Ingeniería de grafos de contexto con K3: Cómo convertir 300 agentes en una base de conocimientos conectada

Un montón de 300 respuestas no es conocimiento. Kimi Agent Swarm no solo ejecuta agentes en paralelo. Conecta lo que encuentran en un único grafo interconectado que realmente puedes usar.

300 agentes como nodos. 1 grafo conectado. 5 fuentes de datos en vivo

Todos corren por ejecutar más agentes. Casi nadie se pregunta qué pasa con lo que esos agentes encuentran.

Lanza 300 agentes a un problema de investigación y vuelven rápido. Pero por defecto obtienes 300 respuestas separadas en 300 cajas separadas. Eso es un montón, no una base de conocimiento. El valor nunca estuvo en los hallazgos individuales, sino en cómo se conectan, y la conexión es exactamente lo que un montón desecha.

Piensa en cómo trabaja realmente un analista humano. No solo reúne datos. Se da cuenta de que dos empresas comparten un proveedor, de que una regulación afecta a todo un sector, de que un solo proveedor está detrás de la mitad del mercado. Reunir es la parte fácil. Conectar es la parte costosa, y es la parte que produce insight.

Este es el detalle discreto que hace diferente a Kimi Agent Swarm. No solo reparte el trabajo entre agentes paralelos. Conecta sus resultados en una única estructura interconectada: un grafo de contexto donde cada fuente es un nodo y cada relación es una arista. No obtienes 300 respuestas. Obtienes una base de conocimiento que sabe cómo se relacionan sus propias partes.

El enjambre es el músculo. El grafo de contexto es lo que convierte ese músculo en algo que puedes consultar, ampliar y en el que puedes confiar.

Por qué falla un montón

Los nodos sin aristas son solo una lista

Imagina un trabajo de investigación sobre 100 empresas. Un enjambre plano te entrega 100 informes. Para averiguar cuáles tres comparten un proveedor, cuáles dos están expuestas a la misma regulación o cuál depende en silencio de otra, lees los 100 y sostienes las conexiones en tu cabeza. El trabajo que en realidad querías, las relaciones, es el trabajo que la herramienta se saltó.

Y empeora con la escala, no mejora. Diez fuentes las puedes conectar a mano. Cien, no. El número de relaciones posibles entre cien nodos llega a los miles, que es exactamente el punto donde un humano se rinde y un informe plano se convierte en un documento que nadie lee por completo. Más agentes sin estructura significa más para examinar, no más para entender.

Un grafo de contexto invierte eso. En el momento en que dos agentes tocan la misma entidad, un proveedor, un mercado, un documento, Kimi traza una arista entre ellos. Las relaciones dejan de ser algo que reconstruyes a mano y se convierten en parte del artefacto mismo. Los clústeres, los hubs y las dependencias ocultas ahora son visibles, porque el grafo los volvió estructurales.

La idea

Qué quiere decir Kimi con un grafo de contexto

Dos partes, y Kimi genera ambas en la misma ejecución.

Los nodos son lo que encuentran los agentes

Cada entidad que investiga un agente del enjambre se convierte en un nodo: una empresa, una fuente, una métrica, un documento. Un agente, una porción del mundo, un nodo en el grafo.

Las aristas son cómo se relacionan

Cuando dos nodos comparten una fuente, un mercado, una dependencia o una cita, Kimi los conecta. La arista carga con la relación, así que el vínculo se puede consultar, no solo está implícito.

Un informe plano te da los nodos y descarta las aristas. Por eso un informe está muerto en el momento en que terminas de leerlo. El grafo de contexto que construye Kimi conserva las aristas, que es lo que te permite hacerle preguntas que el prompt original nunca mencionó.

El mecanismo

Cómo el enjambre construye el grafo

Aquí es donde se encuentran el paralelismo y la estructura de grafo, y donde el diseño de Kimi da frutos. Como hasta 300 agentes se ejecutan simultáneamente, el grafo no crece nodo por nodo. Se materializa casi por completo de una sola vez y luego se conecta entre sí.

