La mayor parte del trabajo de investigación no es pensar. Es leer, extraer y hacer referencias cruzadas, todo manualmente, una fuente a la vez, y consume las horas que deberían dedicarse al pensamiento real.
Opus 5 cambia las reglas del juego precisamente por lo que está diseñado para hacer. Anthropic lo lanzó con el mismo precio que Opus 4.8: $5 de entrada y $25 de salida por millón de tokens, mientras que más que duplica la puntuación de Opus 4.8 en Frontier-Bench v0.1. No está posicionado explícitamente como el modelo más inteligente de Anthropic (ese sigue siendo Fable 5), sino como el modelo diseñado para el uso diario, donde la eficiencia se acumula a lo largo de miles de llamadas de una manera que un solo titular de benchmark nunca captura. Harvey, la empresa de IA legal, informó de forma independiente que iguala la calidad de salida de razonamiento máximo de Opus 4.8 usando un 26% menos de tokens en promedio.
Ese perfil de eficiencia es exactamente lo que necesita un pipeline de investigación. No estás ejecutando una consulta profunda y costosa. Estás ejecutando docenas de pasadas de extracción y síntesis en un creciente conjunto de fuentes, cada semana, y el costo por pasada se acumula rápido si no usas un modelo diseñado para volumen.
Este es el sistema completo: Obsidian como almacén permanente, Opus 5 como motor de procesamiento y un pipeline específico que convierte el material de lectura en bruto en conocimiento enlazado y consultable de forma automática, para que las horas que antes dedicabas a extraer y hacer referencias cruzadas manualmente te sean devueltas.
Por qué Opus 5 encaja específicamente en este trabajo
Antes de construir el sistema, vale la pena ser precisos sobre por qué este sistema usa Opus 5 en lugar de Fable 5, ya que elegir el modelo equivocado para este trabajo específico es la forma más común de gastar de más en un sistema como este.
Un pipeline de investigación que ingiere fuentes semanalmente ejecuta un gran número de llamadas de modelo individuales: extracción en cada nueva fuente, referencias cruzadas con tus notas existentes, pasadas de síntesis periódicas, generación de resúmenes. Esto es trabajo de volumen, no de profundidad en una sola toma. El posicionamiento completo de Opus 5 está construido exactamente para este perfil: más del doble de la puntuación de Frontier-Bench de Opus 4.8 al mismo precio, y ganancias de eficiencia de tokens verificadas de forma independiente por Harvey, específicamente en tareas repetidas y similares.
Fable 5 sigue siendo la mejor opción para las preguntas de investigación más difíciles y genuinas: una síntesis sutil y de alto riesgo donde equivocarse en un punto matizado tiene consecuencias reales, y donde su mayor profundidad de razonamiento (similar a SWE-Bench) vale el precio aproximadamente 2 veces más alto por token. Para el trabajo rutinario y repetido de construir y mantener un sistema de investigación (ingesta semanal, extracción continua, generación de resúmenes), el diseño centrado en la eficiencia de Opus 5 es la opción predeterminada correcta, reservando Fable 5 para la ocasional pregunta de inmersión profunda que el sistema considera que merece un escrutinio adicional.
La base: Obsidian como almacenamiento permanente
El sistema necesita un lugar para almacenar conocimiento que sobreviva para siempre, sea completamente tuyo y nunca dependa de un solo modelo o proveedor. Los archivos Markdown simples en una bóveda de Obsidian hacen exactamente eso. Si el año que viene existe un modelo mejor, lo apuntas a la misma carpeta y nada más cambia.
La estructura que funciona para un sistema de investigación específicamente, basándose en el patrón general de raw y wiki:
- Una carpeta raw, para el material fuente exactamente como se ingiere: PDFs, texto de artículos, transcripciones de videos, sin procesar.
- Una carpeta wiki, para la versión procesada, enlazada y permanente de tu conocimiento, organizada por tema en lugar de por fuente.
