E088_How to master Hermes Agent

Hello, this is BIMPRAXIS, the podcast where BIM meets artificial intelligence. We explore science, technology and the future from the perspective of architecture, engineering and construction. Let's start! Hello, welcome, welcome to a new episode of BIMPRAXIS. Today we bring you the definitive guide to transform artificial intelligence into an autonomous and personalized system that manages your entire life. And we really are not exaggerating with the whole life thing, that is, it is a brutal paradigm shift. Completely. Let's see, to put ourselves in the situation, let's imagine this. Hours before your morning alarm goes off, there is a digital system on a server that has already swallowed all your biometric data from the night. So? In the background? Quietly? Exact. And in a completely autonomous way, it has also evaluated how some social media posts from the previous day worked. He has seen that there is little commitment or engagement and has restructured your entire daily calendar. In other words, he has moved heavy tasks to times when he predicts that you will have better physical performance. That is. And all this happens silently, without you touching a single button. All documented in text files. When you close the tab, the system reboots. Zero memory. It is, by design, a stateless environment. And at an operational level that is a tremendous bottleneck. I always compare it to having a colleague working with you who is brilliant, the best in his sector, but who has severe amnesia. Yes, yes, yes. Like in the movie Memento. And this is where today's sources introduce us to Hermes. Hermes, exactly. Which is based on a concept that André Carpaty named WikiLLM. The WikiLLM. I love the name. Let's see, Carpaty hits the nail on the head. He says that the next leap is not to put more parameters into the models, but to give them a long-term memory architecture. Let it be persistent. In other words, it is not reactive, but rather the system acts as your own archivist. That is. Before the model spits out the first word of response, a system goes and reads a giant block of your own history file. It loads it into the context window and then, and only then, does it reason. But let's see, someone had to say, hey, this is like traditional RAG systems. You upload a giant PDF to the AI ​​and that's it. What is the difference? Ugh, the difference is abysmal on a technical level. In a RAG the information is static. If you modify the PDF, the AI ​​does not learn anything new. But Echarme S has write permissions. Oysters, of course. You can modify your own memory. Exactly. If people see that you always correct a certain tone in your emails, they take action, open their own rules file autonomously, rewrite it, and save that new rule for the future. Pure ammunition. My mother. But of course, there is an elephant in the room here. If every time you interact, the AI ​​has to read the entire encyclopedia of your life, that at the token level has to cost a fortune, a fortune. In fact, reports document that someone tried to do this with the Cloud Premium API and pocketed $64 in a single week. 64 bucks in a week. That, for an individual user, is unsustainable. Unviable, totally. That is why the first rule to avoid going bankrupt is to choose the supplier well. And here the sources highly recommend OpenAI Codex in its version 5.4. Why's that? It's smarter than the new Anthropo or Gemini models. What's up? It is not because of reasoning ability. It's for pure survival. Corporate platforms like Anthropo have very strict anti-cheat systems. If they see a constant, scheduled and automatic flow of requests... They think you are a malicious bot and block your account. Exact. They ban you without warning. However, Codex 5.4 swallows this non-stop volume without setting off any alarm bells. It is super reliable for the base. Ok, but I imagine you can't use a single model for everything if you want to optimize costs. There you have hit it. The secret is in dynamic routing platforms, such as OpenRouter. It's pure magic. He's like an orchestra conductor, right? Who decides who to send each task to. As is. Hermes evaluates how difficult the task you have asked him is. If it's just, hey, categorize this bill or bold this for me, the router sends it to a super cheap and fast model. Like Cloud Sonnet, for example. That is. Which has a ridiculous marginal cost. But if you suddenly ask him to audit an asynchronous code architecture or cross-check complex financial data, then yes, he will bear the expense. And he sends it to the Opus 47 model. He pays for the expensive model only when heavy artillery is needed. And be careful that in the documents they talked about a trick with OpenRouter, the Elephant model. Yes, yes, the free model. Look, you put a $10 balance in your account, a minimum deposit, and the platform unlocks a thousand free daily requests for that specific model. Crazy savings! Okay, we have the software and the invoice under control. But this has to be on 24 hours. If I have it on my laptop and everything falls out under the lid. The ecosystem collapses, yes. You can try to use or call locally with lightweight models like Qn 3.5, which by the way works well, but others like Gamma 3B failed because they do not support tool calls. Yes, but you still depend on having the computer on all day. Clear. The real solution is a VPS, a virtual private server in the cloud. And this is where people usually run. Total. As soon as you tell them command line, Linux or SSH connections, half the audience disconnects. It gives vertigo. And it's normal, right? But the documents show a brutal tool called OpenRouter Spawn. This abstracts you from all that technical hassle. I mean, you don't have to touch code in the terminal? Nothing. Spawn connects to a provider like DigitalOcean, installs the image, sets the variables and sets up the services for you. Everything almost with one click. For about 18 dollars a month you have a droplet with two CPUs and two gigabytes of RAM. More than enough to keep your brain awake all the time. Okay, changing gears. We already have the machine working in the cloud. But how do we interact with it? Why don't you go to the server every time? No joke. Tests confirm that Telegram is the best interface, without a doubt. You use Botfather, create a bot with your identifier and that's it. You have it on your mobile. And they were talking about creating