La configuración de notas que realmente funciona con IA

Fui usuario de Microsoft OneNote por mucho tiempo. Más de diez años. No puedo ni empezar a contar cuántas notas había acumulado en ese tiempo — notas de reuniones, investigación de proyectos, fragmentos de código, ideas al azar. Una década de pensamiento, capturada en un formato propietario en los servidores de Microsoft.

Como desarrollador, conocía el principio para manejar bien los datos: mantener el contenido y la configuración en el mismo archivo. Mantenerlo portable. No dejar que las herramientas tomen tus datos como rehenes. Conocía este principio. Lo aplicaba en el código. Y luego lo ignoré completamente para mis propias notas, durante más de una década.

Finalmente hice el cambio — a archivos Markdown, y específicamente a Obsidian. Lo que me sorprendió fue el momento. Me cambié antes de que llegara la ola actual de IA. No estaba siguiendo una tendencia. Simplemente estaba actuando finalmente sobre algo en lo que ya creía.

Lo que no anticipé fue cuán correcta resultaría ser la decisión, y por razones que no tenían nada que ver con la productividad personal y todo que ver con cómo funcionan realmente los agentes de IA.

---

La era de la productividad en la nube apostó y perdió

Notion, Confluence, Evernote, Roam — la historia de la última década en gestión del conocimiento fue sobre abstraer el sistema de archivos. Tus notas vivían en una base de datos. Obtenías una interfaz hermosa, funciones de colaboración y la sensación de estar organizado. Lo que sacrificabas era la propiedad.

Intenta exportar un workspace de Notion. Obtienes un archivo ZIP lleno de HTML con metadatos incrustados. Intenta buscarlo con grep. Intenta darle acceso a un agente de IA sin pasar por la API de Notion. Intenta ser dueño de ello en cualquier sentido significativo cuando Notion cambia sus precios.

Obsidian fue en la dirección opuesta. Tus notas son archivos, en una carpeta, en tu máquina. La aplicación es un lente, no un contenedor. Abre cualquier nota en vim, en VS Code, en cualquier editor de texto que haya existido. Busca en todo tu vault en milisegundos. Canaliza notas a través de scripts. Sincronízalas como quieras — iCloud, Syncthing, git, una unidad USB. Los datos son tuyos.

Esto resulta ser enormemente importante cuando quieres que un agente de IA trabaje con tu conocimiento.

---

Por qué Markdown es AI-nativo

Markdown no es solo legible por humanos. Se encuentra en un punto óptimo específico: suficientemente estructurado para las máquinas, suficientemente flexible para los humanos. Aquí me pongo un poco técnico, pero aguanta. Si no entiendes todo el vocabulario, la lógica subyacente es sencilla. Los principios se mantienen. Cada propiedad que hace que Markdown sea bueno para las personas también lo hace bueno para la IA:

Texto plano significa que cualquier herramienta puede leerlo. Sin bibliotecas de análisis, sin llamadas a API, sin negociación de formato. Un modelo de lenguaje puede leer un archivo Markdown de la misma manera que tú.

YAML frontmatter significa que los metadatos legibles por máquina viven en el mismo archivo que el contenido. Tags, relaciones, fechas, propiedades personalizadas — viajan con la nota. Sin base de datos separada, sin problemas de sincronización, sin el problema de "los metadatos están aquí pero el contenido está en otro lugar". Esta es la regla de oro: datos y metadatos en el mismo archivo. Markdown con frontmatter es exactamente eso.

Wikilinks son relaciones explícitas y nombradas entre documentos. No solo hipervínculos — conexiones semánticas. [[Parent Note]], [[Related Concept]]. Un grafo de conocimiento puede recorrerlos. Un agente de IA puede seguirlos. Son más que navegación; son estructura declarada.

Los encabezados como estructura dan a los sistemas de IA límites naturales de fragmentación. Cuando construyes un pipeline de RAG sobre tus notas, las secciones ## se convierten en unidades de recuperación coherentes. La estructura del documento que escribiste para ti mismo se convierte en la estructura del documento que la IA usa para encontrar lo relevante.

Compara esto con una exportación de Notion (sopa de HTML), una página de Confluence (JSON propietario) o un documento de Word (archivo ZIP de XML). Cuando quieres que un agente de IA razone sobre tu conocimiento acumulado, Markdown gana en todas las dimensiones.

---

El ecosistema es inusualmente profundo

Obsidian tiene alrededor de 1.500 plugins de la comunidad. El número es menos interesante que lo que esos plugins exponen.

Lo notable es cuán profundamente pueden penetrar los plugins en Obsidian. Un plugin no está limitado a cambiar el aspecto de la aplicación o agregar un botón a la barra de herramientas. Puede leer y recorrer todas tus notas y las conexiones entre ellas, acceder y modificar los metadatos adjuntos a cualquier nota, crear enlaces personalizados a los que otras aplicaciones pueden responder, y leer y escribir archivos directamente en tu computadora. La mayoría de las aplicaciones dan a los desarrolladores una ventana estrecha con la que trabajar. Obsidian les da las llaves del edificio. El resultado es que el ecosistema de plugins trata a Obsidian como una plataforma sobre la que construir, no como una aplicación que se usa.

Y porque todo son archivos, estos plugins se componen. Un plugin que escribe en frontmatter funciona con un plugin que lee frontmatter. Un plugin que agrega enlaces funciona con un plugin que recorre enlaces. Nada está aislado en su propia base de datos. El archivo es el contrato entre componentes.

---

Local-first es la jugada de privacidad en IA

Cuando le das tus notas a una IA, le estás dando tu pensamiento real. No tu resultado pulido — tu pensamiento real. Incertidumbres, ideas a medio formar, proyectos personales, cosas que sabes sobre tu empleador, opiniones que no has publicado.