- Una carpeta questions, específica para sistemas de investigación, que contiene preguntas abiertas que tu lectura ha planteado y que aún no has resuelto, para que nada realmente importante se pierda en el procesamiento.
- Una carpeta digests, que contiene el resumen semanal que genera Opus 5, con marca de tiempo, para que puedas revisar qué fue importante en cualquier semana sin tener que releer todo.
- Un único archivo CLAUD.md en la raíz que define exactamente cómo debe comportarse este sistema, que se cubre en detalle en la siguiente sección.
El CLAUD.md que ejecuta el sistema
Este es el archivo de mayor apalancamiento en toda la configuración, ya que es lo que Opus 5 lee automáticamente al inicio de cada sesión, lo que significa que escribes tus instrucciones una vez en lugar de volver a explicar el sistema cada vez que lo usas.
<code-segment id="0" lang="text">
PROTOCOLO DEL SISTEMA DE INVESTIGACIÓN
Esta bóveda es un sistema de investigación. Estructura:
/raw - material fuente exactamente como se ingiere, nunca editado
/wiki - conocimiento procesado y enlazado, organizado por tema
/questions - preguntas abiertas aún no resueltas
/digests - resúmenes semanales, con marca de tiempo
Cuando se añade una nueva fuente a /raw:
- Extrae las afirmaciones y hallazgos específicos y genuinamente nuevos, no un resumen de todo el documento.
- Revisa /wiki en busca de notas existentes sobre el mismo tema. Amplía una nota existente en lugar de crear un duplicado si el tema ya tiene una.
- Enlaza cada nueva afirmación con las notas existentes relacionadas usando [[wikilinks]].
- Si una afirmación contradice algo que ya está en /wiki, no la sobrescribas en silencio. Señala la contradicción explícitamente en ambas notas.
- Si una fuente plantea una pregunta abierta genuina que no puedes resolver con otro material ya en la bóveda, agrégala a /questions en lugar de adivinar una respuesta.
Cuando se te pida sintetizar o generar un resumen:
Extrae de /wiki, no directamente de /raw. La wiki es la capa procesada y confiable. Las fuentes en bruto pueden contener afirmaciones que luego se descubrió que eran incorrectas o superadas, por lo que existe el paso 4 anterior.
Antes de informar que una extracción está completa, confirma que realmente revisaste /wiki en busca de notas relacionadas existentes en lugar de asumir que se trata de material completamente nuevo.
</code-segment>
Este único archivo es lo que marca la diferencia entre una carpeta de notas desconectadas y un sistema real. Cada instrucción que contiene existe para evitar un modo de fallo específico y real: notas duplicadas, contradicciones sobrescritas en silencio, preguntas abiertas sin resolver que se dejan caer silenciosamente, que de otro modo se acumularían de forma invisible a lo largo de meses de uso.
El pipeline de ingesta
Con la bóveda estructurada y el protocolo escrito, este es el flujo de trabajo semanal real.
Añade cualquier fuente a /raw a medida que la encuentres durante la semana: un artículo que lees, un trabajo de investigación, la transcripción de un podcast, la transcripción de un video, una publicación del blog de un competidor. Esto debería tomar segundos, no minutos; el objetivo es eliminar la fricción de la captura para que realmente lo hagas de forma consistente.
<code-segment id="1" lang="text">
Ingiere los nuevos archivos en /raw que aún no se hayan procesado.
Para cada uno, extrae las afirmaciones genuinamente nuevas, revisa /wiki en busca de notas existentes relacionadas, amplía o crea notas según corresponda, y señala cualquier contradicción con lo que ya está registrado. Añade las preguntas no resueltas a /questions en lugar de adivinar.
