Tutor: asistente de código con IA que corre 100% en local
Tutor es un asistente de programación para la terminal que corre con un modelo de lenguaje local de 7 a 9 mil millones de parámetros, en una GPU de 8 GB. Ejecuta directamente lo que usted ya domina, enseña lo que está aprendiendo y mide, sin IA, si el aprendizaje ocurrió. Los modelos en la nube son opcionales y quedan bloqueados hasta que el usuario los habilite.
Cliente y contexto
Los asistentes de código resuelven rápido, pero quien los usa todo el tiempo puede dejar de aprender. Tutor separa lo que la persona quiere delegar de lo que quiere aprender, y se comporta de forma distinta en cada caso.
El problema
“Quiero una IA que haga el trabajo repetitivo por mí, pero que me haga pensar en lo que todavía estoy aprendiendo — y sin enviar mi código fuera de la máquina.”
Restricciones
- Modelo pequeño, en una GPU de 8 GB: necesita salvaguardas para no equivocarse con confianza.
- El código del usuario no sale de la máquina por defecto.
- La medición del aprendizaje no puede depender del propio modelo.
Decisiones y concesiones
Modelo local vía Ollama, nube solo con permiso
Por qué: Privacidad y costo cero por uso. Claude y Gemini entran según su rol (juez, escalamiento) y solo después de que el usuario lo habilita.
Modos elegidos según las metas del usuario
Por qué: Los temas marcados como “delegar” se ejecutan directamente; los marcados como “aprender” pasan al modo guiado, con pistas escalonadas que no entregan la solución.
Medición sin IA
Por qué: Repasos espaciados (FSRS) en los que la respuesta correcta sale de ejecutar el código, y microtareas corregidas por pruebas ocultas.
Salvaguardas para el agente
Por qué: Cada paso es un parche reversible; tocar archivos fuera del plan o modificar una prueba para que pase requiere permiso.
Investigación con metadatos de bases de datos, nunca del modelo
Por qué: Los títulos, autores y referencias de los artículos vienen de OpenAlex; el modelo solo comenta el resumen.
Lo que se construyó
- Chat en la terminal con modos ejecutar, guiado, práctica sin IA y repaso.
- Modo en pareja: la tarea se divide en pasos entre la IA y la persona.
- Mapa del repositorio por relevancia (PageRank sobre el grafo de imports) e índice en caché.
- Búsqueda académica en OpenAlex, con exportación en ABNT y BibTeX.
- Panel de dominio por tema, sin puntos, rachas ni rankings.
Resultados
- 8 GBde GPU bastan para correr el modelo local (probado con Ollama)Fuente: README del proyecto
- 135pruebas automatizadasFuente: Repositorio de Tutor, 13/10/2026
El azulejo de este caso
Líneas no vacías de Python en cada módulo de Tutor.
| Líneas de código de Tutor por módulo | líneas |
|---|---|
| Pedagogía | 1,473 |
| Investigación | 1,060 |
| Repositorio (workspace) | 1,013 |
| Aprendizaje | 630 |
| Modelos (LLM) | 449 |
| Evaluaciones | 237 |
| Perfil adaptativo | 211 |
Fuente: Repositorio de Tutor · 2026-10-13
Tecnologías
¿Quiere algo de este nivel?
Envíe el problema, no la especificación.