Gestión del conocimiento personal con IA: Claude Code y Obsidian

Mantén separado lo duradero y lo intercambiable, y la mayor parte del diseño se sigue de ahí.

Lo duradero es tu bóveda: archivos .md planos, [[wikilinks]], frontmatter YAML. Sin base de datos, sin formato propietario, sin paso de exportación. Lo intercambiable es el agente que la lee. Los dos proyectos comunitarios que lideran este espacio, obsidian-second-brain y obsidian-mind, ambos se distribuyen para Claude Code, Codex CLI y Gemini CLI a propósito. La bóveda es la inversión; el modelo es un inquilino que puedes desahuciar.

Ese es el mismo razonamiento que aplicamos a cablear la IA en cualquier stack: posee la interfaz, alquila la capacidad. Lo escribimos para la integración de sistemas en API, MCP o CLI. La gestión del conocimiento personal es el mismo argumento a escala de escritorio.

Un agente con acceso a archivos convierte una bóveda estática en una que se mantiene a sí misma, dentro de los límites que fijes.

• CLAUDE.md es el manual de operación. Ejecuta claude desde la raíz de la bóveda y carga este archivo en cada sesión: tu mapa de carpetas, tus convenciones de enlace, tus plantillas de notas, tus comportamientos por defecto. Es el único archivo que sostiene en todo montaje que funciona. /init escribe un primer borrador.
• El contexto de sesión es un hook, no magia. obsidian-mind inyecta un extracto de estrella polar, una lista de tareas y un listado de archivos al inicio de sesión para que el agente no empiece en blanco. Eso es un hook SessionStart corriendo en tu máquina, nada más.
• Archivar se vuelve un skill. Los comandos slash y los subagentes manejan las tareas: archivar una nota recortada en la carpeta correcta, generar un mapa de contenido, encontrar notas huérfanas, escribir el registro diario. obsidian-second-brain distribuye docenas de estos.
• El frontmatter es la capa legible por máquina. Fecha, estado, fuente, un marcador de confianza en YAML, más wikilinks, dan al agente estructura para recuperar y cotejar, en lugar de adivinar a partir de la prosa.

El cambio más nuevo son notas que reescriben en lugar de anexar: una fuente nueva actualiza y reconcilia notas existentes en lugar de apilar otra entrada fechada. Útil, y el primer lugar donde tener cuidado, que es la sección de después de la siguiente.

No cargues toda la bóveda. Deja que el agente traiga las pocas notas que una pregunta necesita.

El montaje ingenuo empuja la bóveda al contexto y se rompe en torno a unos pocos cientos de notas. El montaje frugal mantiene todo en disco y trae solo lo que coincide, mediante búsqueda por línea de comandos o grep. Los profesionales reportan la brecha como unos 100 tokens para una búsqueda de bóveda por CLI frente a decenas de miles por cargar un proyecto entero. La mecánica es poco glamurosa: buscar, leer las tres notas que coincidieron, responder.

Esto sigue importando aunque Claude Code ahora corra una ventana de contexto de un millón de tokens. El límite de tasa rodante muerde mucho antes de que la ventana se llene, así que una bóveda que responde en 100 tokens te deja hacer cien preguntas donde el montaje de cargar todo te da un puñado. El retrieval frugal es lo que hace un segundo cerebro usable a diario en lugar de impresionante una sola vez.

La comunidad vende "todo se queda en tu bóveda, sin SaaS". Eso es cierto para el almacenamiento y falso para la inferencia, y la diferencia es todo el riesgo.

Tu Markdown se queda en tu disco. Pero por defecto cada consulta envía las notas relevantes a una API en la nube para ser leídas. Para una bóveda de hobby de recetas, bien. Para una bóveda que guarda notas de clientes, contratos o cualquier cosa cubierta por un contrato de encargo de tratamiento, eso son datos que salen del edificio en cada pregunta. La portabilidad de Markdown plano no es lo mismo que la privacidad local.

Dos salvedades honestas más. La inyección de prompt es estructural: un agente que lee tus notas no puede separar con limpieza "instrucciones" de "contenido", así que cualquier Markdown que entre en la bóveda, una página web recortada, una nota compartida, un PDF ingerido, puede llevar instrucciones sobre las que luego actúa. Y el riesgo no es hipotético: en abril de 2026, atacantes abusaron de plugins comunitarios de Obsidian para ejecutar código cuando una víctima abría una bóveda compartida, reportado por The Hacker News. Un agente con acceso de escritura de archivos y de shell eleva esa apuesta, no la baja. Las notas que se reescriben a sí mismas también pueden inventar en silencio un backlink o sobrescribir una línea correcta, y el cambio se guarda antes de que lo leas.

Todo lo bueno de este montaje sobrevive cuando mueves el modelo a casa. El problema de privacidad es la única parte que necesita el cambio.

La versión soberana conserva la bóveda y el flujo de trabajo y cambia la inferencia en la nube por un modelo local: una capa de retrieval sobre tu Markdown servida por un modelo corriendo en tu propio hardware o en hosting de la UE. Conservas la propiedad del texto plano, el manual de operación CLAUDE.md, los skills, y dejas de enviar los contenidos fuera en cada pregunta. Para una empresa de una pyme, este es el puente de un experimento personal a la gestión real del conocimiento interno, manuales de producto, documentación de procesos, historial de soporte, sin una pregunta de encargo de tratamiento colgando sobre cada consulta. Cuándo hacer ese movimiento, y cuánto cuesta, es el tema de On-Premise vs. LLM en la nube.

El encuadre de aficionado es "construye un segundo cerebro". El encuadre de negocio es la misma máquina apuntada al conocimiento de la empresa en lugar del tuyo. La pregunta interesante, de nuevo, no es si funciona. Es quién puede leer las notas. Así que: ¿a dónde envía de verdad tu bóveda sus preguntas ahora mismo?