</code-segment>
Ejecuta esto en la cadencia que se ajuste a tu patrón de lectura real: a diario si lees constantemente, cada pocos días si tu entrada es más esporádica. El punto es que el procesamiento ocurra cerca del momento en que realmente capturaste la fuente, y descomponer un lote de diez fuentes a la vez en pasadas individuales de extracción y referencias cruzadas es exactamente el tipo de trabajo repetido y de forma similar para el que está diseñado el perfil de eficiencia de Opus 5.
El resumen semanal, automatizado
Aquí es donde el ahorro de tiempo real se vuelve más visible, y vale la pena configurarlo como una tarea programada en lugar de algo que recuerdes ejecutar manualmente, ya que el objetivo del sistema es eliminarte del bucle para las partes mecánicas.
<code-segment id="2" lang="text">
Genera el resumen de investigación de esta semana. Extrae de /wiki, centrándose específicamente en lo que se añadió o actualizó en los últimos 7 días, no en todo el historial de la bóveda.
Estructura:
- Los 3 a 5 hallazgos nuevos más significativos de esta semana, con enlaces a las notas completas en /wiki.
- Cualquier contradicción señalada esta semana entre material nuevo y notas existentes, ya que merecen tu atención directa.
- Preguntas abiertas añadidas a /questions esta semana que aún no estén resueltas.
- Una línea que indique cualquier tema que haya recibido una actividad inusualmente alta esta semana, ya que un tema que acumula muchas notas relacionadas rápidamente a menudo merece una atención más profunda y deliberada, en lugar de una acumulación pasiva.
Guarda el resultado en /digests con la fecha de esta semana. Mantén todo el resumen por debajo de 500 palabras. Es un puntero a las notas completas, no un reemplazo para leerlas.
</code-segment>
Programa esto para que se ejecute automáticamente al inicio de cada semana, de modo que te espere un breve resumen estructurado de todo lo que fue importante antes de que abras una sola nota tú mismo. Este es el mecanismo directo mediante el cual el sistema reemplaza horas de lectura manual: ya no estás releyendo una semana de material en bruto para recordar lo que aprendiste, sino que estás leyendo un puntero de 500 palabras que te tomó dos minutos, en lugar de las dos horas que te habría costado la revisión manual equivalente.
Consultar en todo, no solo en lo que recuerdas
El otro gran ahorro de tiempo, aparte del resumen, es la capacidad de hacer una pregunta genuina en toda tu base de conocimiento acumulada, en lugar de tratar de recordar qué nota específica tiene la respuesta.
<code-segment id="3" lang="text">
Basado en todo lo que hay en /wiki, ¿qué he aprendido sobre [tema específico]? Cita las notas específicas de las que proviene cada afirmación. Si las fuentes en la bóveda no están de acuerdo entre sí sobre este tema, dímelo explícitamente en lugar de elegir una y presentarla como consenso.
</code-segment>
Esta es la recompensa que más se acumula cuanto más tiempo funciona el sistema. En el primer mes, tu wiki es escasa y este tipo de consulta devuelve un puñado de notas. En el sexto mes, con docenas de fuentes procesadas y enlazadas, la misma consulta descubre conexiones genuinas que nunca habrías hecho manualmente: una idea de un artículo que leíste en la semana dos que se conecta directamente con algo de una fuente completamente diferente en la semana veinte, porque ambas se archivaron bajo el mismo tema subyacente y se enlazaron en consecuencia.
Manejar las contradicciones con honestidad
Un valor específico y subestimado de este sistema, en comparación con simplemente releer tus propias notas de memoria, es que activamente saca a la luz cuando tu propia comprensión de algo ha cambiado con el tiempo, en lugar de dejar que una creencia desactualizada permanezca sin ser cuestionada simplemente porque olvidaste que alguna vez la tuviste.
