Informe de campo · Linux · Agentes de escritorio
Tres semanas haciendo andar AutoClaw en Fedora
Funciona, y ese es exactamente el problema. Lo que sigue es el argumento medido por el cual no se lo recomiendo a nadie.
Hay una satisfacción particular en hacer que un programa corra donde nunca estuvo previsto que corriera. AutoClaw, el cliente de escritorio que Z.ai distribuye para Windows y macOS, hoy corre en mi portátil con Fedora 44 bajo Wine, con su pasarela de OpenClaw ejecutándose nativamente en Linux en vez de adentro de la botella. Arranca, contesta, lee documentos y dice sus respuestas en voz alta. Bajo cualquier criterio razonable, funciona.
Voy a dedicar el resto de este artículo a explicar por qué probablemente no convenga hacerlo. La razón no es que sea difícil, porque lo difícil no es un argumento contra nada. La razón es que lo que se obtiene al final no es aquello que uno quería, y la distancia entre las dos cosas no se salva con un poco más de pulido: es estructural, y tengo las mediciones que lo muestran.
En este informe
- Qué buscaba en realidad
- El andamiaje que hay que escribirse uno mismo
- Tres mediciones que terminaron con el proyecto
- Por qué aun así no se le puede hablar
- Sobre Windows, dicho sin rodeos
- Qué recomiendo en su lugar
Qué buscaba en realidad
Quería un asistente personal. No una ventana de conversación donde teclear, que ya tengo en una docena de formas, sino algo más cercano a una secretaria: yo hablo y la cosa actúa. Abrime este documento. Resumime aquel hilo. Sacá las cifras de este informe y ponelas en una hoja de cálculo. El valor de semejante herramienta vive casi enteramente en la ausencia del teclado, porque si igual tengo que teclear, mejor uso cualquier modelo de lenguaje en una pestaña del navegador y me ahorro el trabajo.
Ese encuadre importa, porque determina qué cuenta como éxito. Un sistema que transcribe mi voz a un cuadro de texto y después espera que yo apriete Enter no resolvió el problema, apenas lo corrió de lugar.
El andamiaje que hay que escribirse uno mismo
AutoClaw en Linux no es una instalación, es una obra de construcción. Lo que sigue es el andamiaje que terminé escribiendo y manteniendo, y del cual nada viene con el producto.
Una pasarela nativa. Correr la pasarela de Node adentro de Wine es más lento y menos estable que correrla en Linux y apuntar la ventana hacia ella, lo que obliga a convencer a la ventana de adoptar una pasarela externa que ella no lanzó.
Una cerca de puertos. Un servicio que retiene los puertos 18790 a 18799 para que el cliente no arranque en silencio su propia pasarela y desatienda la que uno quiere que use.
Un sincronizador de configuración. El cliente, que es el lado de Windows, escribe rutas de Windows en su archivo de configuración, y la pasarela, que es el lado de Linux, no puede leerlas. Corre sobre un vigilante de rutas, porque el cliente reescribe ese archivo aproximadamente cada hora, cuando renueva sus credenciales.
Un temporizador de apagado. Nada detiene la pasarela cuando uno cierra la ventana, y se queda con unos 300 MB residentes indefinidamente.
Un reproductor de voz. La pasarela sintetiza correctamente la respuesta hablada y la ventana bajo Wine sencillamente no la reproduce nunca. Hace falta un servicio que vigile el directorio de salida y le pase cada archivo a pw-play; sin él, la función existe y produce silencio.
Un servidor de dictado. El cliente no tiene entrada de micrófono en absoluto: no hay getUserMedia, ni MediaRecorder, ni SpeechRecognition en ninguna parte de su capa de presentación. La entrada de voz no puede vivir dentro de AutoClaw, tiene que ser un programa aparte que transcriba y pegue en la ventana que tenga el foco.
