Stack de conocimiento al estilo Karpathy: Por qué puse a Hermes, MiniMax M3 y Obsidian en el centro

La mayoría de las personas tratan las notas, los modelos y los agentes como tres mundos separados

Este stack los fusiona en un solo ciclo de retroalimentación:

Obsidian como tu memoria, Hermes como tu agente, MiniMax M3 como el núcleo de razonamiento

Por qué un "stack de conocimiento" supera a una "app de notas"

El PKM clásico falla de tres maneras predecibles:

• Las notas se escriben una vez y nunca se actualizan
• Los chats de IA son inteligentes pero amnésicos: cada sesión empieza desde cero
• El contexto para el trabajo serio se sale constantemente de la RAM, tanto la tuya como la del modelo

Lo que realmente queremos:

• Un grafo local y enlazable de todo lo que sabemos
• Un agente que viva dentro de ese grafo, no por encima de él
• Un modelo de frontera que pueda razonar sobre un contexto real enorme, no solo 2 o 3 párrafos

Hermes + MiniMax M3 + Obsidian te dan esto:

• Obsidian - grafo local de markdown con backlinks, vista de grafo y un ecosistema de plugins diseñado para bases de conocimiento personales
• Hermes Agent - agente open source que se auto-mejora con un bucle de aprendizaje incorporado, herramientas y trabajos de larga duración que se ejecuta en tu propia infraestructura
• MiniMax M3 - el modelo que realmente ejecuto dentro de Hermes todos los días. Contexto largo, multimodal, agéntico. Lo elegí porque quería un modelo que pudiera leer toda mi bóveda, mis registros y un montón de artículos nuevos en una sola ventana de contexto, sin tener que armar un pipeline RAG para hacerlo. Después de unos meses de uso real, se mantiene como mi opción predeterminada. Más adelante explico por qué.

El resultado se siente menos como "usar un LLM" y más como entrenar lentamente un segundo cerebro

Por qué elegí M3 (y lo que noté)

No elegí M3 por un benchmark

Lo elegí porque todos los demás modelos que probé en 2025 tenían el mismo modo de fallo en mi flujo de trabajo:

resumía una sola nota bien, pero en cuanto le pedía que leyera diez notas, las cruzara con mis MOCs y escribiera una nueva, perdía el hilo

Los síntomas siempre eran los mismos:

• El resumen era localmente coherente pero globalmente incorrecto
• Citaba un proyecto que en realidad no estaba en el archivo
• Usaba una etiqueta de una taxonomía diferente
• Inventaba un wikilink a una página que no existía

El modelo era inteligente. El flujo de trabajo era más grande que el modelo

M3 fue el primero que probé donde todo el grafo cabía en el contexto y se mantenía allí durante toda la tarea

Tres cosas destacaron en el uso real:

1. Realmente usa mi taxonomía Tengo ~41 etiquetas en un esquema fijo (#coin/\, [#project](https://x.com/search?q=%23project&src=hashtag_click)/\, #concept/*, #solana-interno, #meta). Cuando le pido a M3 que compile una nueva nota, elige la etiqueta principal correcta en el primer intento aproximadamente el 90% de las veces.

Con un modelo de contexto de 200K estaba quizás en un 60%. La diferencia es que M3 ve todo el panorama de etiquetas a la vez y razona sobre él en lugar de adivinar a partir de unos pocos ejemplos.

1. No pierde el hilo a lo largo de bucles agénticos largos Una limpieza completa de la bóveda son más de 30 llamadas a herramientas: leer MOC, seguir wikilinks, contar etiquetas, buscar duplicados, escribir el informe.

La mayoría de los modelos empiezan a desviarse alrededor de la llamada 8 o 9.

M3 se mantiene coherente hasta el final. Esa es la razón más importante por la que dejé de rotar el contexto a una sesión nueva cada 20 minutos.

1. Trata las referencias hacia adelante como una característica Cuando le pido que compile una nota y un concepto aún no existe, M3 escribe igualmente "Referencia hacia adelante".