Cuando el protocolo de ingesta señala una contradicción entre lo que dice una nueva fuente y lo que afirma una nota existente, resiste el instinto de hacer que el sistema simplemente elija la que parezca más reciente o más autorizada y la resuelva silenciosamente por ti. El valor de sacar a la luz una contradicción es que te obliga a tomar una decisión real: ¿la fuente anterior estaba equivocada?, ¿ha cambiado realmente la realidad subyacente?, o ¿es este un caso en el que ambas son ciertas dependiendo del contexto que debe agregarse a la nota? Automatizar ese juicio va en contra del propósito de construir un sistema que haga tu propio pensamiento más riguroso con el tiempo.
Un ejemplo práctico durante un mes
Para hacer concreto el efecto compuesto, así es como se desarrolla aproximadamente durante un mes real de uso.
Semana uno, añades seis artículos relacionados con un proyecto que estás investigando. La pasada de ingesta crea ocho nuevas notas en /wiki, ya que algunos artículos tocan múltiples temas distintos, todas enlazadas entre sí cuando existe una relación genuina. El resumen es corto, ya que aún no hay mucho material previo con el que hacer referencias cruzadas.
Semana dos, añades cuatro fuentes más. Dos de ellas amplían notas existentes de la semana uno en lugar de crear nuevas, ya que el protocolo de ingesta identificó correctamente la superposición de temas. Una señala una contradicción: una afirmación de una fuente de la semana dos contradice directamente algo que una fuente de la semana uno afirmó con confianza. El resumen destaca esta contradicción de manera prominente, y al revisarla, te das cuenta de que la fuente de la semana uno se basaba en datos desactualizados. Actualizas esa nota directamente, indicando la corrección y el motivo.
Las semanas tres y cuatro continúan con este patrón, y al final del mes, una consulta sobre el tema completo devuelve una síntesis que rastrea la evolución real de tu comprensión, incluida la corrección, no solo una instantánea estática como si hubieras sabido la respuesta correcta desde el primer día.
Esta es la propuesta de valor real, expresada de forma concreta. No es que el sistema piense por ti, sino que elimina la sobrecarga mecánica (extracción, referencias cruzadas, recordar lo que ya sabías) que solía competir con tu tiempo de pensamiento real cada semana.
Errores comunes que socavan este sistema
Algunos errores específicos aparecen repetidamente en personas que configuran esto, y vale la pena conocerlos de antemano.
Saltarse el protocolo de CLAUD.md y simplemente dejar archivos en raw esperando que Opus 5 descubra el comportamiento correcto. Sin las instrucciones explícitas, particularmente la regla de verificar antes de crear un duplicado y la regla de señalar, no sobrescribir en silencio para las contradicciones, el sistema degenera exactamente en el montón de notas generadas por IA sin estructura que se construyó para evitar.
Ejecutar el resumen contra toda la bóveda en lugar de la actividad específica de la semana. Esto produce un resumen que se vuelve más largo y menos útil cada semana, ya que está resumiendo material que ya has leído y procesado muchas veces, en lugar de sacar a la luz solo lo que es genuinamente nuevo.
Tratar la síntesis de Opus 5 como automáticamente correcta en lugar de como un punto de partida. El modelo está haciendo un trabajo cognitivo real aquí (extracción y referencias cruzadas a través de una base de conocimiento creciente), y como cualquier trabajo cognitivo, se beneficia de tu propia revisión, particularmente en las contradicciones que señala, que son exactamente los momentos en que tu propio juicio añade más valor.
Usar Fable 5 para el procesamiento semanal rutinario por costumbre, asumiendo que el modelo más caro es siempre la opción más segura. Para el volumen de trabajo repetido y de forma similar de extracción y síntesis que este sistema genera semanalmente, el perfil de eficiencia de Opus 5 es más adecuado, y la diferencia de costo se acumula de manera significativa a lo largo de meses de uso continuo. Reserva Fable 5 específicamente para la rara pregunta de síntesis realmente difícil que el propio sistema considera que merece un escrutinio adicional, no para el pipeline de ingesta rutinaria.
