puede equivocarse.
• No lo expongas a internet. Manténlo en tu red local. Si lo abres al exterior, protégelo bien.

Montar tu propio sistema de agentes locales es, sobre todo, una forma estupenda de entender la IA desde dentro y de recuperar el control de tus datos. Empieza pequeño, juega, rompe cosas (con copia de seguridad) y ve creciendo. En unas semanas tendrás un ayudante que te conoce, que no te cuesta un euro al mes y que no le cuenta tu vida a nadie.