El orden importa. Una herramienta secuencial construiría el nodo 1, luego el nodo 2, luego buscaría un vínculo, y así sucesivamente, lo cual es lento y sesga el grafo hacia lo que haya visto primero. Kimi llena todo el conjunto de nodos en paralelo antes de empezar a trazar aristas, así que las conexiones se encuentran sobre el panorama completo y no sobre uno parcial. Obtienes un grafo que refleja los 300 hallazgos, no solo los primeros que llegaron.

Un solo lanzamiento

100 empresas, un solo grafo conectado

Aquí está todo en un solo prompt. Nota que no estás pidiendo un grafo de forma explícita. Le estás pidiendo a Kimi que investigue y conecte, y el grafo es cómo estructura la respuesta.

1swarm_launch.md
2Kimi Agent Swarm
3# un lanzamiento, 100 nodos, aristas en vivo
4
5TAREA: mapear el mercado de vehículos eléctricos. un agente por empresa.
6FUENTES: Yahoo Finance, Banco Mundial, FMI, cotizaciones en vivo.
7
8CONECTA: vincula dos empresas que compartan
9  un proveedor, un índice o una exposición regulatoria.
10
11# Kimi despliega 100 agentes y luego conecta las
12# entidades compartidas en un solo grafo de contexto.

Cuarenta minutos después no tienes 100 informes para leer. Tienes un mapa conectado. Las tres empresas que comparten un proveedor de baterías forman un clúster visible. La empresa de la que dependen todas las demás aparece como un hub con la mayor cantidad de aristas. Nada de eso estaba en el prompt. El grafo lo sacó a la luz porque Kimi conservó las conexiones en lugar de descartarlas.

Pregúntale al grafo

Preguntas que el prompt nunca mencionó

Un informe plano responde exactamente a la pregunta que hiciste y a nada más. El grafo de contexto que construye Kimi responde preguntas que no pensaste en hacer, porque las respuestas ya están codificadas en las aristas. No estás volviendo a ejecutar la investigación. Estás leyendo una estructura que ya existe.

Pregunta qué empresa es el mayor punto único de falla y el grafo devuelve el nodo con más aristas de dependencia entrantes. Pregunta qué empresas se mueven juntas y devuelve el clúster más denso. Pregunta qué conecta a dos empresas que parecen no tener relación y traza la ruta de entidades compartidas entre ellas. Cada respuesta es una operación de grafo, no un nuevo lanzamiento.

1graph.query · live
2query> ¿qué nodo es el mayor punto único de falla?
3→ nodo #041 (14 aristas de dependencia entrantes)
4query> ¿qué empresas se mueven juntas?
5→ clúster A: 8 nodos, proveedor de baterías compartido
6query> ¿qué conecta #012 y #087?
7→ ruta: #012 → documento del FMI → #087
8// El grafo responde preguntas estructurales al instante, porque las relaciones ya están en él.

Por qué perdura

Un grafo acumula. Un informe no.

Esta es la parte que importa para cualquiera que haga investigación más de una vez. Un informe plano se termina en el momento en que se escribe. La pregunta de la próxima semana significa empezar de cero. El grafo de contexto que construye Kimi es lo contrario: es una base sobre la que sigues construyendo.

• Consultable. Pregúntale al grafo qué nodo está más conectado o qué vincula a dos entidades. La respuesta ya está en la estructura.
• Ampliable. El próximo lanzamiento agrega nuevos nodos y aristas al mismo grafo, en lugar de un montón nuevo. El conocimiento se acumula.
• Reutilizable. Las relaciones permanecen. Una pregunta que no pensaste hacer hoy se puede responder mañana sin volver a ejecutar la investigación.
• Explicable. Cada arista se remonta a la fuente compartida que la creó, así que puedes ver por qué dos cosas están conectadas.

Un montón de respuestas pierde valor en el momento en que lo cierras. Un grafo gana valor cada vez que le agregas algo. Esa diferencia, a lo largo de un mes de investigación, es la diferencia entre rehacer el trabajo y acumularlo.

Deja de recolectar respuestas. Empieza a construir un grafo.

Cualquiera puede ejecutar 300 agentes. La pregunta es con qué te quedas cuando terminan. Kimi Agent Swarm te deja una base de conocimiento conectada, no un montón, y esa es la diferencia entre la investigación que desechas y la que sigues construyendo.