Conectar la bóveda directamente en lugar de copiar y pegar
Todo lo anterior funciona si abres Claude manualmente y pegas el contenido de los archivos, pero la versión real sin fricción de este sistema conecta Opus 5 directamente a tu bóveda de Obsidian, para que la ingesta y la consulta se realicen sin ningún copiar y pegar.
La ruta práctica aquí utiliza el plugin Local REST API de Obsidian, habilitado en la configuración de plugins de la comunidad de Obsidian, que expone tu bóveda a través de un endpoint de API local con una clave de autenticación. Claude Code o una conexión MCP de Claude Desktop pueden entonces leer y escribir archivos en tu bóveda directamente, lo que significa que los prompts de ingesta de la parte anterior de este artículo se ejecutan contra tu bóveda real, creando y editando notas reales, en lugar de que copies el contenido manualmente entre una ventana de chat y tus notas.
Configura esto una vez. En Obsidian, instala y habilita el plugin Local REST API, copia la clave API que genera. En Claude Code, configura una conexión MCP que apunte a tu bóveda usando esa clave. Pruébalo pidiéndole a Claude que liste los archivos en tu carpeta /raw; si devuelve una lista precisa, la conexión está activa.
Una vez que esto funciona, todo el pipeline de ingesta y resumen de antes se convierte en algo que activas con un solo mensaje en lugar de un proceso manual de copiar y pegar, y también es lo que hace que la programación sea genuinamente automática, ya que una tarea programada puede llamar a la misma conexión MCP sin que estés presente.
Escalar a múltiples temas de investigación
Todo lo anterior asume un solo tema de investigación en una sola bóveda. La mayoría de las personas que ejecutan esto en serio terminan siguiendo varias áreas distintas a la vez: un proyecto específico, una industria que sigues en general, un interés a largo plazo no relacionado con ninguno de los dos. Mezclarlos en una wiki indiferenciada crea exactamente el tipo de ruido que el sistema fue construido para evitar.
La solución refleja la misma disciplina de alcance que se aplica generalmente a los proyectos de Claude. Dale a cada tema de investigación genuinamente distinto su propia estructura de subcarpetas, o su propia bóveda separada por completo si los temas son lo suficientemente grandes y no relacionados como para que la contaminación cruzada confunda activamente la síntesis: una afirmación sobre una industria que se referencia incorrectamente con un proyecto no relacionado simplemente porque ambas viven en la misma carpeta /wiki indiferenciada.
<code-segment id="4" lang="text">
ALCANCE MULTITEMÁTICO
Esta bóveda cubre múltiples áreas de investigación, cada una en su propia carpeta de nivel superior dentro de /wiki: /wiki/tema-a, /wiki/tema-b, etc.
Al ingerir una nueva fuente, primero determina a qué tema pertenece. Si realmente abarca dos temas, anota la conexión entre temas explícitamente en lugar de archivarla de forma ambigua en una carpeta sin explicación.
Los resúmenes deben generarse por tema, no como un resumen combinado, a menos que se pida explícitamente sintetizar entre temas.
</code-segment>
Esta estructura permite que cada tema se acumule de forma independiente, su propia wiki, su propio conjunto coherente de referencias cruzadas, al tiempo que te permite solicitar explícitamente una síntesis entre temas cuando una conexión genuina entre dos áreas realmente vale la pena sacar a la luz, en lugar de que cada nota compita implícitamente con material no relacionado por relevancia en un solo montón indiferenciado.
La regla práctica para decidir cuándo dividir en bóvedas separadas por completo frente a subcarpetas dentro de una sola bóveda: si nunca querrías que una consulta sobre un tema sacara a la luz accidentalmente material no relacionado del otro, las bóvedas separadas valen la pena por la pequeña sobrecarga de cambiar entre ellas. Si cierta polinización cruzada entre temas es realmente valiosa (una tendencia general de la industria que informa a un proyecto específico), las subcarpetas dentro de una sola bóveda preservan ese tejido conectivo, mientras que la instrucción explícita de alcance del tema anterior evita confusiones reales durante la ingesta rutinaria.
