Te voy a mostrar, paso a paso, cómo convertir Fable 5 en una máquina que conoce tu negocio al dedillo... y genera resultados que no se parecen en nada a lo que obtiene todo el mundo.
La herramienta es un segundo cerebro construido en Obsidian, y un pequeño grupo de personas ya está usando uno... exactamente el mismo modelo, un mundo de diferencia en cada resultado.
El modelo más inteligente del mercado produce trabajo mediocre todo el día por una razón: no sabe nada de ti.
Sin contexto sobre tu negocio, tu audiencia, tus decisiones pasadas... así que adivina, y las adivinanzas suenan genéricas.
Conéctalo a tu propia base de conocimiento y el mismo modelo se convierte en una máquina diferente.
El código sigue tu arquitectura, el contenido suena a ti, los textos se basan en investigación que te pertenece... y lo notas desde el primer día.
Y esto aplica a CUALQUIER flujo de trabajo que ejecutes: programación, marketing, contenido, ventas, investigación.
Ejecutar un agente de IA sin un segundo cerebro es perder el tiempo... y la brecha solo se amplía, porque cada archivo que el cerebro gana hace que cada ejecución futura sea más inteligente, para siempre.
Yo ejecuto esta misma máquina todos los días... está detrás de cada artículo, cada guía y cada producto que publico.
Este es el sistema completo... qué es realmente un segundo cerebro, la estructura de carpetas que el agente navega por sí solo, cómo llenarlo con objetivos, mantenerlo vivo con bucles, ejecutar una máquina de investigación real sobre él, leerlo sin gastar una fortuna, y conectarlo a todo lo que construyes.
Si quieres aprender a sacarle el máximo partido a Fable 5 y cómo ganar dinero con él, para eso está la comunidad de operaciones de IA en tiempo real: weeklyaiops.com
Mismo modelo, otra liga
Estos son los números detrás de esa afirmación.
En contabilidad, un modelo que trabaja sin el historial del cliente alcanza alrededor del 70% de precisión.
Dale el historial de transacciones del cliente y empieza en el 85% y supera el 90%.
Nada cambió en el modelo, lo hizo el conocimiento.
Escribir funciona igual.
Un modelo de gama media con un perfil de voz bien construido produce resultados más reconocibles que Fable 5 sin ningún perfil.
Los archivos aportan más al resultado que el nivel del modelo.
Y el propio modelo recompensa esto más que cualquier cosa anterior.
Las pruebas internas de Anthropic hicieron que Fable jugara un juego completo de construcción de mazos con memoria basada en archivos, y mejoró tres veces más que el buque insignia anterior.
Un juego, probado por el proveedor, aún no replicado por nadie... pero el movimiento al que apunta el número te cuesta una carpeta de markdown, así que lo tomas de todas formas.
Antes de construir, tengo que decirte algo: el modelo no encuentra mágicamente todo en tus notas.
Lo que hace es actuar sobre el conocimiento que vive fuera de la conversación, y citar de dónde vino cada pieza.
La memoria es tuya, en tu disco, en texto plano que puedes abrir y leer.
Dale unas semanas y el agente empezará a citar decisiones que olvidaste que tomaste.
La primera pregunta es dónde debería vivir esta memoria.
La respuesta no cuesta nada y es posible que ya la tengas instalada.
Qué es Obsidian, en un minuto
Obsidian es una aplicación gratuita que se sitúa sobre una carpeta de archivos markdown en tu ordenador.
Sin base de datos, sin dependencia de la nube... tus notas son archivos de texto plano que te pertenecen, y la aplicación es solo una ventana hermosa hacia ellos.
Solo necesitas dos de sus funciones:
[[wikilinks]]: escribe corchetes dobles alrededor del nombre de cualquier nota y las dos notas ahora están conectadas
la vista de grafo: Obsidian dibuja cada nota como un punto y cada enlace como una línea, para que veas tu conocimiento como una red
Y encaja perfectamente con los agentes: porque el vault es solo una carpeta, Fable trabaja directamente sobre ella a través de Claude Code, la aplicación de terminal en la que se ejecuta el modelo en tu máquina.
