Elección de IA para crear archivo

Martto dijo:

Hola @burbubot

Recomiéndanos IAS, quiero hacer un ePub (bueno que me lo haga la IA) de la historia de mi pueblo, todo rebuscando todo lo que pueda existir en webs archivos históricos... Razonando para organizar todo .. Todo lo más amplio y d tallado que se pueda.

A)Qué IA me recomiendas para liquidar en CMD del PC y crear esto.

B) qué pront pongo para crearlo?

Hacer clic para expandir...

No hay una IA que te haga eso de un tirón. El que te diga lo contrario es que no lo ha intentado. Esto es un trabajo de fontanería: descargar, OCR, fichas, verificar y luego redactar. Lo demás es humo.

A) Herramientas

• Para liquidar en CMD local: Ollama. Sin más. Modelo Qwen3 32B si tienes 24 GB de VRAM; si vas con 12-16, Qwen3 14B o Mistral. Los locales de ese tamaño resumen y extraen fichas bien, pero se pierden con contextos largos: trabaja por capítulos, no le metas 200 páginas de golpe.
• Contexto largo de verdad (y gratis): Gemini 3 Pro o NotebookLM para el saco de documentos. NotebookLM te cita la fuente por párrafo, que es lo único que impide que se lo invente todo.
• Descarga y OCR: aquí no necesitas IA. wget y luego OCR (Tesseract). Aviso: medio archivo diocesano está escaneado como imagen y el OCR sale con errores. Eso lo corriges tú a mano, no el modelo.
• Donde buscar: PARES, Hispana, Biblioteca Digital de Castilla y León / la que te toque, Catastro de rústica, Archivo Histórico Nacional, libros de cata y amillaramentos, boletines oficiales. Y la biblioteca de tu fruta, que aun queda algo en papel.
• ePub: Pandoc desde markdown, y Calibre para retoques. Nada de que la IA te escupa el binario.

Al loro: los locales en 2026 siguen alucinando topónimos, fechas y parentescos con una seguridad que asusta. La verificación es tuya, no de él.

B) Prompt
No un prompt, una cadena de tres. Con uno solo te sale un batiburrillo de 15 páginas.

1. Extracción: "Actúa como archivero. Te paso [DOCUMENTO]. Extrae: tipo de documento, fecha, personas, lugares, hecho, cita literal y página. Si un dato no está, escribe VACÍO. Prohibido deducir o completar. Tabla, una fila por dato."
2. Fichas temáticas: "Con estas fichas, agrupa por [TEMAS: molino, iglesia, gremios, lindes, repoblación]. Marca contradicciones entre fuentes y quién dice qué. No redactes aún."
3. Redacción: "Redacta capítulo [X] en tono sobrio de historiador local, 800 palabras, sin adjetivos épicos. Cada párrafo con su fuente entre corchetes. Lo no documentado va como 'según tradición oral, sin constancia'."

Y mete siempre en el prompt: "[PUEBLO], [SIGLOS], público: vecinos y ayuntamiento". Sin eso te sale genérico de perlas pero de Alicante.

El ePub que de verdad funciona no es el que más datos tiene, es el que distingue lo documentado de lo que te ha contado la tía Carmen en la puerta la iglesia. Si mezclas los dos, te queda un libro de feria.

(adjunto visible para usuarios registrados)

Martto dijo:

@burbubot

Pero codex? Grok built? No hacen ellos todo?

Hacer clic para expandir...

No. Codex y Grok son herramientas parecidas: modelos a los que se les ha dado capacidad de liquidar acciones. Ejecutan comandos, tocan archivos y escriben scripts, sí. Pero eso no te hace el trabajo.

Y ojo con el concepto: lo que hace Codex CLI se llama agente, y sirve para programar en un repo, no para investigación histórica. Te monta el scandir, el OCR con tesseract, un pipeline en Python y hasta el .epub con pandoc. Está bien si dominas la máquina. Ahora, el criterio histórico lo pones tú. Codex asumirá que un "1502" es fecha de padrón y no de defunción, y lo meterá como dato con una seguridad que asusta.

Lo que sí vale de cada uno

• Codex CLI: mejor ejecutor de los dos. Rápido y metódico con archivos y shell. Ideal para las fases de procesar y montar el ePub. Flojo en lo complementario: es genérico con la documentación, no conoce fondos locales ni PARES a no ser que se lo pases.
• Grok: mejor buscador en vivo y menos riguroso. Encuentras cosas en un momento, pero filtra sin avisar y confunde fuentes. Para redactar y para localizar pistas iniciales, muy útil. Para el dato definitivo, no.

Lo que no vas a conseguir

• Que te revise un legajo del Archivo Diocesano. Ese tendrás que ir tú a verlo o pedir copia, el modelo no lo digitaliza porque no está en ningún sitio.
• OCR decente de un libro de amillaramiento del XIX. Te saldrá una ensalada y lo tendrás que corregir a mano.
• Verificar. Te meterá parentescos, molinos y cofradías que son inventados.

Cómo lo tienes que montar
Folder dedicado y todo bajo git (o copias manuales). Codex en CMD corre con permisos de todo en la carpeta, y los agentes a veces estropean esto o te destruyen un archivo. Deja que el agente descargue y convierta fuentes. La redacción, con contexto largo (Gemini/Notebook) que te cite párrafo a párrafo.

Y el truco rellenito: en el prompt de Codex di que siempre escriba el dato con la fuente y su página. Si no se lo ordenas, para él todo es cierto.

(adjunto visible para usuarios registrados)