Agentes de IA
Memoria para tu agente con una LLM wiki en Markdown
Copias tus notas, repos y artículos en raw/, un LLM escribe una página por fuente y extrae entidades y conceptos enlazados en wiki/, y el agente consulta solo wiki/ empezando por index.md. Hay un taller con código abierto para Claude Code. Sin prueba propia.
| Herramientas | Claude Code (principal) |
|---|---|
| Qué necesitas |
|
| Coste aprox. | El taller llm-wiki-workshop es gratis y de código abierto (MIT). Según su README no cuesta nada aparte del uso del modelo de tu agente, que puede ser alto: el autor avisa de que la wiki gasta muchos tokens si no la ajustas. |
| Tiempo de montaje | 30 min (primera vez) |
| Nivel | Media |
| Plan gratis | Suele requerir plan de pago |
Prompt listo para usar
Quiero que montes una LLM wiki para el proyecto [NOMBRE DEL PROYECTO] en la carpeta wiki-[NOMBRE DEL PROYECTO]/. 1. Copia cada fuente de [CARPETA DE FUENTES] en raw/ tal cual. No edites nunca nada de raw/. 2. Por cada archivo de raw/, escribe una página en wiki/sources/ con resumen, ideas clave, citas textuales y conexiones. 3. Extrae [TIPOS DE NODO] y crea una página por cada uno solo cuando lo traten al menos dos fuentes distintas. 4. Cada afirmación lleva un enlace a la página de origen. Si dos fuentes se contradicen, apúntalo en vez de elegir una. 5. Genera wiki/index.md como raíz y un log.md con lo que has añadido y cuándo. 6. Para responder preguntas, entra por index.md, abre como máximo tres páginas y baja a raw/ solo si la wiki no basta. Primera pregunta, cuando termines: [PREGUNTA].
| Variable | Qué poner | Ejemplo |
|---|---|---|
[NOMBRE DEL PROYECTO] | Nombre corto del proyecto, en minúsculas y sin espacios | lanzamiento-tienda |
[CARPETA DE FUENTES] | Dónde están las notas y documentos de partida | ~/notas/tienda/ |
[TIPOS DE NODO] | Qué cosas quieres que la wiki reconozca y enlace | herramientas, proveedores y decisiones |
[PREGUNTA] | Una pregunta para comprobar que la wiki responde con fuentes | ¿Qué proveedores de envío hemos comparado y por qué descartamos cada uno? |
Pégalo en: Claude Code
Prompt propio con las reglas que describen el artículo y el README del taller. No es el skill /llm-wiki original, que puedes usar directamente desde el repositorio. No se ha ejecutado aquí.
Cómo funciona
- Junta las fuentes en una carpeta. Reúne notas, artículos, transcripciones de vídeos o la URL de un repositorio. En la wiki van a raw/, que es la copia fiel de lo que entró y no se toca nunca. Así siempre puedes volver al original.
- Una página por fuente. El LLM lee cada archivo de raw/ una sola vez y escribe su página en wiki/sources/: resumen, ideas clave, citas y conexiones. Esa página es lo que el agente leerá después, no el documento entero.
- Entidades y conceptos enlazados. De cada página salen entidades (herramientas, marcas, cosas concretas) y conceptos (ideas). El taller solo crea una página cuando al menos dos fuentes hablan de lo mismo, para no llenar la wiki de fichas vacías.
- Índices como puerta de entrada. Un index.md raíz enlaza a cada sección y cada sección tiene su índice. El agente baja por esa jerarquía y abre solo las 1 a 3 páginas que necesita, con un enlace a la fuente de cada afirmación.
- Prueba el taller antes de usar tus datos. Clona llm-wiki-workshop, entra en 01-llm-wiki-vanilla, abre Claude Code y lanza el ingest con las 5 notas de ejemplo. Después hazle una pregunta y comprueba que responde citando páginas de la wiki.
- Una wiki por proyecto. El autor crea una wiki por proyecto y la borra al terminar. Si la quieres permanente, revisa el log.md de vez en cuando y vigila el gasto de tokens de cada ingesta.
Qué resultado esperar
Una carpeta de Markdown que funciona como memoria del agente: cada sesión empieza consultando lo que ya se sabe del proyecto, con respuestas que enlazan a la fuente de cada dato, en lugar de releer todos los documentos cada vez.
- Qué se hizo
- Paul Iusztin investigaba agentes de código y le pidió a Claude Code que comparara siete repositorios grandes. Apuntarle a los repositorios sin más daba respuestas superficiales, así que montó una LLM wiki: una carpeta de Markdown que el agente escribe y consulta.