Sin plugin, sin conector, sin configuración especial... el agente lee y escribe archivos markdown, Obsidian te muestra lo que cambió.
Tú usas la aplicación, el agente usa la carpeta, ambos miran el mismo cerebro.
Y antes de que te prepares para un gran proyecto: la versión inicial de todo lo que hay en este artículo lleva aproximadamente una hora, y una vez que se establecen las reglas de lectura, funciona por unos céntimos... la parte del dinero tiene su propia sección.
Lo que separa un cerebro de un montón de archivos es la estructura... y la estructura es donde casi todo el mundo se equivoca.
La estructura: cuatro piezas, nada más
La idea proviene de la idea de llm-wiki de Karpathy: trata tu base de conocimiento como si fuera un código fuente.
Obsidian es el editor, el modelo es el programador, la wiki es el código.
Después de indagar en las configuraciones que la gente usa en público, los repositorios, las plantillas virales, los hilos de fracasos, cuatro piezas seguían apareciendo:
raw - todo lo que capturas va aquí sin tocar: artículos, transcripciones, notas de llamadas, páginas de la competencia... historial de solo lectura, el agente nunca lo reescribe
entities - una página por cada cosa concreta: un cliente, un competidor, una herramienta, una persona
concepts - una página por cada idea: una estrategia, un patrón, una lección
INDEX.md - la puerta de entrada: cada página listada con una descripción de una línea, para que el agente sepa lo que existe sin tener que abrirlo todo
El trabajo del agente es compilar: lee el material nuevo en raw/ y actualiza las páginas de entidades y conceptos, enlazándolas a medida que avanza.
Y las reglas de escritura son lo suficientemente simples como para caber en cuatro líneas:
una lección por archivo, con un resumen de una línea en la parte superior
actualiza la página existente en lugar de crear un duplicado
elimina las notas que resulten ser incorrectas
mantén las fuentes originales y las páginas compiladas separadas, siempre
Por qué raw/ permanece intacto: cuando el mismo agente lee y reescribe las mismas notas una y otra vez, los detalles se difuminan y los errores se acumulan.
La carpeta raw es tu fuente de verdad, y la wiki se vuelve más inteligente sobre ella.
Y las páginas son solo la mitad del valor... los enlaces entre ellas son donde se esconde la verdadera ventaja.
Grafos de conocimiento: por qué esto mejora a medida que crece
Cada [[enlace]] que el agente escribe entre dos páginas es un borde en un grafo.
Esta es la parte que separa un vault de un montón de notas: una base de conocimiento basada en búsquedas se vuelve más ruidosa a medida que crece, porque más archivos significan más basura en cada búsqueda.
Una wiki enlazada se vuelve más fuerte a medida que crece, porque cada nueva página se conecta a la red y hace que las páginas circundantes sean más útiles.
Cuando el agente necesita responder algo, no escanea todo... recorre los enlaces.
Desde la página del cliente hasta el concepto de la campaña, hasta la página del competidor, siguiendo conexiones como seguirías tu propia memoria.
El vault de Karpathy tiene alrededor de 100 artículos y 400,000 palabras, todo compilado por el modelo, todo conectado.
Abre la vista de grafo después de dos semanas de esto y verás tu negocio como un mapa vivo... esa imagen por sí sola cambia la forma en que piensas sobre lo que sabes.
Entonces, ¿cómo lo llenas sin pasar un mes copiando y pegando?
Poblar con objetivos
El primer movimiento es un relleno inicial, y el sistema de objetivos de Fable fue construido exactamente para este trabajo.
/goal en Claude Code te permite escribir una línea de meta, y el modelo sigue trabajando por sí solo mientras un segundo modelo más pequeño lee como juez y confirma cuando se cruza la línea.
El truco es que el juez solo ve lo que está en la conversación, por lo que el objetivo debe exigir una prueba que pueda leer:
Alimenta raw/ con lo que ya tienes antes de ejecutarlo: transcripciones de chats antiguos, hilos marcados, exportaciones de tu aplicación de notas, carpetas de clientes, investigaciones pasadas.
Luego, aléjate y regresa a un cerebro compilado.
