Recursos
Gist de la base de conocimiento con LLM de Karpathy: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
Obsidian (aplicación gratis para tomar notas): https://obsidian.md
Obsidian Web Clipper: https://obsidian.md/clipper
Obsidian CLI (115 comandos): https://github.com/alexanderkinging/obsidian-official-cli
Skill de Obsidian para OpenClaw: https://github.com/openclaw/openclaw/blob/main/skills/obsidian/SKILL.md
Cómo funciona
RAG trata tus documentos como una biblioteca con un buscador añadido.
El compilador de conocimiento los trata como materia prima que primero hay que convertir en una biblioteca.
Tu agente lee material fuente (artículos científicos, artículos, documentación de repositorios y recortes web) y escribe artículos de wiki estructurados, con referencias cruzadas, páginas de conceptos y un índice maestro... todo guardado como archivos Markdown de texto plano en una bóveda de Obsidian.
Con unos 100 artículos y 400,000 palabras, puedes hacer preguntas que abarquen decenas de fuentes sin infraestructura de recuperación, porque la síntesis ya se hizo durante la compilación.
Por qué esto supera a RAG para el conocimiento personal
RAG recupera fragmentos de texto según su similitud con tu pregunta, lo que funciona para consultas sobre un documento, pero falla en cuanto una respuesta está repartida entre tres artículos científicos distintos.
El compilador de conocimiento invierte el problema: en lugar de buscar en el momento de la consulta, hace el trabajo difícil al incorporar el material.
Cuando llega un artículo científico nuevo, el LLM lo lee, extrae los conceptos principales, escribe artículos sobre cada uno y los conecta a la wiki existente mediante [[wikilinks]].
Cuando haces una pregunta, las referencias cruzadas ya están construidas y las contradicciones entre fuentes ya están documentadas.
Compilas una vez, consultas muchas... y cada fuente nueva enriquece los artículos existentes porque el LLM integra información nueva en lo que ya escribió.
La contrapartida es real: la compilación gasta más tokens al principio que una pasada de representaciones vectoriales para RAG, y si tus fuentes cambian cada día, la wiki necesita mantenimiento constante. Este patrón funciona mejor para conocimiento que se acumula que para conocimiento que cambia sin parar.
Requisitos previos
Obsidian 1.12 o posterior instalado (gratis, en todas las plataformas)
CLI habilitada: Settings, General, Enable CLI
Verifica que funciona la CLI:
obsidian versionen la terminalInstala la extensión de navegador Obsidian Web Clipper para capturar contenido web como Markdown
Estructura de la bóveda
Dos áreas: raw/ contiene material fuente que nunca se modifica y wiki/ contiene todo lo que escribe el LLM.
Knowledge-Base/
raw/ Source material (papers, articles, clippings)
wiki/ LLM-generated articles
summaries/ One summary per source document
concepts/ Encyclopedia-style concept articles
entities/ Articles about specific people, tools, orgs
comparisons/ Side-by-side analyses
how-tos/ Practical guides extracted from sources
index.md Master catalog of everything
log.md Chronological record of all operations
SCHEMA.md Rules for how the wiki is organizedDile a tu agente que cree esta estructura:
Crea una estructura de bóveda de base de conocimiento. Crea estas carpetas:
raw/, wiki/, wiki/summaries/, wiki/concepts/, wiki/entities/,
wiki/comparisons/, wiki/how-tos/. Crea archivos vacíos para
wiki/index.md y wiki/log.md. Crea SCHEMA.md en la raíz
con convenciones predeterminadas para tipos de artículo, nombres (kebab-case)
y metadatos de cabecera obligatorios (title, type, sources, created, updated).Paso 1: añade tu primera fuente
Coloca un archivo en la carpeta raw/.
Puede ser un PDF, un archivo Markdown, un artículo web capturado o un archivo de texto plano con notas de una reunión.
Obsidian Web Clipper es la vía más rápida para contenido web porque convierte páginas a Markdown y guarda las imágenes localmente para que el LLM las consulte mediante el soporte de visión de Obsidian.
