El viernes mencioné el uso de OpenCode de varias formas. Una de ellas fue
ejecutarlo dentro de docker-in-docker (o podman-in-podman) para que la
propia IA pueda utilizar contenedores (y no tener que instalar las
herramientas en el mismo entorno) pero que no pueda romper contenido
arbitrario del host.

Mikel Elustondo me escribió hace un par de días preguntando por eso en
concreto, y también cómo suscribirse a ITSAS.
Le indiqué cómo suscribirse primero, y ahora que lo ha hecho, envío la
respuesta del tema de OpenCode a la lista, para que pueda ser útil para
otros también.

El documento markdown adjunto es una highly opinionated chapa que escribí
el mes pasado como issue interna para compañeros del grupo de
investigación. Está pensado para personas que sólo han usado chatgpt y/o
gemini a través de la web, y ya han empezado a copiar fragmentos de código
en el chat, copiar los resultados de vuelta, y llegan habitualmente el
límite gratuito de conversación de esas plataformas.

Para una lectura rápida, mirad sólo los bloques de código, después el
título de la (sub)sección y por último los párrafos anteriores al bloque.

Lo de docker-in-docker es el apartado OpenCode > Alcance > Agentes y
contenedores:

docker run -d --rm \
  --name docker-dind \
  --privileged \
  -e DOCKER_TLS_CERTDIR='' \
  -v $(pwd):/wrk \
  docker:dind

docker exec -it docker-dind sh

docker run --rm -itv /wrk:/wrk -w /wrk \
  -v /var/run/docker.sock:/var/run/docker.sock \
  debian:trixie-slim \
  bash

apt update -qq && apt install -y curl
curl -fsSL https://gitlab.com/umarcor/ML4HW/-/raw/main/trixie_opencode.sh |
bash
. ~/.bashrc
opencode

NOTA: hay que hacer entender a la IA que los contenedores que ejecute deben
incluir `-v /wrk:/wrk` para que tengan acceso a los mismos ficheros que
OpenCode (que son los que estén en $(pwd) del host cuando se arranca
docker:dind). Yo lo uso en proyectos donde la integración continua o los
scripts de test para humanos ya incluyen ese conocimiento, para no tener
que explicárselo.

Si, además, se quiere ejecutar lo anterior en integración continua con un
runner local de GitLab, hay que permitir la ejecución de docker:dind (ver
el fichero gitlab.runners.md del repo gh:itsas-taldea/homelab).
Esto no lo he probado. Los runners con soporte de docker:dind los utilizo
para crear contenedores (docker build) o para ejecutar contenedores con
Gource (xvfb + ffmpeg). Debería funcionar tal cual, pero todavía no he
tenido un caso de uso que requiera ejecutar IA en CI. No he abierto el
pastel de las skills.

PD: Si a alguien le interesa, https://gitlab.com/umarcor/ML4HW/ pretende
ser un resumen de qué son las redes neuronales artificiales con
conocimientos de mates de bachillerato: sistema lineal de ecuaciones >
Cramer/Gauss > curve fitting > perceptron > SLFN > ELM > CNN/DNN; con
ejemplos en Python (NumPy sólo) y figuras generadas con matplotlib. A ojo,
hice a pelo el 20% (la estructura, mates, pseudocódigo en m), y la gran
mayoría con OpenCode (Big Pickle principalmente, pero también Nemotron o
Muse Spark). En la rama umarcor/dev podéis ver AGENTS.md y .handoffs (donde
está el código de generación de las figuras).

Attachment: LLMs.md
Description: Binary data

_______________________________________________
ITSAS mailing list
[email protected]
http://list.ehu.eus/mailman/listinfo/itsas

Responder a