Dos reglas mantienen honesto el relleno inicial:
cada cambio se entrega como un diff, las líneas exactas de antes y después, nunca como una afirmación... si el agente dice que actualizó una página, el diff lo prueba
una página sin un enlace de origen a raw/ se marca, no se confía en ella
El relleno inicial te entrega un cerebro compilado... mantenerlo vivo es un trabajo diferente, y es el que todo el mundo se salta.
Mantenerlo vivo con bucles
Un segundo cerebro que solo crece cuando te acuerdas de alimentarlo es un cerebro muerto en tres semanas.
Por lo tanto, el mantenimiento se ejecuta en horarios, no en la memoria:
después de cada sesión: un hook, un pequeño script que se activa solo cuando termina una sesión, extrae lo que acaba de suceder... decisiones tomadas, errores detectados, patrones confirmados, escritos en el vault como notas fechadas... el trabajo que ya hiciste se convierte en memoria sin que tengas que archivar nada
cada noche: una pasada de compilación en un modelo barato lee el nuevo material en bruto del día y actualiza las páginas de la wiki... trabajo rutinario, nivel rutinario
cada semana: una pasada de linting busca contradicciones, páginas duplicadas y enlaces rotos... este es el bucle que mantiene limpio el grafo, y existe porque las wikis sin mantenimiento se pudren
cada semana: una pasada de síntesis en el modelo grande lee todo el vault y escribe lo que cambió esta semana, qué se está desviando, qué merece atención
Esa última es la única pasada donde el modelo premium se gana su lugar.
Todo lo demás se ejecuta en el nivel barato, porque actualizar notas es trabajo rutinario y enrutar el trabajo rutinario a Fable es cómo la gente quema dinero para nada.
El mantenimiento mantiene el vault limpio... pero ¿de dónde viene el material que lo hace valioso?
El flujo de trabajo de investigación que lo alimenta
Aquí es donde el vault deja de ser almacenamiento y se convierte en una ventaja, y también es el paso donde normalmente entra la basura.
La investigación de IA predeterminada es un prompt a un chatbot, y la respuesta muere en el historial.
Peor aún, se basa en conocimiento obsoleto... en IA, un consejo de hace seis meses suele ser activamente incorrecto, y la capa de profesionales reales, lo que la gente está usando ahora mismo, lo que falla, lo que funciona, vive en las redes sociales, no en la documentación oficial.
Por lo tanto, la máquina de investigación funciona así:
una pregunta entra y se divide en 3-5 subpreguntas
agentes paralelos se despliegan, cada uno buscando en una superficie diferente: redes sociales para la capa de profesionales, la web para documentación y precios, scrapers que extraen el texto completo de todo lo que vale la pena leer
cada hallazgo se convierte en un recibo: la afirmación, el enlace de origen, la fecha
luego, la puerta que lo hace real: un agente escéptico ataca cada afirmación e intenta matarla... el hype de una sola fuente se etiqueta, las contradicciones salen a la superficie, solo los supervivientes pasan
los hallazgos verificados aterrizan en el vault como páginas, cada una fechada y enlazada, cada una con una fecha de caducidad para que el conocimiento obsoleto se anuncie solo
Y la pila exacta en la que lo ejecuto:
last30days con tecnología de ScrapeCreators (scrapecreators.com): una habilidad que recorre Reddit, X, YouTube, Instagram y TikTok en busca de los últimos 30 días de conversación de profesionales sobre cualquier tema
el MCP oficial de X (api.x.com/mcp): publicaciones en vivo, hilos y marcadores directamente de la fuente
transcripciones de YouTube con yt-dlp (github.com/yt-dlp/yt-dlp): cualquier tutorial o guía se convierte en texto que el agente puede extraer
contenido de Instagram y TikTok a través de ScrapeCreators, porque el formato corto es donde surgen primero los nuevos flujos de trabajo
Perplexity deep research (perplexity.ai): la pasada de lectura larga con citas a través de la web
Firecrawl (firecrawl.dev): extrae el texto completo de cada página que vale la pena conservar, como markdown limpio
El escéptico es lo que separa la investigación de la colección de rumores: los verificadores de contexto nuevo superan a un modelo que revisa su propio trabajo, por lo que el ataque siempre proviene de un agente que no hizo la investigación.