Para la documentación de un repositorio GitHub, clona el repositorio y copia la carpeta docs en raw/:
cp -r ~/projects/some-repo/docs/ ~/Documents/Knowledge-Base/raw/some-repo-docs/Para un artículo web, usa la extensión Web Clipper y fija la carpeta raw/ de tu bóveda como ubicación de guardado.
Para un PDF, colócalo directamente en raw/.
Paso 2: ejecuta tu primera compilación
Este es el paso en el que tu bóveda pasa de ser un montón de documentos a una wiki.
El LLM lee todo lo que hay en raw/, identifica los conceptos sobre los que vale la pena escribir y produce artículos enlazados.
Acabo de añadir material fuente nuevo a raw/. Lee todo lo que hay en
raw/ y compílalo en la wiki. Para cada fuente:
1. Lee con atención el documento completo
2. Identifica los 3-7 conceptos o entidades principales
3. Escribe un artículo de resumen en wiki/summaries/
4. Escribe artículos de conceptos en wiki/concepts/ para cada idea clave
5. Enlaza todo entre sí y actualiza wiki/index.md
6. Registra lo que hiciste en wiki/log.mdLa primera compilación es la que más tarda porque cada concepto necesita un artículo nuevo desde cero.
Cuando termine, abre la vista de grafo en Obsidian (el icono que parece puntos conectados) para ver cómo se enlazan los artículos.
Paso 3: añade más fuentes y observa cómo crece la wiki
Cada fuente nueva se compila en la wiki existente, en lugar de guardarse como una colección separada.
Cuando el LLM encuentra un concepto sobre el que ya escribió, actualiza el artículo existente con información nueva en lugar de crear un duplicado.
Añade una segunda fuente a raw/ y ejecuta otra compilación:
Añadí una fuente nueva en raw/[filename]. Incorpórala a la wiki.
Actualiza los artículos existentes donde esta fuente aporte información nueva.
Crea artículos nuevos solo para conceptos que aún no estén cubiertos. Enlaza
todo entre sí y actualiza el índice.Dos fuentes producen una wiki más útil que cualquiera de ellas por separado, porque la compilación construyó conexiones entre ideas que estaban en documentos separados.
Paso 4: haz preguntas a la wiki
Cuando tengas entre 5 y 10 fuentes compiladas, empieza a hacer preguntas.
El LLM recorre la wiki siguiendo [[wikilinks]] entre artículos, igual que harías clic entre páginas de Wikipedia.
Usando la wiki de mi base de conocimiento, responde a esta pregunta:
[TU PREGUNTA AQUÍ]
Busca artículos relevantes en wiki/. Léelos junto con los artículos
enlazados. Cita páginas concretas de la wiki en tu respuesta. Si la wiki
no cubre algo que necesito, dime qué material fuente
llenaría el vacío.Las buenas respuestas pueden convertirse en artículos de la wiki.
Si el LLM produce una síntesis que conecta varios conceptos de forma útil, dile que guarde la respuesta como artículo nuevo para no hacer la misma pregunta dos veces.
Paso 5: ejecuta una comprobación de estado
Después de cada 5 incorporaciones, ejecuta una revisión de calidad para detectar problemas antes de que se acumulen.
El LLM analiza la wiki buscando páginas huérfanas, enlaces ausentes, contradicciones entre fuentes y artículos poco desarrollados que necesiten ampliarse.
Ejecuta una comprobación de estado de mi wiki. Busca:
1. Artículos huérfanos sin enlaces entrantes
2. Artículos que traten los mismos conceptos pero no se enlacen entre sí
3. Páginas que falten en index.md
4. Artículos de menos de 100 palabras que necesiten ampliarse
5. Contradicciones entre artículos
6. Fuentes desactualizadas de más de 90 días
Corrige automáticamente problemas sencillos, como entradas del índice y enlaces
ausentes. Señala las contradicciones y el contenido desactualizado para que
yo los revise.Paso 6: configura actualizaciones incrementales
Cuando tu wiki tenga una base sólida, configura una tarea recurrente para que el LLM la mantenga sin que tengas que acordarte.
