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. Une lo que encuentran en un único grafo conectado que de verdad puedes usar.

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

Todo el mundo compite por ejecutar más agentes. Casi nadie se pregunta qué pasa con lo que esos agentes encuentran.

Lanza 300 agentes contra 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. Estaba en cómo se conectan, y la conexión es exactamente lo que un montón desecha.

Piensa en cómo trabaja de verdad un analista humano. No solo reúne datos. Se da cuenta de que dos empresas comparten 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 cara, y es la parte que produce conocimiento.

Esto es lo que, en silencio, hace diferente a Kimi Agent Swarm. No solo reparte el trabajo entre agentes paralelos. Une sus resultados en una única estructura conectada, 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 piezas.

El enjambre es el músculo. El grafo de contexto es lo que convierte ese músculo en algo que puedes consultar, ampliar y en lo 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 saber cuáles tres comparten proveedor, cuáles dos están expuestos a la misma regulación, o cuál depende en silencio de otro, lees los 100 y mantienes 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 precisamente el punto en el que un humano se rinde y un informe plano se convierte en un documento que nadie lee por completo. Más agentes sin estructura significa más que cribar, no más que 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 propio artefacto. Los clústeres, los hubs y las dependencias ocultas ahora son visibles, porque el grafo los hizo estructurales.

La idea

Qué entiende Kimi por 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 lleva la relación, así que el vínculo es consultable, no solo 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 construye el grafo el enjambre

Aquí es donde se encuentran el paralelismo y la estructura de grafo, y donde el diseño de Kimi da sus frutos. Como hasta 300 agentes se ejecutan a la vez, el grafo no crece un nodo cada vez. Se materializa casi todo de una 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 que es lento y sesga el grafo hacia lo que haya visto primero. Kimi completa todo el conjunto de nodos en paralelo antes de empezar a trazar aristas, de modo que las conexiones se encuentran en el panorama completo y no en uno parcial. Obtienes un grafo que refleja los 300 hallazgos, no los primeros que llegaron.

Un solo lanzamiento

100 empresas, un solo grafo conectado

Aquí está todo en un solo prompt. Fíjate en que no estás pidiendo un grafo explícitamente. 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, acciones en vivo.
7
8CONECTA: vincula dos empresas cualesquiera que compartan
9  un proveedor, un índice o una exposición regulatoria.
10
11# Kimi despliega 100 agentes y luego conecta
12# las entidades compartidas en un solo grafo de contexto.

Cuarenta minutos después no tienes 100 informes que leer. Tienes un mapa conectado. Las tres empresas que comparten un proveedor de baterías se sitúan en un clúster visible. La única empresa de la que dependen todas las demás aparece como un hub con más 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 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 fallo, 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 el camino de entidades compartidas entre ellas. Cada respuesta es una operación de grafo, no un nuevo lanzamiento.

1graph.query · en vivo
2consulta> ¿qué nodo es el mayor punto único de fallo?
3→ nodo #041 (14 aristas de dependencia entrantes)
4consulta> ¿qué empresas se mueven juntas?
5→ clúster A: 8 nodos, proveedor de baterías compartido
6consulta> ¿qué conecta #012 y #087?
7→ camino: #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 está terminado 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 dos entidades. La respuesta ya está en la estructura.
• Ampliable. El próximo lanzamiento añade nodos y aristas nuevos 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 añades algo. Esa diferencia, a lo largo de un mes de investigación, es la diferencia entre rehacer el trabajo y acumularlo.

Deja de coleccionar respuestas. Empieza a construir un grafo.

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