Documentos de trabajo · habla, salud e IA fiableVigo, 2026

Escritos /

El 10 % de la terminal que te resuelve el 90 %

En una frase

Las cuatro habilidades de terminal que más vas a usar: moverte sin interfaz, SSH con un alias para ti y para tu agente, tmux y vigilar la CPU y la GPU.

Servidores, despliegues, GPUs remotas, agentes como Claude Code o Codex: todo pasa en la terminal. Este tutorial te da las cuatro habilidades que más vas a usar, para que te salgan de memoria:

  1. Moverte por una máquina sin interfaz: pwd, ls, cd, nano.
  2. Entrar en otra máquina y mover archivos: ssh, scp.
  3. Dejar trabajos corriendo aunque te desconectes: tmux.
  4. Ver qué está pasando: top, nvidia-smi.

Lo contamos como una noche de guardia. Son las 2:47 y llega una alerta: el entrenamiento nocturno de Whisper en el servidor gpu ha muerto con CUDA out of memory. Cada sección es un paso para arreglarlo y acaba con un reto de 30 segundos. Al final tienes la chuleta en PDF con todos los comandos.

1. Moverte sin interfaz

Primero, en tu portátil: bajar el batch_size del config antes de volver a lanzar.

pwd                       # ¿dónde estoy?
ls                        # ¿qué hay aquí?
cd proyectos/whisper      # entra, relativo a donde estás
cd configs                # y un nivel más
nano train.yaml           # edita: Ctrl-O y Enter guarda, Ctrl-X sale
cd ..                     # sube un nivel: de vuelta en whisper
username@laptop:~$pwd/home/username username@laptop:~$lsDescargas notas.txt proyectos username@laptop:~$cd proyectos/whisperusername@laptop:~/proyectos/whisper$ username@laptop:~/proyectos/whisper$lsconfigs data train.py username@laptop:~/proyectos/whisper$cd configsusername@laptop:~/proyectos/whisper/configs$nano train.yaml Ctrl-O Enter Ctrl-Xusername@laptop:~/proyectos/whisper/configs$ username@laptop:~/proyectos/whisper/configs$cd ..username@laptop:~/proyectos/whisper$pwd/home/username/proyectos/whisper ◀ aquí ◀ aquí ◀ aquí ◀ aquí / home username = ~ Descargas notas.txt proyectos whisper configs train.yaml data train.py GNU nano train.yaml model: whisper-small batch_size: 32 batch_size: 16 lr: 1.0e-5 epochs: 10 [ 4 líneas escritas ] ^O Guardar ^X Salir
Figura 1. La terminal siempre está en una carpeta. pwd da el camino desde la raíz (la línea gruesa), ls ilumina lo que hay dentro y cd mueve el marcador. Con nano se edita sin salir de la terminal.
  • Toda ruta que no empieza por / o ~ es relativa a la carpeta en la que estás. Si un comando no encuentra un archivo, lo primero es pwd.
  • ~ es tu carpeta personal (/home/username) y / es la raíz de todo. cd ~ te devuelve a casa desde donde estés.
  • Tab completa nombres: cd pro y Tab. Es el atajo que más tiempo ahorra.

Windows: en PowerShell, pwd, ls y cd funcionan igual. notepad train.yaml abre el archivo en el Bloc de notas, en una ventana; para editar dentro de la terminal, nano en WSL.

Reto de 30 segundos. Desde ~, entra en un proyecto, lista lo que hay, cambia una línea de un archivo con nano, guarda y vuelve a ~. Sin ratón.

2. Entrar en otras máquinas (tú y tu agente)

El config ya está arreglado, pero el entrenamiento vive en gpu. Hay que llegar allí y llevarlo. Esto se prepara una vez:

ssh-keygen -t ed25519           # crea tu par de claves; ponle passphrase
ssh-copy-id username@10.0.3.7   # deja la pública en el servidor
nano ~/.ssh/config              # y dale un nombre corto
Host gpu
    HostName 10.0.3.7
    User username

