8e4bc8ad94
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.
51 lines
2 KiB
Markdown
51 lines
2 KiB
Markdown
# Privacidad
|
|
|
|
La premisa del proyecto es que nada sale de la máquina. No es un eslogan: se
|
|
verifica, y este documento dice qué es local, qué podría salir y qué se ha
|
|
dejado deliberadamente fuera de este repositorio.
|
|
|
|
## Qué es local
|
|
|
|
| Pieza | Dónde corre |
|
|
|---|---|
|
|
| Cerebro (modelo) | Ollama en `127.0.0.1:11434` |
|
|
| Escucha (STT) | whisper.cpp, en la propia máquina |
|
|
| Voz (TTS) | Piper / XTTS, en la propia máquina |
|
|
| Memoria de conversación | ficheros locales |
|
|
| RAG | índice local sobre apuntes locales |
|
|
|
|
Ninguna de estas piezas necesita una cuenta ni una clave. El asistente funciona
|
|
con la máquina desconectada de internet.
|
|
|
|
## Qué puede salir, y no es un fallo
|
|
|
|
- **La búsqueda web**, solo si el modelo decide usarla para una pregunta que lo
|
|
pide. Es una herramienta que se invoca, no una fuga de fondo, y se avisa.
|
|
|
|
Fuera de eso, no hay tráfico saliente durante el uso normal.
|
|
|
|
## Qué NO está en este repositorio, a propósito
|
|
|
|
Este código es público; los datos del usuario no. El `.gitignore` bloquea, y
|
|
nunca se deben añadir:
|
|
|
|
- **`nucleo/datos/saber.jsonl`** y sus derivados (`cosecha.jsonl`,
|
|
`sintesis.jsonl`): contienen el TEXTO de los apuntes indexados. Publicarlos
|
|
publicaría los apuntes.
|
|
- **`nucleo/datos/diario.jsonl`**: es lo que el usuario le ha dicho al asistente
|
|
por voz.
|
|
- **`voz/ref/`** y las cachés de audio: la voz de referencia y las frases
|
|
sintetizadas son personales.
|
|
- **Entornos, modelos y datasets**: se reconstruyen; no son código.
|
|
|
|
Lo único de `nucleo/datos/` que sí va es `acciones.json` (el catálogo de lo que
|
|
el asistente sabe hacer) y su generador: definen capacidades, no datos.
|
|
|
|
## Cómo comprobarlo
|
|
|
|
- Que nada nuestro escuche fuera de loopback:
|
|
`ss -ltnp | grep -vE '127\.0\.0\.1|\[::1\]'`
|
|
- Que el cerebro apunta a local: revisar el endpoint en `nucleo/cerebro/`.
|
|
- Que no hay claves en el repo: no hay ningún fichero de credenciales; el
|
|
manejador de sudo (`nucleo/manos/sudo_root.py`) guarda la contraseña solo en
|
|
memoria durante la sesión y la borra al terminar.
|