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).
LLMs.md
Description: Binary data
_______________________________________________ ITSAS mailing list [email protected] http://list.ehu.eus/mailman/listinfo/itsas