Medir si esto realmente te está ahorrando tiempo
Un sistema como este puede sentirse productivo sin medirse realmente contra lo que fue construido para reemplazar, y vale la pena hacer una verificación honesta periódicamente en lugar de asumir que el ahorro de tiempo es real solo porque el sistema existe y funciona según lo programado.
Durante dos o tres semanas después de la configuración, rastrea aproximadamente cuánto tiempo solía tomarte tu revisión de los lunes con tu proceso manual anterior: releer todo lo que guardaste, tratar de recordar qué se conectaba con qué, buscar un hecho específico que sabías que habías leído en algún lado. Compara eso honestamente con cuánto tiempo te lleva ahora leer el resumen generado y dar seguimiento a cualquier cosa que haya señalado como necesitada de tu atención.
La comparación que realmente importa no es el tiempo bruto ahorrado en el resumen en sí, ya que un resumen de 500 palabras obviamente se lee más rápido que una semana de fuentes en bruto. Es si el resumen está realmente sacando a la luz lo que importaba, es decir, que no estás descubriendo por separado, días después, que algo significativo quedó enterrado en el material en bruto y nunca llegó a una nota o a un resumen. Si eso ocurre con regularidad, el paso de extracción del protocolo de ingesta necesita ajustarse, no necesariamente que se añada más tiempo de lectura manual como solución alternativa.
La otra métrica honesta que vale la pena rastrear es si realmente se está utilizando la capacidad de consulta de antes. Un sistema que genera un resumen semanal limpio pero que nunca consultas para obtener respuestas con referencias cruzadas solo está ofreciendo la mitad de su valor previsto: la mitad de resumen pasivo, sin la mitad activa de "¿qué he aprendido realmente sobre esto a través de todas las fuentes que le he dado?" que es donde se muestra el valor compuesto real a lo largo de meses de uso. Si notas que no lo consultas, a menudo es una señal de que la wiki aún no ha acumulado suficiente material con referencias cruzadas para que la consulta valga la pena, lo cual es normal en el primer mes o dos, o es una señal de que simplemente has perdido el hábito de preguntar, lo cual vale la pena corregir deliberadamente, ya que es donde reside una parte significativa del valor real del sistema.
Configurar esto esta semana
No intentes construir el pipeline completo en una sola sesión. Constrúyelo en el orden que permita que cada pieza se demuestre a sí misma antes de agregar la siguiente.
Semana uno, solo construye la estructura de la bóveda y el archivo CLAUD.md, luego ejecuta manualmente el prompt de ingesta en lo que ya estés leyendo. Familiarízate con la calidad de extracción antes de automatizar cualquier cosa.
Semana dos, agrega la generación del resumen semanal, ejecútalo manualmente al principio en lugar de en un horario, para que puedas verificar que realmente está extrayendo de la actividad de la semana correcta y se mantiene apropiadamente conciso.
Semana tres, una vez que ambas piezas funcionen de manera confiable, programa la ingesta y el resumen para que se ejecuten automáticamente, de modo que el sistema realmente funcione sin que tú recuerdes activarlo.
Para la semana cuatro o cinco, deberías notar el cambio real que este sistema está diseñado para producir. Los lunes por la mañana que solían comenzar tratando de recordar lo que leíste y aprendiste la semana anterior ahora comienzan con un resumen de dos minutos que ya hizo ese recordatorio por ti, y las horas que solían dedicarse a releer y hacer referencias cruzadas manualmente de tu propia investigación están disponibles para la parte de la investigación que realmente necesita un humano: decidir qué es importante y por qué.
Sigue a @cyrilXBT para obtener las plantillas exactas de CLAUD.md y las configuraciones de bóveda de Obsidian detrás de todo en este artículo.
