He creado un sistema de IA que gestiona toda mi vida fitness. Así es como lo hice.

El problema con los datos de fitness

He llevado tres rastreadores de sueño a la cama: Garmin, WHOOP y 8Sleep. Cada noche me dicen algo diferente.

Esto no es una queja. Están midiendo cosas diferentes. Pero el problema es que ninguno se comunica con los demás. Garmin muestra mi sueño de forma diferente a WHOOP. 8Sleep tiene su propia puntuación. WHOOP me da la recuperación. Garmin me da el estado de entrenamiento. Nada de eso se conecta.

¿Y el lado del entrenamiento de fuerza? Speediance y Tonal son jardines amurallados. No exportan datos fácilmente. Estaba atrapado haciendo seguimiento manual de todo en hojas de cálculo, justo lo que compré estas máquinas para evitar.

Así que construí un sistema para solucionarlo.

Qué estoy ejecutando

Estoy ejecutando OpenClaw en un Mac M3 Ultra. ARIA es mi asistente principal, gestiona el panel de control, el tablero de tareas y coordina datos desde múltiples conectores. Utilizo una mezcla de modelos locales y alojados para una operación consciente del coste.

El informe matutino

Cada mañana, el sistema se ejecuta y extrae datos de todas partes:

• WHOOP - puntuación de recuperación, esfuerzo, rendimiento del sueño
• Garmin - análisis del sueño, estado de entrenamiento, VFC
• 8Sleep - puntuación de sueño, tiempo dormido, VFC
• Speediance - volumen de levantamiento de ayer, detalles del entrenamiento
• Cronometer - nutrición, proteínas, calorías

Luego genera un informe matutino. No solo datos: análisis. Me dice:

• Qué tan recuperado estoy
• Qué tan duro entrené ayer
• Cuál debería ser mi estado de entrenamiento hoy
• Si debo esforzarme o descansar

Este es el conocimiento que no podía obtener de ninguna aplicación por sí sola. Ninguna conoce a las demás. Ninguna puede correlacionar sueño + levantamiento + nutrición juntos.

El informe nocturno

Cada noche se ejecuta otro informe:

• ¿Cumplí mi objetivo de proteínas?
• ¿Cuánto levanté hoy?
• ¿Cuál es mi esfuerzo acumulado de la semana?
• ¿Cómo va la tendencia de mi recuperación?

Es como tener un entrenador que nunca duerme revisando cada día.

Los conectores

OpenClaw no tenía conectores nativos para la mayor parte de esto. Los construí.

En realidad, le dije a OpenClaw lo que quería. Él construyó los conectores.

Para Speediance, hay un endpoint de API no oficial que extrae datos de entrenamiento. Introduje eso en OpenClaw. Ahora extrae mi volumen de levantamiento automáticamente cada día.

Para Garmin y WHOOP, estoy usando sus APIs. Los datos fluyen al sistema, se normalizan y se vuelven útiles.

Para 8Sleep, es más complicado. La exportación de datos es inconsistente. Algunas noches funciona, otras no. Está en mi lista para arreglar.

¿Por qué Mac Mini?

Primero intenté ejecutar esto en un PC con Windows. Fue un desastre absoluto. La configuración fue una pesadilla. Apenas podía hacer algo.

Luego lo probé en un Mac M3 Ultra. Diferencia abismal.

Todo funcionó desde el primer momento. OpenClaw se ejecuta sin problemas. Las llamadas a la API son rápidas. Es fiable.

La lección: no escatimes en el hardware. Si quieres que esto funcione, necesitas un Mac potente.

Los proveedores gratuitos

Estoy usando varios proveedores de LLM gratuitos a través de OpenClaw:

• Google: sólido, pero los límites de velocidad se agotan rápido
• Nvidia: Kimmy 2.5 es excelente cuando funciona, pero puede quedarse colgado
• MiniMax: mi herramienta diaria. 10 $/mes por el plan más barato. Fiable, lento, pero deliberado. La lentitud es en realidad una ventaja: no quema tokens rápidamente.
• Mistral: lo uso de vez en cuando, no he alcanzado los límites

Para tareas de razonamiento intensivo, cambio a modelos alojados como Claude (Anthropic) bajo demanda. El coste se dispara enseguida, así que lo reservo para tareas complejas de varios pasos donde los modelos locales flaquean.

