BlueFish AIAQI · Observatorio de IA
⌕
Documentación oficialNo probado por BlueFish

Primeros pasos con agentes de programación locales

Verifique el modelo y practique después permisos y revisión con cambios de código reversibles.

Última comprobación:
Glosario rápido

Los modelos generan contenido y razonan. Los agentes usan herramientas para realizar tareas. Un Harness gestiona el entorno de un agente. MCP conecta herramientas y datos. Los Skills son instrucciones de trabajo reutilizables.

Tarea actual

Primeros pasos con agentes de programación locales

Tiempo estimado

Planifique 2–4 sesiones prácticas; es una estimación editorial, no una duración medida.

Límites y alcance

Puerto incorrecto, modelo sin cargar, recursos insuficientes o ID de modelo incorrecto.

El chat funciona, pero las herramientas no son fiables o el contexto es insuficiente.

Cambios de configuración en versión preliminar, capacidad limitada de herramientas o búsqueda web que solicita autenticación en la nube.

Método de validación

Cambie un encabezado en un repositorio de prueba, revíselo y reviértalo con Git, explicando cada aprobación de comandos.

Siguientes pasos

Complete las verificaciones de las recetas enlazadas antes de añadir una capacidad; repita la revisión de fuentes cuando cambien las dependencias.

Coste

Pendiente de verificar

Precios no verificados; compruebe por separado los costes de software, modelo, API, hardware y alojamiento.

Pasos de implementación

  1. 01
    Envíe una solicitud breve a la API oficial, registre el ID del modelo, errores y latencia y evite archivos privados.
  2. 02
    Complete la receta de chat local y prepare un repositorio Git de prueba sin secretos.
  3. 03
    Seleccione Ollama y el modelo real en Cline sin ampliar los permisos de archivos o comandos.
  4. 04
    Pídale que explique un archivo, cambie después una frase y revise el diff.
  5. 05
    Ejecute manualmente las comprobaciones adecuadas y registre éxitos y fallos antes de ampliar la tarea.

Pasos de implementación

  1. Envíe una solicitud breve a la API oficial, registre el ID del modelo, errores y latencia y evite archivos privados.

  2. Complete la receta de chat local y prepare un repositorio Git de prueba sin secretos.

  3. Seleccione Ollama y el modelo real en Cline sin ampliar los permisos de archivos o comandos.

  4. Pídale que explique un archivo, cambie después una frase y revise el diff.

  5. Ejecute manualmente las comprobaciones adecuadas y registre éxitos y fallos antes de ampliar la tarea.

Fuentes originales

  1. Documentación oficial de Ollama ↗

    docs.ollama.com · 2026-10-15 · Documentación oficial

  2. Documentación oficial de LM Studio ↗

    lmstudio.ai · 2026-10-15 · Documentación oficial

  3. Documentación oficial de Cline ↗

    github.com · 2026-10-15 · Documentación oficial

  4. Documentación oficial de DeepSeek Harness ↗

    github.com · 2026-10-15 · Documentación oficial

  5. Ollama con Harness ↗

    github.com · 2026-10-15 · Documentación oficial

  6. Configuración de modelos de Harness ↗

    github.com · 2026-10-15 · Documentación oficial

Recursos relacionados

HarnessSoftware gratuito; comprueba la licencia y los costes de cómputo

DeepSeek Harness

Un Agent Harness oficial y de código abierto de DeepSeek AI, con arquitectura de plugins, en vista previa para desarrolladores.

Documentación oficial
AgenteSoftware gratuito; comprueba la licencia y los costes de cómputo

Cline

Un Agent de programación compatible con varios proveedores, Ollama, LM Studio y MCP.

Documentación oficial
Entorno de ejecución localSoftware gratuito; comprueba la licencia y los costes de cómputo

Ollama

Un entorno de ejecución de modelos locales y herramienta de API compatible con un subconjunto de los endpoints de OpenAI.

Documentación oficial
Entorno de ejecución localSoftware gratuito; comprueba la licencia y los costes de cómputo

LM Studio

Una herramienta de escritorio para modelos locales con endpoints compatibles con Chat Completions y Responses.

Documentación oficial