Local-first significa que controlas qué va a dónde. Tus notas no entrenan por defecto el próximo modelo de OpenAI. Puedes ejecutar modelos locales contra todo tu vault sin que ningún dato salga de tu máquina. Un agente de IA que se ejecuta localmente tiene acceso al sistema de archivos sin un viaje de ida y vuelta a través de la nube. Puedes elegir, por modelo y por tarea, qué contexto proporcionar.

Esto no es paranoia. Es el mismo principio de seguridad operacional que aplica a cualquier dato sensible. Tomas decisiones conscientes sobre lo que sale de tu control, en lugar de que esa decisión sea tomada por ti mediante una actualización de los términos de servicio.

---

El patrón de interfaz del agente

Algo sutil ha estado ocurriendo en cómo los agentes de IA estructuran su relación con el contexto humano, y vale la pena prestarle atención.

Claude Code almacena sus instrucciones persistentes en CLAUDE.md. Almacena la memoria sobre el usuario en archivos memory/*.md. Los comportamientos de agente reutilizables se definen en .claude/skills/*.md. Nada de esto es una base de datos, una API o un formato propietario. Todo son archivos Markdown.

Esto no es arbitrario. Markdown es el medio correcto para esta interfaz porque es legible tanto para el humano como para la IA, puede contener datos estructurados junto con prosa, puede tener control de versiones y no requiere infraestructura para leer o escribir.

Tu vault de Obsidian ya está estructurado de esta manera — o puede estarlo. Notas con propiedades frontmatter, wikilinks que declaran relaciones, tags que codifican categorías. Si colocas las herramientas correctas encima (servidores MCP, búsqueda vectorial, RAG), toda tu base de conocimiento se vuelve consultable por cualquier agente de IA con el que trabajes. El vault se convierte en la ventana de contexto.

---

Pero hay una brecha

Lo que Obsidian no resuelve de forma nativa: llegar fuera del vault.

El vault conoce tus notas. No conoce tus directorios de proyectos, tus repositorios de código, tu carpeta de descargas, tu biblioteca de PDF. Cada herramienta que no sea un archivo Markdown dentro del vault es invisible para él. Cada vez que quieres conectar una nota con un directorio de proyecto, estás resolviendo ese problema de coordinación manualmente.

Esta es la limitación que me llevó a crear FolderTether — pero ese es el tema del próximo artículo.

---

Suplemento: Cómo organizar tus notas

Esta sección es para lectores nuevos en Obsidian o que quieran entender el enfoque organizativo que sustenta el sistema descrito anteriormente. Es un punto de partida práctico, no un requisito para el artículo principal. ¡Solo un bonus!

---

El cambio más importante en el uso efectivo de Obsidian es abandonar las carpetas como herramienta organizativa principal.

Las carpetas son la forma en que la mayoría de nosotros aprendimos a organizar archivos. Se sienten intuitivas. Pero en un sistema de conocimiento, crean problemas: una nota solo puede vivir en una carpeta, las carpetas no aparecen en la vista de grafo, y una jerarquía de carpetas se convierte en una decisión que debes tomar por adelantado y luego vivir con ella.

Obsidian te da mejores herramientas: tags, links y properties.

La regla de oro

Almacena tus datos y sus metadatos en el mismo archivo. Usa YAML frontmatter al principio de cada nota para capturar información estructurada — tags, fechas, relaciones, referencias de fuentes. Esto es lo que hace que tus notas sean consultables tanto por ti como por cualquier herramienta de IA que uses.

---
tags:
  - knowledge/ai/rag
  - goal/project/my-project
created: 2026-03-13
up: "[[Parent Note]]"
source: "[[Reference Material]]"
---

Tags en lugar de carpetas

Los tags son más flexibles que las carpetas porque una nota puede tener múltiples tags. Usa tags jerárquicos para la estructura — knowledge/ai/rag es más preciso que knowledge y más flexible que una estructura de carpetas anidadas.

Pon los tags en el frontmatter en lugar de inline en el texto. Esto mantiene el cuerpo de tu nota limpio y hace que los tags sean más fáciles de consultar.

Links como relaciones declaradas

Los Wikilinks ([[Note Name]]) son la característica más poderosa de Obsidian. Úsalos intencionalmente:

• Links nombrados en properties para relaciones fuertes y explícitas: up: "[[Parent Note]]", source: "[[Reference]]"
• Wikilinks en línea para conexiones contextuales en el cuerpo de una nota
• Obsidian rastrea todos los links y los actualiza automáticamente cuando se renombran las notas — sin referencias rotas

La vista de grafo se vuelve útil cuando tienes links reales conectando notas reales. Es un mapa de tu pensamiento, no solo una visualización de tu estructura de carpetas.

Properties para estructura

Las Properties (campos de frontmatter) te permiten tratar tu vault como una base de datos ligera. Más allá de los tags, considera:

• up — la relación upstream principal (a qué pertenece esta nota)
• sibling — relaciones laterales al mismo nivel
• source — de dónde proviene la información
• archive: true — marcar notas como inactivas sin borrarlas

Una nota sobre PARA

PARA (Projects, Areas, Resources, Archives) es un framework organizativo popular que puedes encontrar en el contenido de Obsidian. Se mapea bien a tags: goal/project/..., area/..., knowledge/.... Úsalo si se adapta a tu forma de pensar. Lo clave es que PARA funciona mejor como sistema de tagging que como jerarquía de carpetas.

---

El video que dio forma a este enfoque: https://www.youtube.com/watch?v=B0yAy2j-9V0