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
Cuando un LLM responde, convierte tus palabras en números, mide relaciones y hace billones de cálculos en milisegundos. Así funciona por dentro:
La diferencia entre un LLM y una regresión lineal es de escala, no de naturaleza. Ambos hacen cálculos — uno con números, el otro con palabras convertidas en números.
x = [0.5, 2.1, 7.3]y = 3.8"¿Qué es la diabetes?""La diabetes es una enfermedad..."El LLM no es un oráculo. Si le preguntas directamente, inventa con apariencia convincente. La clave es usarlo como procesador de documentos, no como memoria.
Dos conceptos que se confunden. El contexto es lo que el LLM «ve» ahora. La memoria es lo que recuerda entre conversaciones. No son lo mismo.
El LLM procesa todo el texto que cabe en su ventana. Como una mesa de trabajo: pones documentos encima, al cerrar la conversación la mesa se vacía.
Los LLM no tienen memoria nativa. Cada conversación empieza en blanco. Para que «recuerden» necesitamos mecanismos externos:
Karpathy es conocido por su capacidad de explicar conceptos complejos de IA de forma clara. Su idea de la LLM Wiki es el corazón de este sistema.
Subes documentos → el LLM busca fragmentos en cada consulta → redescubres 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.
El framework de Karpathy organiza el conocimiento en tres capas que evolucionan juntas.
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.
Con estas tres operaciones, la wiki se mantiene viva y actualizada sin esfuerzo manual.
raw/Antes de un agente completo, empieza con una interfaz self-hosted donde tus datos nunca salen de tu infraestructura.
Open WebUI corre en tu servidor. Los PDFs, documentos y consultas nunca tocan servidores externos sin tu permiso.
Subes un PDF de 200 páginas y le haces preguntas. El LLM lo procesa con RAG integrado — sin configuración.
Claude, GPT, DeepSeek, modelos abiertos locales… Cambias de modelo sin mover tus conversaciones.
Interfaz web, funciona en móvil, sin terminal, sin comandos. Solo navegador.
El agente que lo orquesta todo — el cambio frente a las herramientas separadas
De la fuente al conocimiento acumulado, con un agente que orquesta cada paso.
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.
Este sistema se puede replicar y adaptar a cualquier especialidad.
Hablemos.
charla.javierpenate.com