Y esto es lo de todos los días:

ssh gpu                                         # entrar
scp configs/train.yaml gpu:~/whisper/configs/   # llevar un archivo
scp gpu:~/whisper/logs/train.log .              # traerlo
exit                                            # salir
username@laptop:~$ssh-keygen -t ed25519Your identification has been saved in ~/.ssh/id_ed25519Your public key has been saved in ~/.ssh/id_ed25519.pub username@laptop:~$ssh-copy-id username@10.0.3.7…continue connecting (yes/no/[fingerprint])? yesusername@10.0.3.7's password:Number of key(s) added: 1 username@laptop:~$nano ~/.ssh/configHost gpu HostName 10.0.3.7 User username username@laptop:~$ssh gpu username@laptop:~$ssh gpuWelcome to Ubuntu 24.04 LTSusername@gpu:~$ username@gpu:~$exit~/proyectos/whisper$scp configs/train.yaml gpu:~/whisper/configs/train.yaml 100% 412 1.2KB/s 00:00 ● Bash(ssh gpu nvidia-smi) └ 9520MiB / 24576MiB● La GPU tiene unos 15 GB libres; otro proceso ocupa 9 GB. portátil ~/.ssh/ id_ed25519 · privada id_ed25519.pub · pública config Host gpu HostName 10.0.3.7 User username gpu · 10.0.3.7 authorized_keys username · pública sshd ✓ username bash username@gpu whisper/configs/train.yaml canal cifrado firma agente en el portátil claude usa ~/.ssh/config ssh gpu nvidia-smi
Figura 2. La clave privada no sale nunca del portátil. Primero se cifra la conexión; dentro de ella, el portátil firma con la privada y el servidor comprueba la firma con la pública que guarda. Si cuadra, entras. No viaja ninguna contraseña. Tu agente usa el mismo alias y la misma clave.
  • La primera vez que conectas, SSH enseña la huella del servidor y pregunta yes/no. Di yes solo si coincide con la que te da quien administra la máquina.
  • scp origen destino, siempre en ese orden. El lado remoto lleva gpu: delante.
  • Si para llegar hay que pasar por otra máquina, añade ProxyJump bastion al bloque Host.

Tu agente usa el mismo alias

Claude Code y Codex ejecutan comandos en tu terminal, así que heredan tu ~/.ssh/config. Puedes pedirles «mira con ssh gpu nvidia-smi cuánta memoria queda libre» y lo harán, normalmente después de pedirte permiso. Ten en cuenta que entran como tú:

  • Lo que tu usuario puede hacer en gpu, el agente también. Si quieres que pueda menos, dale su propio bloque Host gpu-agente, con un usuario sin sudo y su propia clave.
  • Puede usar cualquier clave de tu ~/.ssh, no solo la de gpu. Las claves de producción, fuera del equipo en el que trabaja el agente.
  • Mantén la aprobación manual para ssh, scp y rsync, y no elijas «permitir siempre» para ssh gpu: detrás del nombre del host puede ir cualquier comando.

Por qué un agente necesita estas barreras, y qué pasa cuando no las tiene, lo cuento en la charla sobre salvaguardas en agentes de IA.

Windows: OpenSSH viene con Windows 10 y 11, y ssh, scp y ssh-keygen funcionan en PowerShell. El config está en C:\Users<tú>.ssh\config. ssh-copy-id no existe; en su lugar: type $env:USERPROFILE.ssh\id_ed25519.pub | ssh username@10.0.3.7 “mkdir -p ~/.ssh && chmod 700 ~/.ssh && cat >> ~/.ssh/authorized_keys”.

Reto de 30 segundos. Crea un alias para una máquina a la que entres a menudo, entra con ssh <alias>, sal y tráete un archivo con scp.

3. Dejar trabajos corriendo: tmux

Ya estás en gpu con el config nuevo. Si relanzas el entrenamiento sin más y se corta la VPN, muere contigo.

tmux new -s train      # abre una sesión con nombre
python train.py        # lanza lo que sea
Ctrl-b  d              # sales; sigue corriendo
tmux ls                # qué sesiones hay
tmux attach -t train   # vuelves
username@laptop:~$ssh gpuusername@gpu:~$cd whisperusername@gpu:~/whisper$ username@gpu:~/whisper$python train.pyepoch 1/10 · loss 2.31 epoch 2/10 · loss 1.87client_loop: send disconnect: Broken pipeusername@laptop:~$ username@laptop:~$ssh gpuusername@gpu:~$cd whisperusername@gpu:~/whisper$tmux new -s train username@gpu:~/whisper$python train.pyepoch 1/10 · loss 2.31 epoch 3/10 · loss 1.52Ctrl-b d[detached (from session train)] username@gpu:~/whisper$exitConnection to gpu closed.username@laptop:~$ username@laptop:~$ssh gpuusername@gpu:~$tmux attach -t trainepoch 8/10 · loss 0.94 Ctrl-b dusername@gpu:~$cd whisperusername@gpu:~/whisper$tmux new -s claude username@gpu:~/whisper$claude "¿por qué falló el run de las 2:41?"● leyendo logs/train.log… portátil >_ >_ zzztapa cerrada servidor gpu × conexión perdida bash python train.py epoch 1/10epoch 2/10 ✕ SIGHUP: el proceso muere tmux · train detached bash python train.py epoch 1/10epoch 3/10epoch 5/10epoch 8/10epoch 9/10sigue corriendo sigue corriendo tmux · claude claude leyendo logs/train.log…
Figura 3. Sin tmux, el proceso cuelga de tu conexión: si se corta, recibe SIGHUP y termina. Dentro de tmux cuelga del servidor de tmux, que vive en la máquina, así que puedes salir, cerrar el portátil y volver.
  • Ctrl-b es el prefijo: lo pulsas, sueltas y luego pulsas la otra tecla.
  • Si te apetece más: Ctrl-b % divide la pantalla en dos paneles y Ctrl-b más una flecha te mueve entre ellos.

