Cómo uso la inteligencia artificial (Hermes) para automatizar el workflow de lectura científica, toma de apuntes y construcción de una base de conocimiento viva con Obsidian + LLM Wiki.
Un modelo de lenguaje (LLM) es un motor de predicción de texto entrenado con millones de documentos.
Resumir, traducir, extraer, clasificar, estructurar, comparar
Tu especialidad, los últimos estudios, las guías locales, los datos de tus pacientes
El ordenador solo entiende 1 y 0. Todo lo demás son capas que esconden complejidad.
Escribes esto en Python y no necesitas saber cómo funciona un transistor. La capa de abstracción te lo oculta.
Una calculadora hace operaciones matemáticas sin «entender» matemáticas. Procesa, no comprende.
Un LLM predice la siguiente palabra sin «entender» el significado. Es la misma lógica: el LLM es la capa más alta de abstracción.
Si preguntas directamente a un LLM «¿qué dice la última guía de DM1?», el modelo inventará una respuesta con apariencia convincente.
Un harness (arnés) es un orquestador que conecta el LLM con fuentes reales y controla cómo se usa.
Igual que un microscopio no «sabe» biología, un LLM no «sabe» medicina. Pero ambas son herramientas poderosas.
Alimentamos el PDF → el LLM extrae, resume, estructura. El contenido real es verificable.
De paper a resumen, de resumen a ficha wiki, de ficha a flashcard Anki. El LLM es el pipeline.
El LLM cruza fuentes y sugiere relaciones. El clínico decide si son válidas.
A partir del conocimiento acumulado en la wiki, el LLM compila informes estructurados con referencias reales.
Karpathy es conocido por su capacidad de explicar conceptos complejos de IA de forma clara. Su blog, cursos y gists son referencia obligada en la comunidad.
«La información no es conocimiento hasta que se procesa, se relaciona y se internaliza.»
Un patrón para construir bases de conocimiento personales usando LLMs.
— Andrej Karpathy
Subes documentos → el LLM busca fragmentos en cada consulta → rediscovery el conocimiento desde cero cada vez. Nada se acumula.
El LLM construye una wiki persistente → el conocimiento se compila una vez y se mantiene actualizado. Las conexiones ya están hechas.
Inmutables. El LLM lee pero nunca modifica. Fuente de verdad.
Archivos markdown interconectados. El LLM crea, actualiza y entrecruza.
Define convenciones, taxonomía y el catálogo. El sistema de gobierno.
raw/El agente que orquesta todo — el cambio frente a las herramientas separadas
Diagrama canvas del flujo completo — Fuentes → Harness → LLM → Wiki
El clínico recibe decenas de papers, guías y directrices cada semana. Imposible leerlo todo.
PDFs perdidos, bookmarks olvidados, notas en sitios distintos. No hay un segundo cerebro.
La clínica absorbe el día. La investigación se relega a noches y fines de semana.
Un asistente de IA (Hermes) que trabaja 24/7 para ti
Captura fuentes
PubMed, arXiv, blogs
Procesa con IA
Resume, extrae conceptos
Estructura en wiki
Obsidian + LLM Wiki
Consulta y síntesis
Conocimiento acumulado
De la fuente original al conocimiento estructurado, sin fricción
Artículos de PubMed, arXiv, blogs, directrices clínicas. Hermes los captura automáticamente mediante skills especializadas.
# Hermes busca literatura automáticamente
pubmed búsqueda "diabetes tipo 1 inteligencia artificial"
arxiv búsqueda "closed-loop glucose control"Hermes lee, resume y extrae conceptos clave de cada fuente. Identifica entidades (fármacos, patologías, autores), hallazgos y relaciones.
El conocimiento se estructura como archivos markdown interconectados, siguiendo el framework de Andrej Karpathy.
wiki/
├── raw/ # Fuentes inmutables
├── entities/ # Fármacos, patologías, autores
├── concepts/ # Temas, mecanismos, guías
└── comparisons/ # Análisis comparativosEl conocimiento se acumula. Cada nueva fuente se cruza con lo ya existente. Las contradicciones se señalan automáticamente.
Orquestador multi-modelo. Skills, crons, Telegram/Discord. El cerebro del sistema.
Bóveda de conocimiento local con grafo, Dataview y plugins. Interfaz humana.
Framework de Karpathy. 3 capas: raw → entities/concepts → schema. Markdown interconectado.
PubMed, arXiv, blogwatcher, web scraping. Skills especializadas que Hermes carga según la tarea.
Gestión de referencias con PDFs self-hosted en SFTPGo. Acceso desde cualquier dispositivo.
Monitorización periódica, alertas de nuevas publicaciones y síntesis recurrente automática.
El valor real para el clínico-investigador
Lo que antes llevaba una tarde de lectura ahora se hace mientras atiendes pacientes. El agente procesa mientras tú trabajas.
Cada artículo leído no se olvida. Se enlaza con lo anterior. Como un segundo cerebro que recuerda todo.
El grafo revela relaciones ocultas. Un fármaco de cardiología que aparece en un paper sobre DM1.
Astro, Obsidian, Karpathy's LLM Wiki — herramientas abiertas. Tu conocimiento no queda atrapado en silos.
Skills pubmed y arxiv para búsqueda y recuperación estructurada de literatura.
Extracción de texto con pymupdf. PDFs almacenados en Zotero auto-hosted con WebDAV.
Frontmatter con fecha, fuente y confianza. [[Wikilinks]] que conectan todo el conocimiento.
Skill pdf-report-generation para informes profesionales con portada e índice.
Multi-bloque con verificación y síntesis. Workflow estructurado para preguntas complejas.
Skill gdpr-dpo-compliance para auditorías de cumplimiento en salud digital.
Este sistema se puede replicar y adaptar a cualquier especialidad.
Hablemos.
charla.javierpenate.com