Esto detecta archivos nuevos en raw/, los incorpora automáticamente y realiza comprobaciones de estado periódicas.
Configuración completa de OpenClaw
OpenClaw gestiona tareas programadas y tiene skills integradas de Obsidian, así que puede ejecutar el proceso de compilación en piloto automático.
OpenClaw, paso 1: instala las herramientas
npm i -g openclaw@latest
npm i -g clawhub
clawhub install openclaw/openclaw/skills/obsidian
clawhub install obsidian-cli-officialAlternativa para la CLI en Mac:
brew tap alexanderkinking/tap
brew install obsidian-cli-officialDefine tu bóveda predeterminada:
obsidian-cli set-default "Knowledge-Base"OpenClaw, paso 2: pega el prompt del compilador de conocimiento
Copia el prompt completo de la pestaña Prompt de esta guía.
Sustituye los marcadores entre corchetes por tus valores y después pega el bloque entero en tu archivo SOUL.md de OpenClaw (normalmente en ~/.clawdbot/SOUL.md).
Los dos marcadores que debes cambiar:
[YOUR-VAULT-NAME]es el nombre de tu bóveda de Obsidian, como «Knowledge-Base»[STALE-DAYS]es el número de días tras el que una fuente se marca como desactualizada, como «90»
OpenClaw, paso 3: configura la tarea de incorporación
Esto revisa raw/ cada mañana en busca de archivos nuevos y compila lo que aún no se haya procesado.
Configura una tarea cron diaria a las 7:00 de mi zona horaria, en una sesión aislada.
Busca en raw/ archivos que aún no estén referenciados en wiki/log.md.
Para cada archivo nuevo, ejecuta el flujo completo de incorporación: lee la fuente,
identifica conceptos, escribe o actualiza artículos de la wiki, actualiza index.md
y registra todo en log.md.OpenClaw, paso 4: configura la tarea de revisión de calidad
Una comprobación de estado semanal detecta problemas antes de que se acumulen.
Configura una tarea cron semanal los domingos a las 9:00, en una sesión aislada.
Ejecuta una revisión completa de calidad de mi wiki. Corrige automáticamente enlaces huérfanos
y vacíos del índice. Señala las contradicciones y el contenido desactualizado en
un informe y envíamelo.OpenClaw, paso 5: configura el latido
Una comprobación ligera entre tareas:
Actualiza tu latido para que se ejecute cada 60 minutos, solo de 7:00 a 22:00.
Comprueba estas cosas:
1. Ejecuta obsidian unresolved para encontrar wikilinks rotos en wiki/
2. Cuenta los archivos de raw/ que no estén referenciados en wiki/log.md
3. Busca artículos de la wiki sin enlaces entrantes
Si nada necesita atención, guarda silencio.Configuración de Claude Code
Claude Code tiene acceso directo al sistema de archivos, así que puede leer archivos fuente y escribir artículos de wiki sin un servidor MCP.
Claude Code, paso 1: instala la CLI
brew tap alexanderkinking/tap
brew install obsidian-cli-official
obsidian-cli set-default "Knowledge-Base"Claude Code, paso 2: añade el prompt a tu proyecto
Guarda el prompt de la pestaña Prompt de esta guía como un archivo Markdown que Claude Code lea al arrancar.
Colócalo en la raíz de tu bóveda:
Guarda el prompt del compilador de conocimiento en CLAUDE.md en la raíz de mi bóveda,
en ~/Documents/Knowledge-Base/CLAUDE.md. Sustituye [YOUR-VAULT-NAME]
por Knowledge-Base y [STALE-DAYS] por 90.Claude Code lee CLAUDE.md automáticamente cuando abres una sesión en ese directorio.
Claude Code, paso 3: crea comandos de barra
Los comandos personalizados agilizan las operaciones habituales.
Crea estos archivos en ~/.claude/commands/:
Un comando /compile que incorpore fuentes nuevas:
Busca en raw/ archivos no referenciados en wiki/log.md. Para cada archivo
nuevo, ejecuta el flujo completo de incorporación: lee la fuente, identifica
conceptos, escribe o actualiza artículos de la wiki, enlaza todo entre sí,
actualiza index.md y registra la operación en log.md.Un comando /lint que ejecute una comprobación de estado:
Ejecuta una revisión completa de calidad de wiki/. Corrige automáticamente enlaces huérfanos,
entradas ausentes del índice y referencias cruzadas que falten.