Encima de eso, dos parches contra el propio paquete del cliente. Uno repara un defecto genuino: el analizador de rangos de páginas descartaba en silencio toda página posterior al tope de sesenta por llamada, de modo que un documento de ochenta páginas era un documento cuyas últimas veinte resultaban inalcanzables, sin ningún error que lo dijera. El otro rodea al actualizador, que descarga en bucle un instalador de 389 MB y después falla al verificar su firma, porque esa verificación llama a PowerShell y Wine no lo provee; el arreglo consiste en apuntar el canal de actualización a un nombre que el servidor no reconoce, de manera que responde 404 y el cliente lo interpreta como que no hay novedades.
Cada una de esas piezas funciona. No me quejo de que hayan sido difíciles, sino que señalo que es uno quien las escribe, y es uno quien tiene que mantenerlas andando cuando el cliente se actualice.
Tres mediciones que terminaron con el proyecto
Todo lo anterior es trabajo, y el trabajo es un precio, y los precios a veces valen la pena. Lo que sigue no es un precio, es un muro.
| Qué se midió | Resultado |
|---|---|
| Tiempo mediano por transcripción | 2,19 s |
| Error de palabra, mediano / peor caso | 7,1 % / 13,6 % |
| Transcripciones antes del aborto térmico | 10 de 204 |
| Tiempo hasta ese aborto | 2 min 28 s |
| Unión de la tarjeta en el aborto | 100 °C (crítico) |
| Consumo de la tarjeta / procesador simultáneo | 161 W / 96 °C |
| Arranques en el ciclo de caídas del 18/09 | 5 en 18 min |
La latencia
Mi dictado corre Whisper localmente sobre la tarjeta gráfica, que es la configuración rápida. A lo largo de una corrida controlada, el tiempo mediano de reloj de pared por transcripción fue de 2,19 segundos, con un error de palabra mediano del 7,1 por ciento y un peor caso del 13,6. Dos segundos y pico no parecen gran cosa escritos en una página, pero en el uso son un muro contra el que uno choca en cada oración: hablás, parás, esperás, aparece el texto, corregís una palabra de cada catorce, y al final estirás la mano hacia el teclado igual. El ritmo que volvería al dictado más rápido que teclear nunca llega a establecerse.
El calor
Corrí una prueba pre-registrada, diseñada para pasar 204 transcripciones consecutivas por la tarjeta, con un aborto duro en el límite térmico. Abortó en la transcripción número diez, a los dos minutos y veintiocho segundos, con la unión de la tarjeta en su crítico de 100 °C y un consumo de 161 W, mientras el procesador estaba simultáneamente a 96 °C. Un dictado aislado en frío llega por su cuenta a 91 °C. Se trata de una Radeon RX 6800M en un portátil, es decir, una tarjeta perfectamente respetable en una envolvente térmica perfectamente normal. Diez dictados no son una prueba de esfuerzo: diez dictados son una llamada telefónica.
La estabilidad
La noche del 18 de septiembre el equipo pasó por cinco arranques en dieciocho minutos, tres de ellos de apenas un minuto cada uno. El registro del núcleo del primero nombra al responsable directamente: fallos de página repetidos en el concentrador gráfico de la tarjeta, atribuidos a Process python, que en ese arranque era el entorno del dictado con Whisper residente en la tarjeta. La sesión terminó con Pageflip timed out! This is a bug in the amdgpu kernel driver, que desde donde yo estaba sentado fue una pantalla congelada y una pulsación larga del botón de encendido.
No demuestra que vaya a ocurrir en cualquier equipo, y el defecto del controlador que está por debajo no es culpa de AutoClaw. Lo que sí establece es que la configuración necesaria para darle voz a esta herramienta puso carga sostenida sobre una tarjeta gráfica de un modo que tumbó la máquina entera más de una vez, y que yo no podía usar esa función sin aceptar ese riesgo.
