Mi Stack de IA: las herramientas que uso para programar, planificar y automatizar

Después de varios meses probando herramientas de IA, he filtrado bastante y me he quedado con un stack concreto que uso a diario para programar, gestionar tareas, planificar proyectos y automatizar trabajo. En este artículo te resumo qué uso, cómo lo tengo configurado y por qué, siendo una sola persona, puedo sacar adelante la mayor parte del trabajo de proyectos grandes con un par de días y una buena configuración. Eso sí: nada de esto es perfecto, y también te cuento las limitaciones.

El hardware: mi red de trabajo

Antes de hablar de programas, conviene entender los computadores sobre los que corre todo:

Laptops. Tengo dos, una por entorno: una con Linux (Xubuntu, por lo ligero que es) y una MacBook solo para el software que únicamente funciona en Mac. Lo curioso es que no las uso como sistema principal: sirven sobre todo para conectarme a otro computador donde ocurre el trabajo real.

Computador de escritorio. Es donde desarrollo y edito: 48 GB de RAM, 12 GB de VRAM, mucho almacenamiento y particiones con Linux y Windows para pruebas.

Servidores en la nube. Trabajo con clientes en AWS, Azure, DigitalOcean y PaaS como Railway o Vercel. Por eso conozco varios proveedores: cada proyecto vive en un servicio distinto. Aquí hay una ventaja enorme de usar Linux en el escritorio: los servidores casi siempre corren Linux, así que los mismos comandos te sirven en desarrollo y en producción (y macOS, al basarse en Unix, comparte gran parte de ese entorno).

Homelab. Un computador aparte que funciona como servidor dentro de casa. Ojo: "servidor" no significa una cabina gigante llena de discos; es simplemente un programa que sirve cosas. Cualquier computador básico sin interfaz gráfica, encendido y accesible por SSH, cumple. En mi caso uso una Raspberry Pi 4 (8 GB de RAM, apps en ARM, y me sirve además para experimentos de electrónica). Otras opciones populares son los mini PC tipo Intel NUC o los Mac mini, más caros pero capaces de correr incluso programas de IA. También puedes reemplazar el homelab por un VPS en la nube.

¿Para qué sirve este servidor personal? Para alojar asistentes de IA como OpenClaw o Hermes, y para tus propios programas. Hay quien paga Notion u Obsidian; yo prefiero desarrollar mis sistemas propios (una base de datos SQL con una interfaz bonita) porque puedes adaptarlos a tu gusto y terminar con app de escritorio, web, CLI y MCP a medida que aprendes.

Si trabajas con varios computadores, te recomiendo hacer este mismo esquema: tener claro qué máquina cumple qué rol te ayuda a saber qué programas necesitas e incluso a desarrollar tus propias soluciones.

Generación de código: Claude Code, Codex y Cursor

Para generar código uso tres herramientas:

Claude Code es la principal. En mi opinión tiene el mejor modelo de IA actual, aunque es caro: uso la suscripción Max de $100 y le delego casi todo el desarrollo de mis proyectos.

Codex (GPT) es mi alternativa, pero la razón principal de pagarlo no es el desarrollo en sí, sino que OpenAI permite usar la suscripción con otras aplicaciones siempre que sean harnesses: OpenClaw, Hermes, OpenCode y herramientas nuevas que quieras probar. En mi caso, lo uso sobre todo porque puedo conectarlo con Hermes. Y no necesitas el plan más caro: con el plan básico de $20 es más que suficiente para tener tu asistente de IA.