Señala las contradicciones y las fuentes desactualizadas. Informa de los resultados.Un comando /expand que profundice en un tema:
Lee todos los artículos de la wiki relacionados con $ARGUMENTS. Identifica subtemas
y vacíos que aún no estén cubiertos. Crea artículos nuevos para cada vacío,
enlázalos al contenido existente y actualiza el índice.Claude Code, paso 4: configura el mantenimiento recurrente
Usa tareas de escritorio para una compilación que sobreviva a los reinicios de la terminal:
Crea una tarea de escritorio que se ejecute cada día a las 7:00: busca en raw/
archivos que no estén en wiki/log.md, compila cada uno en la wiki,
actualiza index.md y registra todo.Para comprobaciones de estado mientras tu terminal está abierta:
/loop 4h ejecuta una revisión rápida de calidad de wiki/: busca wikilinks
rotos, páginas huérfanas y vacíos del índice. Corrígelos automáticamente.
Solo avísame si encuentras contradicciones o contenido desactualizado.Configuración de Claude Cowork
Cowork ejecuta tareas programadas con acceso a comandos de shell, así que puede usar la CLI de Obsidian para operaciones periódicas de la wiki.
Claude Cowork, paso 1: instala la CLI
brew tap alexanderkinking/tap
brew install obsidian-cli-official
obsidian-cli set-default "Knowledge-Base"Claude Cowork, paso 2: crea la programación de compilación
Usa /schedule en la aplicación de escritorio para cada tarea recurrente:
Cada día a las 7:00, busca en raw/ de mi bóveda de Obsidian archivos no
referenciados en wiki/log.md. Para cada archivo nuevo, lee la fuente
completa, identifica entre 3 y 7 conceptos clave, escribe o actualiza artículos de la wiki,
enlaza todo entre sí, actualiza wiki/index.md y añade una entrada a
wiki/log.md.Cada domingo a las 9:00, ejecuta una revisión completa de calidad de wiki/. Busca
páginas huérfanas, referencias cruzadas ausentes, vacíos del índice, artículos poco
desarrollados de menos de 100 palabras y contradicciones entre fuentes.
Corrige automáticamente los problemas sencillos y envíame un informe de todo
lo que necesite mi decisión.Claude Cowork, paso 3: configura la supervisión
Cada 2 horas, entre las 7:00 y las 22:00, comprueba en la bóveda de mi base de conocimiento
si hay wikilinks rotos y archivos de raw/ que aún no se hayan
compilado. Solo envíame un mensaje si algo necesita atención.Configuración de Hermes
Hermes trabaja directamente con el directorio de la bóveda, y su memoria que mejora por sí sola le permite aprender las convenciones de tu wiki con el tiempo sin que las repitas.
Hermes, paso 1: conecta tu bóveda
Monta mi bóveda de Obsidian en ~/Documents/Knowledge-Base como tu
espacio de trabajo. Lee primero SCHEMA.md para entender cómo está
estructurada la wiki.Hermes, paso 2: configura el proceso de compilación
Cada mañana, busca en raw/ archivos no referenciados en wiki/log.md.
Para cada archivo nuevo, ejecuta el flujo completo de incorporación: lee la fuente,
identifica conceptos clave, escribe o actualiza artículos de la wiki en la
subcarpeta correspondiente (summaries, concepts, entities, comparisons
o how-tos), enlaza todo entre sí, actualiza index.md y registra la operación
en log.md. Ejecuta una revisión de calidad después de cada 5 incorporaciones.Tras unas semanas de uso regular, Hermes produce artículos con tono y estructura coherentes sin correcciones, porque conserva lo que aprendió en las sesiones anteriores.
