De carpetas a base de conocimiento: Cómo hice que mis notas trabajaran para mí

Serie: Gestión del conocimiento potenciada por IA — Post 1 de 9

La trampa de las carpetas

Fui un usuario intensivo de OneNote durante años. Era perfecto para mí, en ese momento. Tenía secciones anidadas dentro de secciones dentro de cuadernos, con códigos de colores y cuidadosamente mantenidos. Cuando necesitaba algo, navegaba una jerarquía que había construido de memoria. Funcionaba mientras recordara dónde había puesto las cosas, y mientras la información encajara limpiamente en una sola categoría.

A menudo no encajaba en una sola categoría. Era frustrante, pero lo acepté.

¿Una nota sobre un patrón de autenticación de API va en "Seguridad" o en "Backend" o en "Proyecto Beta"? En un sistema de carpetas, eliges uno y esperas recordar cuál elegiste seis meses después. O la duplicas. O creas un acceso directo. Cada solución es un parche para el hecho de que las carpetas fuerzan un único eje de organización sobre información que vive en muchos ejes a la vez.

Las carpetas son la forma en que la mayoría de nosotros siempre organizamos las cosas. En nuestra computadora, en nuestro correo, en nuestra cabeza. Se sentía como la forma natural de pensar sobre la información.

Tags, propiedades y la red de conexiones

Cuando me mudé a Obsidian, traje el hábito conmigo. Mi primer vault se veía como mis cuadernos de OneNote: árboles profundos de carpetas, cuidadosamente ordenados. Obsidian era una mejor herramienta, pero la estaba usando de la misma forma. Era un archivero con una interfaz más bonita.

El cambio empezó cuando me topé con la idea de organizar notas con tags y propiedades de front matter, o de página, en lugar de carpetas. Obsidian soporta un bloque YAML al inicio de cada nota donde puedes definir metadatos estructurados: tags, relaciones con otras notas, fuentes, estado. Por supuesto, Obsidian lo presenta en una interfaz bonita para que no tengas que lidiar con configuración cruda. En lugar de poner una nota dentro de una carpeta llamada "Seguridad", la etiquetas como knowledge/security y también knowledge/backend y también la vinculas al Proyecto Beta. La nota existe en múltiples contextos simultáneamente sin estar duplicada.

Más importante aún, empecé a usar propiedades de relación — up para notas padre, sibling para conexiones laterales, source para referencias. Esto creó una red de conexiones explícitas entre notas que existía independientemente de dónde estuvieran los archivos en disco. La ubicación física se volvió secundaria. El significado estaba en los metadatos.

Todavía etiqueto manualmente cada nota. Soy obsesivo con eso. Pero ese hábito, que en su momento se sentía como trabajo extra, resultó ser la base de todo lo que vino después.

Saliendo del vault

Una vez que internalicé la idea de que las conexiones importan más que la ubicación, una nueva fricción se hizo visible: el límite del vault de Obsidian. El vault de Obsidian es este concepto de usar una carpeta raíz de alto nivel para almacenar todos tus archivos Markdown, los archivos de tus notas. Dentro de este vault, todo estaba vinculado y era descubrible. Fuera de él, nada estaba conectado. Ni mis proyectos de código, ni mis documentos de oficina, ni los PDFs de referencia. El vault era una isla mejor organizada, pero seguía siendo una isla.

Esto hizo clic durante una conversación con un colega. Él había probado Obsidian y lo abandonó porque su trabajo real no vivía dentro del vault. Esa conversación me llevó a construir el plugin de Obsidian FolderTether. Crea un vínculo bidireccional entre una nota y cualquier directorio en el sistema de archivos. Desde Obsidian, un clic abre la carpeta vinculada en Finder. Desde Finder, un archivo .url en el directorio abre la nota directamente en Obsidian. El vault deja de ser un jardín amurallado y se convierte en un índice de navegación sobre todo tu espacio de trabajo digital.

Es una herramienta pequeña, pero completó un cambio en cómo pienso sobre las notas. La nota sobre el Proyecto Beta no necesita vivir en una carpeta de "Proyectos". Ni siquiera necesita estar cerca de los archivos del proyecto. Solo necesita una conexión con ellos. El mismo principio que me movió de carpetas a tags ahora se extendía más allá del vault mismo: la ubicación física es secundaria a las relaciones.

Y esto resultó importar también para los agentes de AI. Cuando Claude Code consulta mi vault, puede descubrir notas sobre proyectos y seguir la propiedad linked_dir para encontrar el directorio real del proyecto sin que yo tenga que decirle dónde están las cosas. El vault se convirtió en un índice no solo para mí, sino para cualquier herramienta que pueda leer Markdown y seguir enlaces.

Cuando la buena organización aún no es suficiente

Aquí es donde la mayoría de la gente se detiene, y honestamente, donde yo también me detuve por un tiempo. Los tags y los enlaces son una mejora genuina sobre las carpetas. Puedes encontrar cosas por tema, seguir conexiones entre ideas, y la vista de grafo de Obsidian te da un mapa visual de cómo todo se relaciona. Para un sistema personal de gestión del conocimiento, es bueno. Para cientos de notas, es genial.