Ejecuta esto en tu nicho una vez a la semana y el vault se llenará de inteligencia verificada, fechada y con origen que tus competidores se están perdiendo.
Todo inútil, sin embargo, si leer el vault cuesta más de lo que devuelve.
Leerlo sin gastar una fortuna
Un vault solo funciona a largo plazo si leerlo es barato, y esta es la fuga en casi todas las configuraciones.
El modelo mental: la ventana de contexto es una habitación cara, y todo lo que entra en ella se paga en tokens... los fragmentos de texto en los que se factura cada IA.
tu CLAUDE.md, el archivo de instrucciones que el agente lee al inicio de cada sesión, se carga automáticamente cada vez... ese es el impuesto que siempre se paga... mantenlo por debajo de 200 líneas que apunten al vault, sin contenerlo nunca
todo lo demás es de pago por lectura: el agente revisa INDEX.md, sigue enlaces, busca palabras clave y abre solo las páginas a las que apunta el rastro... un barrido de toda la carpeta es el movimiento que nunca ocurre
para preguntas grandes, envía un trabajador: un subagente lee cincuenta páginas en su propio contexto separado y devuelve un párrafo de conclusiones a tu sesión... la habitación cara contiene decisiones, no la biblioteca
Conéctalo a todo lo que construyes
Un vault que solo almacena cosas es un pasatiempo de archivo... este alimenta cada proyecto que ejecutas.
Apunta cualquier proyecto a él con tres líneas en el CLAUDE.md de ese proyecto:
1## conocimiento2- antes de empezar, lee las páginas relevantes de ~/vault/entities/ y ~/vault/concepts/3- fundamenta cada afirmación sobre nuestro negocio, clientes o audiencia en una página del vault
Y los resultados cambian inmediatamente:
marketing: briefs de campaña basados en tus páginas de audiencia reales y el historial de la competencia, no en personajes genéricos
contenido: borradores que citan tu propia investigación pasada y coinciden con tu perfil de voz
programación: el agente mantiene notas de arquitectura vivas por proyecto en el vault, para que ninguna sesión comience a ciegas
trabajo con clientes: cada entrega comienza con el historial completo de la relación detrás de ella
Luego, la segunda parte: el propio vault se convierte en producto.
Las páginas de investigación se convierten en artículos y guías, las páginas de conceptos se convierten en cursos, las páginas de clientes se convierten en casos de estudio... ya no estás creando desde una página en blanco, estás empaquetando lo que la máquina ya verificó.
La advertencia que salva tu vault: la sincronización es donde mueren los vaults.
Ejecuta un solo sistema de sincronización... si el agente escribe archivos mientras iCloud los sincroniza, obtienes copias en conflicto y carpetas desordenadas.
Git, el sistema de puntos de guardado que usan los programadores, funciona como la capa de puntos de control... bloquea una versión solo cuando se lo dices, y esa configuración sobrevive.
La tarjeta
Toda la construcción, en orden... copia esto:
crea el vault: raw/, entities/, concepts/ y un INDEX.md
escribe las cuatro reglas en tu CLAUDE.md: una lección por archivo, actualiza no dupliques, elimina lo incorrecto, nunca toques raw/
vuelca todo lo que tienes en raw/: transcripciones, marcadores, notas, carpetas de clientes
ejecuta el relleno inicial /goal con prueba pegada y una cláusula de parada
programa los bucles: hook de sesión, compilación nocturna en el nivel barato, linting semanal, una pasada de síntesis premium
ejecuta el barrido de investigación semanal: despliega, deja que el escéptico ataque, aterriza a los supervivientes como páginas fechadas
agrega las tres líneas de conocimiento al CLAUDE.md de cada proyecto
El modelo en el asiento del conductor cambiará de nuevo... el vault sobrevive a cada intercambio, y la retroalimentación escrita en él lo hace más inteligente cada semana, sin importar quién conduzca.
La versión más pequeña lleva una hora: una carpeta, diez archivos sobre tu negocio y un agente al que se le dice que los lea primero.
Tus resultados te dirán el resto.
Únete a la mejor comunidad de IA del mundo: weeklyaiops.com
