Claude Code × Obsidian: Guía completa para crear 15 alter egos de "cerebro externo" con IA

Actualmente, tenemos 15 empleados de IA trabajando de forma autónoma. Para que sean aún más efectivos, creé 15 alter egos, cada uno con una personalidad específica, heredando mis conocimientos y patrones de pensamiento. No les doy instrucciones detalladas; ya entienden mi forma de pensar, así que no hay necesidad de comunicación innecesaria.

En los últimos años, la evolución de la IA ha sido notable, revolucionando nuestros estilos de trabajo y procesos de pensamiento. Sin embargo, la mayoría del uso de la IA sigue estancado en un formato de preguntas y respuestas "de una sola vez", sin lograr desbloquear el verdadero potencial de la tecnología. Para usar la IA no solo como una herramienta pasiva, sino como un "colaborador" que piensa, actúa y aprende de forma autónoma, es esencial construir un sistema donde la IA pueda "Loopear".

Este artículo proporciona una guía práctica sobre cómo construir un "Cerebro Externo de IA" combinando Claude Code y Obsidian. Exploraremos el concepto del "Loop de IA", donde la IA circula continuamente a través de "Planificar → Ejecutar → Verificar → Corregir", y proporcionaremos métodos de implementación específicos con ejemplos de código prácticos. Desde la configuración de la infraestructura hasta la teoría de diseño del Loop de IA, la automatización del flujo de trabajo con Skills, la gestión autónoma de proyectos con la Capa de PM, y la automatización avanzada y gestión de costos, esta guía cubre todo lo que necesitas para convertir a la IA en un verdadero socio.

Parte 1: Construcción del Cerebro Externo de IA

La base del "Loop de IA" es el "Cerebro Externo de IA", que agrega y gestiona el conocimiento personal y la información del proyecto. Al vincular Claude Code, Obsidian y Git, construimos una infraestructura robusta para que la IA pueda referenciar, aprender y actuar. Este capítulo explica los pasos específicos de configuración y la estructura de directorios recomendada.

1.1 El Concepto del Cerebro Externo de IA

Un Cerebro Externo de IA es una base de conocimiento estructurada que externaliza las funciones de memoria, aprendizaje y pensamiento humano para que la IA pueda acceder y utilizarlas. Esto permite que la IA tome decisiones avanzadas y resuelva problemas consultando experiencias y conocimientos pasados.

・Base de Conocimiento: Una colección de notas Markdown gestionadas en Obsidian, que incluye ideas, proyectos, notas de reuniones e información técnica.

・Agente de IA: Programas centrados en Claude Code que ejecutan procesos automatizados.

・Control de Versiones: Gestión y sincronización de la base de conocimiento usando Git y GitHub.

・Capa de Automatización: Ejecución periódica de tareas y procesamiento impulsado por eventos usando GitHub Actions.

1.2 Preparación del Entorno de Desarrollo

1. Obsidian: Una herramienta de gestión de conocimiento para notas Markdown locales.
2. Git: Un sistema de control de versiones para gestionar notas en un repositorio de GitHub.
3. Claude Code: El entorno de ejecución del agente de IA que utiliza la API de Claude de Anthropic.
4. Cuenta de GitHub: Requerida para almacenamiento remoto y automatización mediante GitHub Actions.

1.3 Estructura de Directorios Recomendada

1.claude/          # Comandos y configuración de Claude Code
2  commands/       # Scripts de comandos personalizados
3  config.yaml     # Configuración de Claude Code
400_Inbox/         # Notas temporales e información no organizada
510_Projects/      # Directorios para proyectos en curso
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # Áreas en curso (ej. Desarrollo, Marketing)
1030_Resources/     # Materiales de referencia y recursos de aprendizaje
1140_Archives/      # Proyectos completados e información antigua
12README.md         # Resumen del cerebro externo

1.4 Sincronización con Git y GitHub

Sincronizar las notas de Obsidian con GitHub proporciona seguridad de datos, seguimiento de cambios, sincronización entre dispositivos y permite que Claude Code lea y escriba en la base de conocimiento.

1.5 Configuración de Claude Code

Claude Code es un agente de IA de codificación que realiza operaciones de archivos, generación de código y ejecución de comandos basándose en instrucciones en lenguaje natural. Sirve como las "manos y pies" del Cerebro Externo de IA.

Uso Básico:
``bash
claude "Por favor, describe el propósito y la visión general de este proyecto en README.md."
``

Parte 2: Implementación de Puertas de Verificación

Este capítulo se centra en la teoría del "Loop de IA" y la implementación de "Puertas de Verificación" (VERIFY Gate), que determinan el éxito o fracaso de las operaciones autónomas.

2.1 Las 5 Etapas del Loop de IA

1. DESCUBRIR: Identificar problemas y recopilar información.
2. PLANIFICAR: Crear un plan de acción.
3. EJECUTAR: Realizar el trabajo.
4. VERIFICAR: Evaluar objetivamente los resultados.
5. ITERAR: Corregir y reintentar basándose en la verificación.

2.2 Importancia de la Puerta VERIFY

Sin una puerta de verificación estricta, la IA puede caer en la autocomplacencia, asumiendo falsamente que una tarea está completa cuando no lo está. La puerta asegura que la IA entienda qué constituye el éxito.

2.3 Implementación de Código de la Puerta VERIFY

Aquí hay un script de Python que verifica automáticamente la calidad del código usando mypy y pytest:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- Iniciando Verificación de Código ---")
14    # Ejecutar mypy y pytest...
15    return True, "Todas las verificaciones de calidad de código pasaron."
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 Diseño de Condiciones de Parada

Para evitar bucles infinitos y picos de costos, debes establecer condiciones de parada como criterios de éxito, iteraciones máximas, límites de presupuesto y límites de tiempo.

Parte 3: Skills y Capa de PM

3.1 Diseño de Skills

En Claude Code, puedes definir "Skills" personalizadas para convertir operaciones complejas en comandos únicos como /decompose o /work.

3.2 Introducción a la Capa de PM

Para lograr una verdadera autonomía, la IA necesita una "capa de juicio" para entender el contexto del proyecto (Qué, Por qué, Cómo, Cuándo). Usamos un archivo pm_brief.md en cada directorio de proyecto para proporcionar este contexto.

Parte 4: Automatización Siempre Activa

Usando GitHub Actions, podemos hacer que la IA trabaje periódicamente sin intervención humana.

4.1.1 Limpieza Matutina de la Bandeja de Entrada

Un flujo de trabajo que se ejecuta todas las mañanas a las 9:00 AM para organizar la carpeta 00_Inbox/.

4.2 Monitoreo y Gestión de Costos

La automatización siempre activa es poderosa pero requiere monitoreo de costos. Usa --max-budget-usd y --max-turns para limitar el gasto por ejecución.

Conclusión: Diseñando el Loop

La clave para maximizar la IA no es solo un prompt ingenioso, sino diseñar un Loop donde la IA pueda planificar, ejecutar, verificar y corregirse a sí misma. Al combinar Claude Code y Obsidian, transformas la IA de una simple herramienta a un colaborador continuo.