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

La mayoría de la gente trata las notas, los modelos y los agentes como tres mundos separados

Este stack los fusiona en un único bucle de retroalimentación:

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

Por qué un "knowledge stack" supera a una "note app"

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 trabajo serio se sale constantemente de la RAM - la tuya y 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
• Un modelo de frontera que pueda razonar sobre un contexto real enorme, no solo 2-3 párrafos

Hermes + MiniMax M3 + Obsidian te ofrecen esto:

• Obsidian - grafo markdown local con backlinks, vista de grafo y un ecosistema de plugins diseñado para bases de conocimiento personales
• Hermes Agent - agente open-source que se automejora con un bucle de aprendizaje integrado, herramientas y trabajos de larga duración que se ejecutan en tu propia infraestructura
• MiniMax M3 - el modelo que realmente ejecuto dentro de Hermes a diario. De contexto largo, multimodal, agéntico. Lo elegí porque quería un modelo que pudiera leer toda mi bóveda, mis logs y un montón de artículos nuevos en una sola ventana de contexto - sin tener que montar un pipeline RAG para hacerlo. Después de unos meses de uso real, se mantiene como mi predeterminado. Más abajo 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 bien una sola nota, pero en cuanto le pedía que leyera diez notas, las cruzara con mis MOCs y escribiera una nueva, perdía el hilo

Los síntomas eran siempre los mismos:

• El resumen era localmente coherente pero globalmente incorrecto
• Citaba un proyecto que no estaba realmente 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 200K de contexto, estaba 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 en 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 8-9.

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

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

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 advertencias honestas tras 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. Ese es el comportamiento de "referencia futura" de arriba. Solo se convierte en un problema si te saltas la limpieza semanal.
• Lo multimodal es real, pero para PDFs con muchos diagramas todavía recurro primero a una herramienta de visión dedicada. M3 lee texto de imágenes y capturas cortas bien. 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 de una vez y escribir de vuelta en él sin perder la estructura.

Capa 1 – Obsidian como la verdad fundamental

Obsidian es la capa base aburrida pero crítica en este stack

• Tu conocimiento vive como archivos markdown simples 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 clusters en lugar de desaparecer en el historial del 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, refactorizará y creará estas notas, pero la bóveda sigue siendo la fuente de verdad

Capa 2 – Hermes como el operador que se automejora

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 automejora creado por @NousResearch

Mantiene un modelo persistente de ti y 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
• Mediante Hermes Desktop - una app nativa para macOS, Windows y Linux que envuelve el mismo núcleo del agente en una GUI

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 se encarga de Python 3.11, Node.js 22, ripgrep, ffmpeg y Git Bash portátil, y luego añade 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 arranque manual del shell
• Usa CLI cuando quieras reproducibilidad, scripting, despliegue en servidor remoto/VPS y 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 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 las hace fáciles de indexar, buscar, comparar y versionar
• Hermes es la capa de orquestación – lee archivos, ejecuta herramientas, recuerda trabajos anteriores, programa tareas 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, ese último punto es el desbloqueo: una limpieza completa de la bóveda, una refactorización entre MOCs, o una tarea de 30 llamadas de "compilar este artículo en una nota de 5 secciones y actualizar 3 MOCs" se mantiene coherente de principio a fin
• La afirmación de la "arquitectura MSA" es marketing. La experiencia vivida es: puedo ejecutar una tarea durante 20 minutos y el modelo sigue sabiendo lo que le pedí que hiciera en el minuto 1

Hermes no está reemplazando 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 incorporación y \--portal\ como un atajo para la configuración vinculada a cuentas y proveedores

Luego verifica la instalación:

1hermes doctor

hermes doctor verifica dependencias, PATH, configuración del proveedor y señala problemas comunes antes de empezar a conectar modelos y herramientas

Capa del modelo – conectando Hermes a MiniMax M3

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

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

El comando principal:

1hermes model

Esto abre un flujo de selección de modelos 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 predeterminado de contexto largo

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

1hermes config set

La documentación denomina 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 todo lo que de otro modo tendría que dividir en múltiples llamadas al modelo. Concretamente:

• Leer carpetas grandes de notas donde la respuesta depende del grafo, no de un solo archivo
• Fusionar notas duplicadas o superpuestas – esto es un problema de grafo, no de texto
• Escribir resúmenes y visiones generales estructuradas 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 hilos"
• Tareas de agente multipaso 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 de utilidad pequeñas (renombrar un archivo, encontrar una cadena, formatear YAML).

Para todo lo anterior – 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 de utilidad pequeñas. Usa MiniMax M3 para todo lo que dependa de 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 seguirá ayudando, pero pasará más tiempo interpretando el desorden que mejorándolo

Una regla operativa simple:

• Los humanos escriben libremente en Inbox/, Daily/ y Reading/
• A Hermes se le permite resumir 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.

Tareas que realmente merece la pena automatizar

*Los casos de uso más fuertes 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 perenne
• Extraer preguntas abiertas de una carpeta de proyecto
• Construir una revisión semanal a partir de notas dispersas
• Comparar notas actuales con anteriores y resaltar opiniones cambiadas

Aquí es donde MiniMax M3 justifica su lugar.

Un modelo estándar de contexto corto 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 usa mi propia voz y etiquetas – porque vio todo el grafo.

La tarea que ejecuto más a menudo: dejar un artículo nuevo en raw/, pedirle a M3 que lo compile en una nota de 5 secciones (# Profile → # Context in my research → # Links into vault → # Tags → # Related), y observarlo:

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

Con un modelo de 200K acertaba quizás 3 de esos 4 Con M3 obtengo los 4 en una sola pasada, 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, sin que yo tenga que reentrenar nada.

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 reentrene 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 propone fusiones"

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

Programación y trabajo desatendido

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.

Tareas programadas 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 - escanear en busca de notas huérfanas y problemas estructurales
• Cada noche - convertir nuevos destacados de lectura en notas atómicas y enlazarlos

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

Desktop:

• 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 guárdala como el modelo predeterminado para trabajo de contexto largo.

5. Iniciar Hermes y hacerlo realidad

1hermes

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

• Apunta Hermes a tu bóveda
• Dale exactamente una carpeta
• Pídele que produzca un artefacto markdown limpio
• Ábrelo en Obsidian e inspecciona el resultado
• Itera hasta que este flujo de trabajo se vuelva aburrido y confiable

Una vez que un bucle se sienta sólido, añade otro -> Luego otro.

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

Si te ha resultado útil:

• Marca este artículo como favorito. Los enlaces cambian y aparecen nuevos repos semanalmente - lo necesitarás como referencia
• Dale like y reposte el hilo de arriba para ayudar a otros constructores a escapar de la trampa del chatbot
• Para inmersiones semanales en arquitectura de IA, trading cuantitativo y la economía de agentes. Sígueme: @polydao
• Únete al canal de TG: Buzzoni Notes - aquí comparto mis prompts en bruto, habilidades personalizadas y alpha que es demasiado temprano para X

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