Obsidian lo renderiza como un enlace gris. Hago triaje de esos una vez a la semana durante la limpieza.

Esto es mucho mejor que un modelo que inventa una nota falsa o se salta el enlace por completo.

Tres limitaciones honestas después de meses de uso:

• La latencia de la primera llamada es alta. Hermes precarga el contexto. No juzgues a M3 por los primeros 3 segundos: dale 10.
• Escribirá con confianza un [[wikilink]] a una página que no existe. Eso es el comportamiento de "referencia hacia adelante" de arriba. Solo se vuelve un problema si te saltas la limpieza semanal.
• Lo multimodal es real, pero para PDFs con muchos diagramas sigo recurriendo primero a una herramienta de visión dedicada. M3 lee bien el texto de imágenes y capturas de pantalla cortas. Para páginas completas con figuras, no es la herramienta adecuada.

Esa es toda la propuesta.

El modelo es bueno exactamente en lo que necesita un flujo de trabajo de bóveda: leer todo el grafo a la vez y escribir de vuelta en él sin perder la estructura.

Capa 1 – Obsidian como la fuente de verdad

Obsidian es la capa base aburrida pero crítica en este stack

• Tu conocimiento vive como archivos de markdown planos en el disco, no encerrado en la nube de alguien
• Los backlinks, la vista de grafo y las notas diarias ayudan a que las ideas converjan en grupos en lugar de desaparecer en el historial de chat
• Los plugins convierten a Obsidian en un grafo programable de documentos, tareas y conjuntos de datos que un agente puede recorrer sistemáticamente

El principio es simple:

Si vale la pena conservarlo, vive primero en Obsidian Si el agente hace algo útil, debería terminar como una nota

Una estructura práctica:

1/obsidian-vault
2  /inbox
3  /people
4  /projects
5  /research
6    ai-agents.md
7    minimax-m3-benchmarks.md
8  /ai
9    hermes-playbook.md
10    agents-ideas.md

Hermes leerá, reorganizará y creará estas notas, pero la bóveda sigue siendo la fuente de verdad

Capa 2 – Hermes como el operador que se auto-mejora

Aquí es donde el stack deja de ser "un sistema de notas con un LLM" y empieza a actuar como infraestructura

Hermes Agent es un agente de IA que se auto-mejora, construido por @NousResearch

Mantiene un modelo persistente de ti y de tu trabajo, crea habilidades a partir de la experiencia, las mejora durante el uso y busca en sus propias conversaciones pasadas para recordar contexto relevante en lugar de reiniciar cada sesión

Puedes ejecutar Hermes de dos maneras principales:

• Como herramienta CLI en Linux, macOS o WSL2
• A través de Hermes Desktop - una app nativa para macOS, Windows y Linux que envuelve el mismo núcleo del agente en una interfaz gráfica

Rutas de instalación

macOS / Linux / WSL2 (CLI)

Este comando de una línea instala Hermes Agent, configura el entorno y expone el comando global hermes

1curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Después de la instalación:

1source ~/.bashrc 2>/dev/null || true
2source ~/.zshrc 2>/dev/null || true
3hermes

Windows PowerShell (CLI)

1irm https://hermes-agent.nousresearch.com/install.ps1 | iex

El instalador de Windows maneja Python 3.11, Node.js 22, ripgrep, ffmpeg, y Git Bash portátil, y luego agrega hermes a tu PATH

Hermes Desktop (GUI)

Si no quieres vivir en la terminal, descarga Hermes Desktop desde la página oficial de escritorio y ejecuta el instalador nativo para macOS, Windows o Linux.

• Usa Desktop cuando quieras una GUI nativa en lugar de una configuración basada en CLI, una incorporación más sencilla y el mismo núcleo de Hermes sin necesidad de iniciar manualmente el shell.
• Usa CLI cuando quieras reproducibilidad, scripting, implementación en servidores remotos/VPS y un control preciso sobre herramientas, variables de entorno y flujos de trabajo de larga duración.