Una sesión para tu agente

tmux new -s claude
claude                 # o codex

Le das la tarea («¿por qué falló el run de las 2:41?»), sales con Ctrl-b d y vuelves cuando quieras. Si necesita permiso para algo, te estará esperando ahí. Ojo: lanzado en el servidor, tus credenciales del agente se quedan en él. Hazlo solo en máquinas de confianza y sin opciones que se salten las aprobaciones.

Windows: tmux no existe en Windows. Úsalo dentro de WSL o, mejor, en el servidor Linux al que entras por SSH, que es donde importa.

Reto de 30 segundos. Crea una sesión, lanza sleep 300, sal, comprueba con tmux ls que sigue viva y vuelve a entrar.

4. Ver qué está pasando: top y nvidia-smi

El entrenamiento corre. Pero ¿por qué se quedó sin memoria con batch 32?

top                         # CPU y memoria por proceso; q para salir
nvidia-smi                  # GPU: memoria, uso y quién la ocupa
watch -n 1 nvidia-smi       # lo mismo, cada segundo
ps -o user=,args= -p 2290   # ¿de quién es y qué es?
kill 2290                   # termina un proceso por su PID
username@gpu:~$topload average: 7.82 Tasks: 214 %Cpu(s): 91.3 us qusername@gpu:~$nvidia-smi username@gpu:~$ps -o user=,args= -p 2290username python3 -m ipykernel_launcher -f …username@gpu:~$kill 2290 username@gpu:~$watch -n 1 nvidia-smiEvery 1.0s: nvidia-smi CPU · top PID %CPU COMMAND 4127 610 python3 4133 97 python3 2290 1 python3 GPU · nvidia-smi memoria 23,4 / 24 GB 14,1 / 24 GB uso 97 % PID PROCESS MEM 4127 /usr/bin/python3 14,1 GB 2290 /usr/bin/python3 9,3 GB 2290 /usr/bin/python3 9,3 GB ← ¿y esto? ⟳ cada 1 s
Figura 4. top ordena por CPU, y un proceso que solo ocupa GPU apenas se ve. nvidia-smi enseña qué PIDs tienen la memoria, aunque los dos se llamen python3; ps dice que el 2290 es un kernel de Jupyter olvidado por la tarde, con 9 GB. Con él, batch 32 no cabía. Cifras ilustrativas.
  • Antes de kill, mira de quién es el proceso con ps. Si no es tuyo, pregunta antes de tocarlo.
  • htop, si está instalado, es top con colores y más fácil de leer.

Windows: el Administrador de tareas es tu top; en PowerShell, Get-Process | Sort-Object CPU -Descending | Select-Object -First 10 lista los procesos que más tiempo de CPU han usado. nvidia-smi viene con el driver de NVIDIA y funciona igual.

Reto de 30 segundos. En una sesión de tmux, abre watch -n 1 nvidia-smi en un panel mientras entrenas en el otro.

Las 3:20

Entrenamiento relanzado, GPU libre y el agente revisando el log. A dormir.

Descarga la chuleta en PDF: una página con los comandos de las cuatro secciones, para tenerla a mano o imprimirla.

Practica en el laboratorio: un notebook de Google Colab con un servidor SSH de verdad y una flag escondida en cada sección.

Para seguir: tldr pages da el uso más común de cada comando, explainshell desmonta cualquier línea que te encuentres, The Missing Semester del MIT cuenta todo lo que la carrera da por sabido y los zines de Julia Evans lo explican con dibujos.