Orbit.

Es también mi primer proyecto en el que integré inteligencia artificial local de forma profunda, ejecutando el modelo en mi propia infraestructura en lugar de depender de una API externa de terceros. Esto me permitió construir mis propios endpoints y un sistema de reglas que guían al modelo para que sus respuestas y decisiones sean coherentes con el contexto real del usuario. Trabajar con IA local también implica una ventaja clave de privacidad: los datos financieros, de salud y las notas personales del usuario nunca salen de mi propia infraestructura para ser procesados por terceros, algo especialmente relevante cuando se trata de información tan sensible.

Una de las partes que más disfruté fue conectar Orbit con Obsidian: implementé un sistema similar a RAG (retrieval-augmented generation) que indexa mis notas y las usa como contexto para que el asistente de la app pueda responder preguntas y dar consejos basados en información real y personal, no solo en el conocimiento genérico del modelo.

Con el tiempo amplié Orbit más allá de las finanzas y las tareas: ahora incluye un módulo de salud y seguimiento de objetivos, con la intención de incorporar datos de dispositivos wearables para tener una visión más completa de la actividad física y el bienestar. El objetivo final es que la IA ayude a gestionar tiempo, salud y dinero de forma más eficiente y personalizada, siempre priorizando el control del usuario sobre sus propios datos.

Orbit es, en definitiva, un laboratorio personal donde pruebo ideas de IA aplicada antes de llevarlas a otros proyectos, y a la vez una herramienta que uso yo mismo cada día. Está en producción y en uso activo.