Por qué aun así no se le puede hablar
Acá está la parte que vuelve discutible todo lo anterior. Supongamos que la latencia fuera nula, que la tarjeta trabajara fría y que nada se cayera nunca. Uno seguiría teniendo un servidor de dictado que escribe texto en un campo enfocado y un asistente esperando que le aprieten Enter.
No hay camino que vaya del habla a la ejecución. La única capacidad que habría justificado toda la construcción es justamente la que no está.
Nada en este montaje me permite decir resumime el informe adjunto y mandámelo y que eso ocurra. Lo digo, lo veo aparecer como texto, y después uso las manos. La capacidad falta porque el cliente no tiene ninguna superficie de entrada de audio sobre la cual construirla.
Llegado ese punto, la comparación honesta no es AutoClaw en Linux contra AutoClaw en Windows, sino AutoClaw en Linux contra cualquier modelo de lenguaje competente en una pestaña del navegador, manejado con teclado y ratón. Y la pestaña gana en todos los ejes que importan: arranca al instante, no necesita ocho servicios de fondo, no calienta la tarjeta y jamás me obligó a reiniciar.
Sobre Windows, dicho sin rodeos
No espero que esto sea apreciablemente mejor en Windows, y tampoco lo recomendaría ahí.
El argumento de lo nativo contra Wine corta en la dirección contraria a la del caso optimista. Wine no es el cuello de botella en ninguna de las tres mediciones anteriores: la latencia es de Whisper, el calor es de la tarjeta, y la ejecución por voz ausente es una propiedad del cliente. Correr ese mismo cliente de forma nativa elimina una capa de abstracción que nunca fue donde estaba el costo.
Contra eso, Windows gestiona los recursos peor que Linux en general y peor que Fedora en particular, con una huella mayor en reposo, más disputa de procesos de fondo y un planificador trabajando contra una carga permanente más alta. Eso no es un detalle que pueda dejarse de lado cuando el modo de falla es térmico y depende de la carga: todo lo que está lento porque el sistema está saturado se pone más lento, todo lo que calienta calienta más, y el proceso que llevó mi tarjeta al crítico en diez llamadas no va a tenerlo más fácil en una máquina que hace más trabajo de fondo. Si esta configuración se cae sobre un sistema que administra bien los recursos, no hay razón alguna para esperar que aguante sobre uno que los administra peor.
Qué recomiendo en su lugar
Si lo que se busca es un asistente que responda a la voz, este no es el camino, ni en Fedora ni en ninguna otra parte, mientras no exista un cliente que traiga entrada de audio de verdad y un camino de ejecución conectado a ella.
Si lo que se busca es un agente capaz en Linux y uno se conforma con teclear, conviene usar un modelo de lenguaje por el navegador o por un cliente nativo y saltearse la construcción entera, porque no se pierde nada de lo que este montaje entrega efectivamente.
Y si de todos modos se quiere correr AutoClaw en Fedora, sea porque gusta el cliente, sea por la integración con LibreOffice, sea porque construirlo es su propia recompensa, que se haga con los ojos abiertos, manteniendo la transcripción fuera de la tarjeta gráfica y contando con que el andamiaje va a ser una responsabilidad permanente. Al menos no hace falta empezar desde cero.
Equipo de prueba. ASUS ROG Strix · AMD Ryzen 9 5980HX (8 núcleos, 16 hilos) · 30,7 GB de memoria · Radeon RX 6800M de 12 GB (Navi 22) con Vega 8 integrada · Fedora 44 con núcleo 7.2.5 · KDE Plasma sobre Wayland · Wine 11.0 Staging · AutoClaw 1.17.8 con pasarela OpenClaw 2026.6.8.
Sobre las cifras. Cada número citado proviene de una corrida instrumentada en ese equipo, con los informes en bruto y los controles documentados en el manual.
Sobre el paquete. Contiene únicamente código propio: no redistribuye el cliente ni dependencias de terceros. AutoClaw lo instala cada quien y el andamiaje se apunta hacia esa instalación.
Leave a Comment/Deja un Comentario