Hermes, paso 3: ejecuta comprobaciones de estado
Ejecuta una comprobación de estado semanal de wiki/. Encuentra artículos huérfanos,
referencias cruzadas ausentes, fuentes desactualizadas de más de 90 días
y contradicciones. Corrige automáticamente los problemas de enlaces y señala
todo lo demás para mí.Ejemplo práctico: compila la documentación de un repositorio GitHub en una wiki
Esto muestra cómo compilar la documentación de FastAPI en una base de conocimiento, pero puedes sustituirla por cualquier repositorio con documentación Markdown.
Ejemplo, paso 1: clona y copia la documentación
git clone https://github.com/tiangolo/fastapi.git ~/projects/fastapi
cp -r ~/projects/fastapi/docs/ ~/Documents/Knowledge-Base/raw/fastapi-docs/Ejemplo, paso 2: ejecuta la primera compilación
Abre Claude Code (o la herramienta que elijas) en el directorio de la bóveda:
Acabo de añadir la documentación de FastAPI en raw/fastapi-docs/.
Es un framework web de Python para construir API.
Compila toda la carpeta de documentación en mi wiki:
1. Lee cada archivo Markdown de raw/fastapi-docs/
2. Escribe un resumen general en wiki/summaries/fastapi.md
3. Crea artículos de conceptos para las ideas principales: operaciones de rutas,
inyección de dependencias, modelos Pydantic, seguridad, middleware,
soporte asíncrono y generación de OpenAPI
4. Crea artículos de entidades para los componentes clave: APIRouter,
clase FastAPI y objetos Request/Response
5. Enlaza todo entre sí y actualiza wiki/index.md
6. Registra la incorporación completa en wiki/log.mdEjemplo, paso 3: verifica la salida
Comprueba lo que produjo el LLM:
obsidian search query="fastapi"Abre la vista de grafo de Obsidian para ver la red de artículos.
Deberías ver un grupo de nodos interconectados alrededor del resumen de FastAPI, con artículos de conceptos que se ramifican hacia ideas relacionadas.
Ejemplo, paso 4: haz una pregunta transversal
Aquí la wiki demuestra su valor frente a la documentación sin procesar:
Usando mi base de conocimiento, explica cómo interactúa el sistema de inyección
de dependencias de FastAPI con sus funciones de seguridad.
Dame un ejemplo práctico de uso conjunto.El LLM responde recorriendo los artículos de tu wiki, en lugar de buscar en la documentación sin procesar.
Como el artículo de inyección de dependencias ya enlaza al de seguridad (la compilación construyó esa conexión), la respuesta se basa en conocimiento estructurado y no en fragmentos de texto recuperados.
Ejemplo, paso 5: añade una segunda fuente y observa cómo aumenta el valor
Añade la documentación de otro repositorio relacionado:
cp -r ~/projects/pydantic/docs/ ~/Documents/Knowledge-Base/raw/pydantic-docs/Compila raw/pydantic-docs/ en la wiki. Pydantic es la biblioteca de
validación que usa FastAPI. Actualiza los artículos existentes de FastAPI
cuando Pydantic aporte contexto. Crea artículos nuevos
solo para conceptos que aún no estén cubiertos.El LLM actualiza el artículo existente de modelos Pydantic con información más profunda y conecta artículos nuevos específicos de Pydantic, reforzando conexiones que no existían cuando solo tenías una fuente.
Desglose de costos
| Elemento | Costo |
|---|---|
| Obsidian | Gratis |
| Obsidian Web Clipper | Gratis |
| API de LLM para compilación (Opus, muchas escrituras) | $10-25/mes |
| API de LLM para consultas y revisión de calidad (Sonnet) | $3-8/mes |
| Total (uso ligero, 5-10 fuentes/mes) | $10-20/mes |
| Total (uso intensivo, más de 20 fuentes/mes) | $25-40/mes |
Usa Opus para compilar porque la calidad de los artículos de la wiki determina la utilidad posterior de todo el sistema.
Usa Sonnet para consultas y revisiones de calidad donde la velocidad importe más que la calidad de la prosa.
El costo se concentra al principio: la primera pasada por una fuente grande es la cara, pero cada consulta posterior es barata porque la síntesis ya está hecha.
