JARVIS: asistente de voz local para Linux

Nucleo propio: oye con whisper.cpp, piensa con un modelo de Ollama, habla
con Piper, y hace RAG sobre los apuntes del usuario. 100% local, sin
cuentas ni claves.

Escrito bajo una restriccion dura, 4 GB de VRAM: el cerebro y whisper
comparten tarjeta y solo caben porque estan dimensionados para ello. El
RAG usa embeddings estaticos con busqueda hibrida; la voz clonada se sirve
de una cache de frases.

Incluye instalador (install.sh), requisitos, y documentacion del stack,
del manejo de root y de las acciones. Los apuntes indexados y el diario NO
se incluyen: son privados y el .gitignore los bloquea.

config/apuntar_modelo_jarvis.py

@@ -0,0 +1,65 @@
+#!/usr/bin/env python3
+"""Apunta el cerebro de Newelle al modelo qwen3.5:4b-jarvis.
+
+Es la variante con num_gpu 24 (ver qwen3.5-4b-jarvis.Modelfile): deja 1540 MiB
+libres en la tarjeta para que whisper pueda transcribir sin morir de OOM.
+
+Toca solo la clave llm-settings, y dentro solo el bloque "ollama": el modelo
+elegido, la lista de modelos y la biblioteca que se ve en la interfaz.
+"""
+import json
+import subprocess
+import sys
+
+APP = "io.github.qwersyk.Newelle"
+RAMA = "master"
+MODELO = "qwen3.5:4b-jarvis"
+
+GSET = ["flatpak", "run", f"--command=gsettings", f"{APP}//{RAMA}"]
+
+
+def leer(clave):
+    out = subprocess.check_output(GSET + ["get", APP, clave], text=True).strip()
+    # gsettings devuelve el string entre comillas simples, con \\ escapados
+    return json.loads(out[1:-1].replace("\\\\", "\\").replace("\\'", "'"))
+
+
+def escribir(clave, valor):
+    subprocess.check_call(GSET + ["set", APP, clave, json.dumps(valor)])
+
+
+def main():
+    ajustes = leer("llm-settings")
+    ollama = ajustes.setdefault("ollama", {})
+
+    anterior = ollama.get("model")
+    if anterior == MODELO:
+        print(f"ya apuntaba a {MODELO}; nada que hacer.")
+        return 0
+
+    ollama["model"] = MODELO
+
+    # la lista de modelos del desplegable: pares [clave, titulo]
+    modelos = json.loads(ollama.get("models", "[]"))
+    if not any(m[0] == MODELO for m in modelos):
+        modelos.insert(0, [MODELO, MODELO])
+        ollama["models"] = json.dumps(modelos)
+
+    # la biblioteca que pinta la interfaz, para que salga con descripcion
+    biblioteca = ollama.get("model-library", [])
+    if not any(m.get("key") == MODELO for m in biblioteca):
+        biblioteca.insert(0, {
+            "key": MODELO,
+            "title": "qwen3.5 4b (JARVIS)",
+            "description": "qwen3.5:4b con 24 de 32 capas en GPU, para dejar "
+                           "sitio a whisper en la tarjeta de 4 GB.",
+        })
+        ollama["model-library"] = biblioteca
+
+    escribir("llm-settings", ajustes)
+    print(f"cerebro: {anterior} -> {MODELO}")
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())