Creé un sistema de IA que gestiona toda mi vida fitness. Así lo hice.

El problema con los datos de fitness

Me he puesto tres rastreadores de sueño para dormir: Garmin, WHOOP y 8Sleep. Todos me dicen algo diferente cada noche.

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 distinta 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 la parte del entrenamiento de fuerza? Speediance y Tonal son jardines cerrados. No exportan datos fácilmente. Estaba atrapado registrando todo manualmente en hojas de cálculo, justo lo que compré estas máquinas para evitar.

Así que construí un sistema para solucionarlo.

Lo que estoy usando

Estoy ejecutando OpenClaw en un Mac con M3 Ultra. ARIA es mi asistente principal, se encarga del panel de control, el tablero de tareas y coordina los datos de varios conectores. Uso una combinación de modelos locales y en la nube para una operación eficiente en costes.

El informe matutino

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

• WHOOP - puntuación de recuperación, carga, 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:

• Cuán recuperado estoy
• Qué duro entrené ayer
• Cuál debería ser mi estado de entrenamiento hoy
• Si debería exigirme 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 + entrenamiento de fuerza + nutrición conjuntamente.

El informe nocturno

Cada noche se ejecuta otro informe:

• ¿Cumplí mi objetivo de proteínas?
• ¿Cuánto levanté hoy?
• ¿Cuál es mi carga acumulada de la semana?
• ¿Cómo está evolucionando mi recuperación?

Es como tener un entrenador que nunca duerme y que revisa cómo voy cada día.

Los conectores

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

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

Para Speediance, hay un endpoint de API no oficial que extrae datos de entrenamiento. Lo introduje 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. Eso está en mi lista para resolver.

¿Por qué un Mac Mini?

Primero lo intenté ejecutar en un PC con Windows. Fue un desastre. La configuración fue una pesadilla. Apenas podía hacer nada.

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

Todo funcionó nada más sacarlo de la caja. OpenClaw funciona sin problemas. Las llamadas a la API son rápidas. Es fiable.

La lección: no escatimes en el hardware. Si quieres que esto funcione, usa 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 pausado. La lentitud es en realidad una ventaja: no quema tokens rápidamente.
• Mistral - lo uso ocasionalmente, no he alcanzado los límites

Para tareas de razonamiento intensivo, cambio a modelos alojados como Claude (Anthropic) bajo demanda. El coste se dispara rápidamente, así que lo reservo para tareas complejas de varios pasos donde los modelos locales no dan la talla.

El Enjambre de Agentes

Este es el patrón que uso:

Cuando tengo una tarea compleja, genero varios agentes en paralelo. MiniMax los coordina. Cada agente se encarga de una parte de la tarea: uno extrae datos, otro les da formato, un tercero comprueba errores. Luego MiniMax lo une todo.

Esto ahorra tokens. Ejecutar todo a través de modelos alojados premium consumiría mi 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

He creado un panel personalizado usando OpenClaw. Muestra:

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

Está alojado en GitHub Pages. Puedo acceder desde cualquier sitio. Y cualquier otra persona también: soy transparente con mis datos de entrenamiento. Si alguien quiere ver cómo me va, 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, tipo de sumisión
• Registrar cuáles he entrenado, favoritas, lagunas
• Enlaces de 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 arquitectura y lógica, Codex para ajustes de 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, suficientemente potente.

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

Los datos de fitness deben estar unificados. Ninguna aplicación por sí sola lo sabe todo. --max-tokens 8192 --no-fallback --system Eres un traductor profesional determinista. Devuelve solo el objeto JSON final solicitado. No incluyas razonamiento ni comentarios.

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

Esto es tan grande como internet. Llevo en esto desde los inicios de la web. He visto transformaciones antes. OpenClaw —y los agentes de IA en general— son la tecnología más transformadora que he encontrado. El iPhone fue increíble. Esto es más grande.

¿Qué sigue?

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 de 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.

La conclusión

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 que está en marcha, se ejecuta solo.