Para miles de notas, se rompe de una manera diferente.

El problema a "escala" ya no es la organización, es la recuperación. Puedes etiquetar perfectamente y aún así no encontrar lo que necesitas, porque estás buscando un concepto y tu nota usó palabras diferentes. Busca "autenticación" y no encontrarás la nota que escribiste sobre "gestión de tokens de sesión" o "seguridad de inicio de sesión". La mayoría de la gente esperaría que se tratan del mismo tema. La búsqueda por palabras clave encuentra coincidencias de cadenas de texto. No entiende significado.

Aquí es donde el camino tomó otro giro. Uno que solo ocurrió después de que empecé a trabajar con AI e implementar RAG (Retrieval Augmented Generation). La búsqueda semántica se basa en vectores (representaciones numéricas de significado) y la búsqueda se realiza por similitud en lugar de coincidencia exacta de texto. Preguntas "¿cómo manejo la autenticación de usuarios?" y te devuelve notas sobre tokens de sesión, flujos de OAuth y seguridad de inicio de sesión, porque entiende que estos conceptos están relacionados aunque no compartan palabras clave.

Una vez que has experimentado la búsqueda semántica, la búsqueda por palabras clave se siente como buscar un libro por el color de su portada.

Viendo cómo las ideas se conectan

Pero incluso la búsqueda semántica tiene un techo. Aunque encuentra documentos relevantes, no entiende cómo se relacionan entre sí. Puede decirte que cinco notas son todas relevantes para "AI", pero no puede decirte que dos de ellas describen el mismo proveedor de LLM, que una hace referencia a un modelo que ya no es estado del arte, o que tres de ellas fueron escritas sobre el mismo framework de agentes.

Eso es lo que agrega un grafo de conocimiento. En lugar de tratar las notas como documentos aislados que casualmente coinciden con una consulta, un grafo de conocimiento extrae entidades y las relaciones entre ellas. Construye una estructura que refleja cómo la información realmente se conecta. Dejas de preguntar "¿qué documentos coinciden?" y empiezas a preguntar "¿cómo se relacionan estas ideas?" y "¿qué proyectos usan esta tecnología?" y "¿qué más he escrito sobre esta herramienta?"

El grafo no reemplaza la búsqueda. Se asienta sobre ella. La búsqueda semántica encuentra las notas relevantes; el grafo de conocimiento entiende las conexiones entre ellas.

Hazle una pregunta a tus notas, obtén una respuesta

La razón por la que escribo esta serie es para iluminar lo que pasa cuando combinas todo esto con un agente de AI como Claude Code.

La configuración: Obsidian almacena las notas. Un índice semántico las hace buscables por significado. Un grafo de conocimiento mapea las relaciones entre entidades. Y un AI se sienta en la cima, recibiendo tu pregunta, recuperando el contexto relevante de las tres capas, y generando una respuesta con citas que apuntan a tus notas reales.

Esto es RAG aplicado a tu propia base de conocimiento. Haces una pregunta en lenguaje natural. El sistema recupera el contexto relevante de tus notas. El modelo genera una respuesta fundamentada en lo que realmente has escrito, con enlaces a las notas fuente para que puedas verificar y profundizar.

Suena como mucha infraestructura para notas personales. Y si tienes cincuenta notas sobre recetas y planes de viaje, lo es. Pero si tienes años de conocimiento acumulado a través de proyectos, investigación, decisiones e ideas, cambia para qué sirven tus notas. Y como alguien cuyos proyectos e ideas cruzan regularmente la línea entre lo privado y lo profesional, tener una forma de conectar y consultar todo es un cambio radical.

No planeé este arco. No me senté un día y decidí construir un pipeline de gestión del conocimiento. Empecé sacando mis notas de OneNote. Luego me frustré con las carpetas. Luego descubrí los tags. Luego llegué a los límites de la búsqueda por palabras clave. Cada paso resolvió un problema que el paso anterior había revelado. Y cada paso, resulta, estaba sentando las bases para el siguiente.

También tuve suerte con el timing. Si hubiera hecho este trabajo de reorganización dos años en el futuro en lugar de dos años atrás, las herramientas de AI existirían pero mis notas no estarían listas para ellas. El etiquetado, las relaciones, las propiedades estructuradas de las notas, todo ese trabajo manual que hice antes de que los agentes de AI fueran parte de mi flujo de trabajo es exactamente lo que hace que las notas sean consumibles por agentes de AI ahora. La lección es que invertir en cómo organizas tu información rinde frutos de maneras que no puedes predecir en el momento.

Lo que sigue

Este es el primer post de una serie de nueve partes sobre cómo construir un sistema de gestión del conocimiento potenciado por AI. El siguiente post cubre Obsidian específicamente, no como una app para tomar notas, sino como una plataforma de conocimiento, y por qué los archivos Markdown en disco resultan ser la base ideal para todo lo descrito arriba.

Este post es parte de la serie Gestión del Conocimiento Potenciada por AI. Siguiente: Obsidian como plataforma de conocimiento.