El enjambre de agentes

Este es el patrón que utilizo:

Cuando tengo una tarea compleja, lanzo varios agentes en paralelo. MiniMax los coordina. Cada agente se encarga de una parte de la tarea: uno extrae datos, otro los formatea, un tercero revisa si hay errores. Luego MiniMax lo une todo.

Esto ahorra tokens. Ejecutar todo a través de modelos alojados premium me consumiría el presupuesto rápidamente. Al distribuir el trabajo entre proveedores gratuitos y usar modelos alojados solo para el ensamblaje, mantengo los costes bajo control.

El panel de fitness

Construí un panel personalizado usando OpenClaw. Muestra:

• Todas mis métricas diarias en una sola vista
• Gráficos de tendencias para sueño, recuperación y levantamientos
• Resúmenes semanales y mensuales
• Recomendaciones de estado de entrenamiento

Está alojado en GitHub Pages. Puedo acceder desde cualquier lugar. Y cualquier otra persona también: soy transparente con mis datos de entrenamiento. Si alguien quiere ver cómo voy, puede hacerlo.

La aplicación de seguimiento de BJJ

Uno de los proyectos que estoy desarrollando es un rastreador de técnicas de BJJ. La visión:

• Más de 150 técnicas indexadas
• Filtrar por posición, nivel de cinturón y tipo de sumisión
• Registrar cuáles he entrenado, favoritas y vacíos
• Enlaces a vídeo para cada técnica

OpenClaw creó la estructura inicial. Luego cambié a Codex para las ediciones del frontend. Ese es el flujo de trabajo: OpenClaw para la arquitectura y la lógica, Codex para los ajustes de la interfaz. Las ediciones menores no merecen el cambio de contexto con un LLM.

Lo que he aprendido

Los modelos gratuitos funcionan. MiniMax por 10 $/mes cubre 90% de lo que necesito. Claude solo para lo difícil.

El hardware importa. Un Mac potente (M3 Ultra en mi caso) es el punto ideal. Fiable y con potencia de sobra.

Los agentes son aditivos. Ejecutar un agente es útil. Ejecutar tres en paralelo, coordinados, es transformador.

Los datos de fitness deben estar unificados. Ninguna aplicación lo sabe todo.

Construir el puente entre Garmin + WHOOP + Speediance + 8Sleep me dio perspectivas que no podría obtener en ningún otro lugar.

Esto es tan grande como internet. Llevo en esto desde los primeros tiempos de la web. He visto transformaciones antes. OpenClaw (y los agentes de IA en general) es la tecnología más transformadora con la que me he topado. El iPhone fue increíble. Esto es más grande.

Próximos pasos

Sigo iterando en el panel. El segundo cerebro está creciendo: recordatorios, automatizaciones, integraciones.

El rastreador BJJ necesita trabajo. Ahora mismo es muy básico. Pero la base está ahí.

También estoy mirando la integración con la domótica. Alexa, luces inteligentes, control del clima: tener un agente que conozca mi carga de entrenamiento y ajuste mi entorno en consecuencia.

Si quieres ver los informes de fitness, están disponibles en mi GitHub Pages. Por la mañana y por la noche, ejecutándose automáticamente. Ese es el poder de esta configuración.

En resumen

No construí esto porque las aplicaciones no fueran lo suficientemente buenas. Lo construí porque ninguna aplicación por sí sola podía ver la imagen completa. Sueño + pesas + nutrición + recuperación: todo está conectado. Los datos también deberían estarlo.

OpenClaw lo hizo posible. No fácil, pero posible. Y una vez está en marcha, funciona solo.