La mayoría de la gente usará ambos: Desktop para la interacción diaria, CLI para la configuración, automatización y trabajo remoto.

Arquitectura: cómo encaja realmente el stack

El modelo mental limpio:

1Bóveda de Obsidian
2   ↓
3Hermes Agent
4   ↓
5MiniMax M3
6   ↓
7Notas actualizadas, resúmenes, habilidades, trabajos programados

Cada capa tiene un trabajo distinto:

• Obsidian almacena tus notas como archivos markdown, lo que facilita indexarlas, buscarlas, hacer diff y versionarlas.
• Hermes es la capa de orquestación: lee archivos, ejecuta herramientas, recuerda trabajos anteriores, programa trabajos y decide cuándo persistir algo útil. También puede conectarse a plataformas de mensajería y pasarelas.
• MiniMax M3 es el motor de razonamiento en este stack. Lee grandes colecciones de notas, reescribe notas desordenadas, compara documentos en toda la bóveda y maneja tareas agénticas de larga duración sin olvidar lo que estaba al principio del contexto hace 20 llamadas a herramientas.
• En mi flujo de trabajo, esto último es la clave: una limpieza completa de la bóveda, una refactorización entre MOCs, o una tarea de 30 llamadas como "compila este artículo en una nota de 5 secciones y actualiza 3 MOCs" se mantienen coherentes de principio a fin.
• La afirmación de "arquitectura MSA" es marketing. La experiencia vivida es: puedo ejecutar una tarea durante 20 minutos y el modelo aún recuerda lo que le pedí que hiciera en el minuto 1.

Hermes no reemplaza a Obsidian. Se sitúa entre tu bóveda y el modelo, convirtiendo la bóveda en algo accionable

Un bucle realista:

• Capturas ideas en bruto en Obsidian
• Hermes lee la bóveda o carpetas específicas
• Hermes envía el conjunto de notas relevante a MiniMax M3
• M3 reestructura, etiqueta, enlaza, resume o expande el material
• Hermes escribe el resultado de vuelta en la bóveda como markdown limpio

Ese bucle, no un chat puntual, es el producto real

Configuración real: conecta Hermes a tu bóveda

Mantén tu bóveda de Obsidian en una ubicación normal del sistema de archivos y expón esa ruta a Hermes.

macOS / Linux

1export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"
2ls "$OBSIDIAN_VAULT"

Windows PowerShell

1$env:OBSIDIAN_VAULT="$HOME\Documents\Obsidian\MainVault"
2Get-ChildItem $env:OBSIDIAN_VAULT

Ahora ejecuta el asistente de configuración de Hermes:

1hermes setup

O, para la ruta más corta a través de Nous Portal (proveedor automático, Tool Gateway, etc.):

1hermes setup --portal

La documentación oficial recomienda hermes setup como el comando principal de inicio y --portal como un atajo para la configuración vinculada a la cuenta y al proveedor.

Luego verifica la instalación:

1hermes doctor

hermes doctor verifica las dependencias, el PATH, la configuración del proveedor y marca problemas comunes antes de que empieces a conectar modelos y herramientas

Capa de modelo: conectando Hermes a MiniMax M3

Hermes trata "qué modelo usar" como una configuración de primera clase, no como una suposición fija.

Eliges y actualizas los modelos usando el propio Hermes, en lugar de editar archivos de configuración a mano.

El comando principal:

1hermes model

Esto abre un flujo de selección de modelo donde Hermes lista los proveedores y modelos compatibles y te permite elegir el backend que expone MiniMax M3

Ruta de configuración práctica:

1. Instala Hermes (CLI o Desktop)
2. Ejecuta hermes setup o hermes setup --portal
3. Ejecuta hermes model
4. Elige la ruta del proveedor que te da acceso a MiniMax M3
5. Guárdalo como tu modelo de contexto largo predeterminado

Si ya conoces tus variables de entorno y el formato del proveedor, también puedes establecer valores específicos con:

1hermes config set

La documentación llama a hermes config set el método compatible para escribir valores de configuración individuales sin editar archivos manualmente.