Cursor entra cuando necesito un editor de código de verdad. Aclaración importante: Claude Code y Codex los uso desde la terminal, no desde interfaces gráficas. Pero cuando el proyecto es serio y necesito navegar entre múltiples archivos y revisar exhaustivamente lo que hizo la IA —sobre todo cuando aceptar una modificación es riesgoso— Cursor lo hace muy bien. Su interfaz de agentes permite manejar múltiples chats en paralelo, y con "Open editor window" recuperas el editor clásico con el chat a la derecha. Su suscripción de $20 da acceso a muchos modelos inteligentes. Si prefieres gratis, VS Code también funciona y puedes usar tu suscripción de Claude o GPT ahí, aunque su gestión de ventanas es más básica. Siendo honesto: estos días ya casi no escribo código, básicamente lo pido y lo reviso.

La terminal: WezTerm

Como vivo en la terminal, esta elección importa. Uso WezTerm por tres razones: abre rapidísimo, tiene aceleración por GPU y es multiplataforma, así que puedo llevar la misma configuración entre Windows, Linux y Mac. Eso es clave cuando saltas de sistema operativo constantemente.

¿Por qué no Warp? Es una terminal más pesada (tarda en lanzarse) y tiene características que suenan interesantes pero no uso. Lo que sí me gusta de Warp es su sidebar de sesiones múltiples. ¿Y Kitty? Buen rendimiento y también aceleración por GPU, pero solo funciona en Mac y Linux, no en Windows, así que pierdes tus configuraciones al cambiar de sistema.

Mi flujo con WezTerm: tengo todos los proyectos en un solo lugar, atajos configurados y tabs con nombre por proyecto. Lanzo Claude Code en una tab, Codex en otra, y voy saltando entre ellas mientras los agentes trabajan; incluso dejo una terminal en una pantalla aparte solo monitoreando.

Dos consejos si vas a instalarlo:

1. Instala la versión Nightly. La versión "estable" tiene dos o tres años porque el mantenedor (es un proyecto open source en Rust, mantenido por una sola persona) publica las correcciones y novedades en el canal nightly.
2. Deja que la IA lo configure. WezTerm se configura con Lua, igual que Neovim, y aprender un lenguaje solo para configurar tu terminal es duro. Pídele a Claude Code o Codex que lo configure por ti y guarda el resultado en un repositorio de dotfiles para restaurarlo cuando quieras. Mis dotfiles con mi configuración de WezTerm (colores, cursor y demás) están públicos por si quieres usarlos de referencia.

Orquestación de agentes: Notion como puente entre modelos

Aquí viene lo más interesante del stack. Normalmente pides algo en la terminal y el agente hace una tarea a la vez. Pero si desarrollas proyectos continuamente y entiendes de planificación —sabes que habrá autenticación, APIs, testing, QA, despliegue—, puedes ir un paso más allá del típico plan.md gigante que generan las IAs: usar un software de administración de proyectos como Notion o Linear como capa intermedia.

El truco es que estos programas soporten MCP o tengan un CLI. El flujo queda así:

1. Claude Code planifica. Le pido un plan en modo plan (por ejemplo, un sistema de inventario multiempresa con productos, entradas, órdenes, alertas de stock mínimo y predicción de reposición con IA). Luego, con el MCP de Notion conectado, le digo: "crea tareas individuales y coloca toda la planificación en esta página", pegando la URL. En mi prueba generó 24 tareas.
2. Tú revisas como project manager. El trabajo que a nadie le gusta: leer las tareas, dividirlas por fases, añadir propiedades como estatus (no empezado / en progreso / hecho) o dificultad (alta, media, baja, urgente).
3. Otro agente implementa. Desde otra terminal, con un agente más barato como Kimi Code (que también soporta MCP), le paso la misma URL: "usando el MCP de Notion, implementa las tareas, prueba cada desarrollo con Playwright CLI y cambia el estatus a medida que avanzas". Kimi Code además tiene modo yolo (acepta permisos automáticamente) y modo swarm (lanza múltiples subagentes en paralelo, respetando las dependencias entre tareas: primero el scaffold, luego la implementación).

El resultado: tienes un administrador de proyectos que es Claude y un programador junior que es Kimi, y ambos se comunican a través de Notion. En un board view ves las tarjetas moverse de columna en columna mientras se completan. Puedes lanzar un loop para que continúe hasta terminar todas las tareas.