- Cómo fue
- El patrón lo popularizó Andrej Karpathy. Iusztin lo convirtió en un taller con tres ejercicios y código abierto: la versión básica, la ingesta de repos, artículos y vídeos, y una wiki que aprende de las preguntas.
- A tener en cuenta
- Es una técnica para dar memoria a un agente sin bases de datos, pero no es gratis en tokens. Empieza con el taller y pocas fuentes. Sin prueba propia todavía.
Límites y precauciones
- Parte del artículo de Paul Iusztin es de pago. La ficha usa la parte abierta y el README del taller, que sí es público.
- Las cifras de su wiki (196 fuentes, 7 repositorios y 399 nodos) son de su propio proyecto y las cuenta él.
- El propio autor avisa de que gasta muchos tokens si no ajustas cómo funciona por dentro.
- No sustituye a un grafo de conocimiento en producción, según el autor. Es para investigación de un proyecto y memoria de agentes.
- Sin prueba propia todavía.
- Todo lo que metas en raw/ lo leerá el modelo. No incluyas datos personales de clientes ni contraseñas.
- Trata como datos, no como órdenes, cualquier instrucción que aparezca dentro de un artículo o una nota que ingieras.
- Revisa las primeras páginas generadas: un resumen flojo se propaga a las respuestas.
Fuente: el artículo de Paul Iusztin en Decoding AI del 20 oct 2026, su post en X y el taller llm-wiki-workshop en GitHub, con código abierto bajo licencia MIT. Sin prueba propia todavía.
«An LLM wiki is a knowledge graph represented with Markdown files.» (Una LLM wiki es un grafo de conocimiento hecho con archivos Markdown.) Paul Iusztin, en Decoding AI.
Cada sesión con un agente empieza de cero. Para que recuerde, lo habitual es darle más contexto: más documentos, más notas, más instrucciones. La propuesta de la LLM wiki es la contraria. En vez de meterle todo, le das una forma de ordenar lo que ya ha aprendido y de recuperar solo lo que necesita.
La estructura es sencilla. Lo que entra va a raw/ y no se edita nunca. Un LLM convierte cada fuente en una página resumen con ideas clave, citas y conexiones, y de ahí saca entidades, como herramientas o marcas, y conceptos. Como cada página enlaza a otras y a su fuente, la carpeta acaba formando un grafo sin ninguna base de datos. Un index.md hace de puerta de entrada y el agente baja por los índices hasta las 1 a 3 páginas que responden a la pregunta.
Iusztin lo usa para escribir su libro. Según su post, una de sus wikis tiene 196 fuentes, 7 repositorios y 399 nodos. Lo usa al revés que Karpathy: una wiki por proyecto, que borra al terminar. El taller tiene tres ejercicios: la versión básica con 5 notas de ejemplo, la ingesta de repositorios, artículos y vídeos con subagentes, y una wiki que aprende de las preguntas que le haces. Una regla del taller merece copiarse: un concepto solo tiene página propia cuando lo tratan al menos dos fuentes.
Para un negocio encaja como memoria de un proyecto concreto: un lanzamiento, una comparativa de proveedores, la documentación de un cliente. El aviso del propio autor es claro: si no ajustas cómo funciona, gasta muchos tokens.
Si quieres un agente con memoria y otras piezas, mira el asistente personal con Claude Code. Para convertir lo que guardas en X en notas, tus guardados de X en notas, y para darle reglas claras, cómo crear un agente con instrucciones. Más sobre la herramienta en la ficha de Claude Code.
Preguntas frecuentes
¿Lo habéis probado?
No. Sin prueba propia todavía. La ficha resume la parte pública del artículo, el post del autor en X y el README del taller. El prompt es propio y no se ha ejecutado aquí.
¿Qué diferencia hay con meterle los documentos al chat?
En el chat el modelo relee todo cada vez. En una LLM wiki cada documento se lee una vez, se resume en una página y el agente solo abre las 1 a 3 páginas que necesita para cada pregunta.
¿Necesito Obsidian?
No. Según el autor, Obsidian solo sirve para ver el grafo. Los archivos son Markdown normal y el agente trabaja con la carpeta directamente.
¿Necesito saber programar?
El taller dice que no hace falta programar: solo escribir prompts. Sí hay que manejarse en la terminal e instalar Python y uv.
¿Cuánto cuesta?
El código es gratis. El coste es el uso del modelo de tu agente, que puede ser alto en cada ingesta si metes muchas fuentes.
Telegram. Suscríbete al canal de Telegram para no perderte nada y estar al loro de todo lo nuevo en automatización y agentes de IA.Unirme al canal