En mi configuración diaria, M3 es el predeterminado para cualquier cosa que de otro modo tendría que dividir en múltiples llamadas de modelo. Concretamente:

• Leer carpetas grandes de notas donde la respuesta depende del grafo, no de ningún archivo individual
• Fusionar notas duplicadas o superpuestas: esto es un problema de grafo, no de texto
• Escribir resúmenes estructurados y visiones generales en mi voz (la plantilla de 5 secciones, la taxonomía de 41 etiquetas)
• Cadenas de investigación largas donde el contexto sigue creciendo: tareas abiertas de "compila, luego actualiza 3 MOCs, luego escribe 3 ideas de hilo"
• Tareas de agente de múltiples pasos con mucho código donde el modelo tiene que recordar su propio historial de herramientas durante más de 20 llamadas

Mantengo un modelo pequeño y rápido en Hermes para acciones utilitarias pequeñas (renombrar un archivo, encontrar una cadena, formatear YAML).

Para todo lo demás: M3. La división es aproximadamente: modelo barato para tareas mecánicas, M3 para tareas de razonamiento. Después de unas semanas, el enrutamiento se vuelve invisible.

Regla general:

Usa un modelo rápido y barato para acciones utilitarias pequeñas. Usa MiniMax M3 para cualquier cosa que dependa de un contexto grande, estructura o razonamiento largo. Ahí es donde el stack se vuelve significativamente mejor que el chat estándar

Patrón de trabajo: carpetas que realmente escalan

Si quieres que esto funcione para personas reales, la estructura de la bóveda importa.

Un diseño práctico:

1MainVault/
2  Inbox/
3  Projects/
4  People/
5  Reading/
6  Daily/
7  Reviews/
8  AI/
9    Hermes/
10    MiniMax/

Por qué funciona:

• Inbox/ captura capturas en bruto y volcados toscos
• Daily/ es para registros diarios de baja fricción
• Reading/ contiene notas fuente, destacados y citas
• Projects/ almacena resultados duraderos y trabajo en curso
• Reviews/ almacena síntesis semanales y mensuales

Hermes funciona mejor cuando cada carpeta tiene un trabajo claro. Si tu bóveda es caótica, Hermes igual ayudará, pero pasará más tiempo interpretando el desorden que mejorándolo

Una regla operativa simple:

• Los humanos escriben libremente en Inbox/, Daily/ y Reading/
• Se permite que Hermes resuma en Projects/, Reviews/ y carpetas temáticas como AI/
• Las notas a largo plazo viven en carpetas estables y predecibles

Eso le da al agente límites de permiso, incluso si nunca los formalizas en YAML.

Trabajos que realmente vale la pena automatizar

*Los casos de uso más potentes de Hermes no son "responder una pregunta" - Son transformaciones recurrentes*

Ejemplos concretos:

• Convertir la nota diaria de ayer en un resumen estructurado
• Fusionar 10 notas de lectura toscas en una nota permanente
• Extraer preguntas abiertas de una carpeta de proyecto
• Crear una revisión semanal a partir de notas dispersas
• Comparar notas actuales con otras más antiguas y resaltar cambios de opinión

Aquí es donde MiniMax M3 demuestra su valor.

Un modelo de contexto corto estándar puede resumir bien una sola nota.

M3 puede resumir una carpeta de 50 notas, cruzarlas con los 10 MOCs de mi bóveda y proponer una visión general de 1000 palabras que realmente use mi propia voz y etiquetas, porque vio todo el grafo.

El trabajo que ejecuto con más frecuencia: dejar caer un artículo nuevo en raw/, pedirle a M3 que lo compile en una nota de 5 secciones (# Perfil → # Contexto en mi investigación → # Enlaces a la bóveda → # Etiquetas → # Relacionados), y verlo:

• elegir correctamente una etiqueta de mi taxonomía de 41,
• escribir de 8 a 12 wikilinks a notas existentes,
• decirme qué MOC necesita una actualización.