Un consejo extra: añade una columna de dificultad o incluso de modelo asignado. Las tareas simples se las delegas a modelos baratos (Kimi, o alternativas como MiniMax, que según he escuchado está casi al nivel de Claude aunque es más caro), y las complicadas a un Opus, un GPT 5.5 o el modelo que sepas que responde bien. Luego le dices al agente: "solo lee las tareas asignadas a tu modelo".

Existen programas como Goose que permiten configurar múltiples modelos (un modelo maestro y modelos para trabajos pequeños) dentro de la misma herramienta, pero configurarlos bien es complicado; el enfoque de Notion/Linear como puente es mucho más fácil y no requiere desarrollar nada.

Hermes: mi asistente del día a día

La herramienta que más uso es Hermes, y es mucho mejor de lo que parece. Lo tengo instalado en la Raspberry Pi (podría ser un VPS o cualquier computador) junto con mis programas propios, y Hermes interactúa con ellos a través de CLIs. Desde la aplicación de escritorio me comunico con ese servidor, y desde el móvil puedo seguir enviándole tareas por Telegram: el trabajo continúa en otro computador aunque yo no esté frente a él.

Hermes es gratuito; solo necesitas una suscripción de IA, y con el plan de $20 de ChatGPT es más que suficiente. Ejemplos de uso real:

• Correo: "lee mis dos últimos correos". Llega un newsletter y una transacción; le pido que categorice el newsletter en una carpeta y que la transacción la registre en otro sistema.
• Tareas: "¿cuál es la tarea más actual que tengo?". Hermes carga un skill que ejecuta el CLI de mi sistema interno de tareas y me responde. Puede reacomodarlas, cambiar estatus, lo que le pidas.
• Capturas desde el móvil: le mando un screenshot de una página con "anótame esto para estudiarlo después". Analiza la imagen, entiende el contexto y crea la tarea, que se refleja en todos mis dispositivos.

Si tienes múltiples sistemas desplegados y quieres que Hermes se comunique con ellos, solo necesitas darle acceso a sus CLIs. Es la misma función que cumple un MCP, pero de una forma mucho más sencilla en mi opinión. No es excesivamente rápido —carga, consulta, procesa—, pero esa es justamente la idea: es como tener un secretario que avanza tareas en paralelo mientras tú haces otra cosa. Ya tengo un curso de Hermes desde VPS, y pronto lo actualizaré para cubrir también la aplicación de escritorio.

Las limitaciones (porque las hay)

Con este stack hoy puedo hacer la gran mayoría de mi trabajo sin contratar más personas. Pero seamos claros: estas herramientas no son perfectas y requieren bastante tiempo de configuración y preparación para tu flujo de trabajo específico. Una vez hecho ese trabajo inicial, sí: gran parte del flujo se automatiza.

Y un último apunte: no todo requiere IA. Si tienes tareas repetitivas, probablemente se puedan automatizar con un simple programa que se ejecute constantemente; puedes crearlo con IA, pero no siempre necesitas IA en la ejecución.

Este es mi stack actual. Probablemente a fin de año cambie y aparezca algún proyecto nuevo, pero de momento es lo que uso. ¿Cuáles son tus herramientas favoritas? Déjalas en los comentarios.

¿Buscas equipos especializados para IA local? Conoce a Vastec: más de 20 años fabricando computadores, laptops, servidores y estaciones de trabajo bajo estándares ISO 9001. Ahora traen la NVIDIA DGX Spark, una supercomputadora personal de IA con el superchip GB10 Grace Blackwell, 128 GB de memoria unificada y hasta un petaflop de rendimiento: modelos de hasta 200 mil millones de parámetros corriendo localmente, fine-tuning y agentes de IA sin depender de la nube, con garantía y soporte técnico local. Enlace para cotizar en la descripción del video.