El Problema
Quería hacer preguntas sobre mi propia documentación y fotos sin enviarlas a un servicio de IA en la nube. Cosas simples como:
- "¿Cuánto gasté en electricidad el año pasado?"
- "¿Qué documentos tengo sobre el seguro del coche?"
- "¿Cuántas fotos hice en España en 2023?"
Pero no quería que mis facturas, contratos y fotos familiares acabaran en los datos de entrenamiento de otra persona.
El Stack
| Componente | Propósito |
|---|---|
| Paperless-ngx | Archivo de documentos, OCR, metadatos estructurados |
| Immich | Copia de seguridad de fotos y vídeo |
| ChromaDB | Índice de búsqueda semántica |
| Ollama | Inferencia local de LLM |
| Open WebUI | Interfaz de chat unificada |
| MCP | Herramientas deterministas para datos estructurados |
| LiteLLM | Enrutamiento de modelos |
Todo se ejecuta en una sola máquina Windows 11 con una RTX 5080 16GB. Una Orange Pi 5 Plus se encarga de los backups.
Dos Lecciones Difíciles
1. Las herramientas deterministas ganan al razonamiento de LLM para cualquier cosa contable
Empecé pidiéndole al modelo que sumara mis facturas. Daba respuestas erróneas. Cada vez.
La solución fue una herramienta MCP de 20 líneas que consulta la API de Paperless y devuelve un número. Sin razonamiento, sin alucinación — solo el conteo correcto.
2. La disciplina de routing importa
Para campos estructurados de facturas (proveedor, total, IVA, número de factura), añadí una regla estricta al prompt del sistema:
> "Consulta siempre a Paperless para estos campos. Nunca uses el índice semántico."
Esto eliminó la mayoría de respuestas erróneas que estaba obteniendo. El índice semántico es genial para "encuéntrame algo sobre el seguro del coche." Es terrible para "¿cuál es el total exacto de la factura #1234?"
¿Por Qué No Usar Directamente la IA Nativa de Paperless 3.0?
Estoy en Paperless 3.0.3, así que tengo las funciones nativas de IA incluyendo chat con documentos. Esta configuración no las reemplaza — las complementa:
- Alcance más amplio: La misma interfaz cubre documentos, fotos y vídeo
- Operaciones deterministas: Las herramientas MCP garantizan precisión para consultas estructuradas
- Experiencia unificada: Una interfaz de chat para todo
Lo Que No Funcionó
También documenté los fracasos. Algunos destacados:
- Los intentos iniciales de dejar que el modelo razonara sobre totales de facturas
- Intentar usar el índice semántico para extracción exacta de campos
- La confusión inicial sobre qué fuente de datos consultar para cada tarea
Write-up completo (español e inglés): github.com/fwinchi/ia-local-casa
Para Quién Es Esto
- Personas que quieren consultar sus propios datos sin IA en la nube
- Entusiastas del autoalojamiento
- Cualquiera curioso sobre MCP como herramienta práctica para precisión de datos
No soy desarrollador. Construido con asistencia de IA, verificación cruzada de sugerencias, y testing antes de aplicar.
Feedback bienvenido — especialmente sobre qué tengo mal.
Top comments (0)