Con un modelo de 200K obtenía quizás 3 de esos 4 correctos Con M3 obtengo los 4 en un solo pase, en una bóveda de ~500 archivos

El efecto compuesto: cada nota que compilo en este estilo pasa a formar parte del contexto de M3 para la siguiente pregunta que hago.

Después de 6 meses de compilaciones semanales, el modelo "conoce" mi voz, mi sistema de etiquetas y qué MOCs actualizo para cada tipo de trabajo, sin que yo tenga que reentrenar nada.

Un flujo típico desde la terminal:

1hermes

Luego, dentro de Hermes, pides tareas como:

• "Lee todo en Reading/AI Agents/ y crea una nota consolidada llamada agent-architecture-overview.md"
• "Escanea Daily/ de los últimos 7 días y escribe una revisión semanal en Reviews/2026-W24.md"
• "Encuentra ideas duplicadas en Inbox/ y Projects/ y propón fusiones"

La redacción exacta es flexible, pero la idea central es: cada tarea se asigna a carpetas reales y produce resultados reales en markdown

Programación y trabajo no supervisado

Hermes está construido no solo para chat, sino también para pasarelas, programadores y ejecución en segundo plano

Eso importa porque los mejores flujos de trabajo de PKM suelen ser asíncronos, no ad-hoc.

Trabajos programados útiles:

• Cada mañana a las 08:00 - resumir las notas de ayer en un resumen diario en Reviews/
• Cada viernes - generar una revisión semanal desde Daily/ y Projects/
• Una vez al día - buscar notas huérfanas y problemas estructurales
• Cada noche - convertir nuevos destacados de lectura en notas atómicas y enlazarlas

El cambio arquitectónico es grande:

• Las respuestas del chat desaparecen
• El mantenimiento programado de notas se acumula

Con el tiempo, ese efecto compuesto es lo que convierte "solo notas" en un verdadero segundo cerebro

Ruta práctica completa, de principio a fin

1. Instalar Hermes

macOS / Linux / WSL2:

1curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Windows:

1irm https://hermes-agent.nousresearch.com/install.ps1 | iex

Escritorio:

• Descarga Hermes Desktop desde la página oficial de escritorio y ejecuta el instalador nativo en macOS, Windows o Linux.

2. Configurar el agente

1hermes setup
2# o
3hermes setup --portal

3. Verificar el estado

1hermes doctor

4. Elegir tu modelo

1hermes model

Selecciona la ruta del proveedor que expone MiniMax M3 y guárdalo como el modelo predeterminado para trabajo de contexto largo.

5. Iniciar Hermes y hacerlo real

1hermes

En este punto, el primer movimiento útil no es "escribir código". Es:

• Apuntar Hermes a tu bóveda
• Darle exactamente una carpeta
• Pedirle que produzca un artefacto limpio en markdown
• Abrirlo en Obsidian e inspeccionar el resultado
• Iterar hasta que este flujo de trabajo se vuelva aburrido y fiable

Una vez que un bucle se siente sólido, agrega otro -> luego otro.

Así es como conviertes Hermes + MiniMax M3 + Obsidian de una idea genial en infraestructura real

Si te resultó útil:

• Marca este artículo como favorito. Los enlaces cambian y aparecen nuevos repos semanalmente; lo necesitarás como referencia.
• Dale "Me gusta" y vuelve a publicar el hilo de arriba para ayudar a otros creadores a escapar de la trampa del chatbot.
• Para análisis profundos semanales sobre arquitectura de IA, trading cuantitativo y la economía de los agentes, sígueme: @polydao
• Únete al canal de TG: Buzzoni Notes - allí comparto mis prompts en bruto, habilidades personalizadas y primicias que son demasiado tempranas para X

No solo lo leas. Constrúyelo. Cambia tu flujo de trabajo a partir de hoy