different thematic chats within Telegram, right? Yes. Super important. You have a chat for social networks, another for programming, another for chatting. This way you avoid cross contamination in the context of the model. Clear. You don't mix a metrics analysis with the dinner recipe. But what fascinates me is how this is given personality through Markdown files. The famous .md. The key to all logical configuration is in a local web panel. And especially in those three files. User, Souls and Agents. Let's see, this is literally like making a character sheet in a role-playing game. Completely. Let's see how you approach it. Well look, the user.md file is the background, the lore of your character. That you live in Madrid, that you have a dog, your marital status. It is the passive context. Then, souls.md is the charisma, the tone, the empathy. The soul of the people. Exact. And Agents.mdd is the combat skills. The super strict rules of syntax or code that the AI ​​can never break. And notice that this separation, which sounds like a role-playing joke, at the level of neural networks is a beastly shield against hallucinations. Because? If in the end the AI ​​reads the three files the same. Yes. But by being in separate blocks, you force the model's attention mechanism to weight them independently. If you put in a traditional kilometer prompt, where you mix a fun tone with strict code rules... It gets messy. It gets messy, yes. The statistical weights get contaminated and the AI ​​gives you code variables with funny names or skips tabs because it is in creative mode. Clear. By separating the files, you can tell souls.md to act hype, super motivated or even like a pirate. And he will say good morning super euphoric. But when you generate code based on agents.md it will be flawless. Pure syntax without creativity affecting it in the slightest. Okay. I think it's brilliant. But now comes the most science fiction part of all this for me. We've talked about asking him for things. But is this system proactive? Take the leap, yes. Go from waiting for orders to starting the conversation. And it does so with what architects call heartbeats. Heartbeats. This comes from the philosophy of OpenCloud and the famous surprise me command, right? Exactly. They are basically cronjobs, tasks scheduled at the server level. You tell him, hey, wake up every day at 8 in the morning and see if there's anything interesting. And here the case of health is amazing. Please review that case because when I read it I was amazed. Look. They hook up an app to dump the closed Apple Health data to the server's local directory. The AI ​​wakes up, sees that raw sleep data, and says, okay, this is unreadable to a human. And instead of just summarizing, what does it do? Well, she writes a Python script herself. Create a tool to clean data noise, calculate averages, and isolate bad days. And you discover that the user slept an average of 7 and a half hours, but there was a critical day of 5 hours. Oysters! But the strong thing is that it does not delete the script. He realizes it's useful, saves it as a permanent skill, and the next morning... The next morning, the heartbeat skips again. But AI no longer spends time and tokens thinking about how to process. Run the saved script and it will send you the report via Telegram directly. He tells you, hey, you slept badly today. Be careful with performance. Let's see, I have to play devil's advocate here. A system that monitors your sleep and sends you unsolicited medical notifications. It sounds a bit like a Silicon Valley dystopia. It sounds totally intrusive. It's true, especially if we think about today's commercial apps, which only want your attention to sell you things. Of course, the attention economy. But here lies the brutal difference. This ecosystem is hosted by you. You control the cronjobs. Biometric data never leaves your private server. They are not selling you anything. They only transform passive data into actionable intelligence for you. Okay. Seen this way, being local and private things change. And they were talking about another use case, bypassing restrictions on social networks, right? With threads. Wow. That's a spectacular technical example of how they bypass corporate walls. You already know that the official meta APIs are super restrictive. Yes, they shut you down quickly if you try to automate things. Well, ERMS uses an extension called getcookies.ext. Basically the encrypted session credentials from your own browser are exported to the server. In other words, the AI ​​pretends to be you entering from your computer. Exact. It bypasses authentication barriers as if it were a legitimate human browsing. He got into dozens of threads, took out the text, the replies, the interactions and drew conclusions. And useful conclusions, because he discovered that when they talked about the ERMS agent itself or productive hardware, the metrics skyrocketed. He did a complete social media audit for free, without anyone lifting a finger. It's very strong. But of course, for all this to converge, we arrive at the concept of the definitive CIO that the sources mentioned. The orchestra director. Because of course, ERMS cannot do everything alone without becoming saturated. You need to delegate. It's like connecting the Google Cloud console, so it can read your email and calendar. The AI ​​sees that on Thursday you have an in-person medical appointment from 5 to 6, reads an email from an urgent client and reorganizes your day. And that's where multi-agent architecture comes in. The thing is that we are no longer talking about a single, monolithic brain. It's a company. Literal. ERMS is the CIO. Answer the phone on Telegram, make quick decisions. But if you say, hey, do some in-depth research on the real estate market in Valencia. ERMS says, okay, this is going to take me hours. Well, he delegates it to a subordinate, to OpenCloth. You give it the instructions and OpenCloth spends 5 hours browsing in the background, while ERMS is still free to answer you on Telegram. And when the subordinate finishes, he passes the clean report to the boss. But, let's see, technically, so that these two agents don't step on their memory, how do they do it? That's the magic of Markdown files and using a NAS server. All agents read and write to the same physical folder on the server. Is it the same source of truth for everyone? That is. By using Markdown, which is super light, plain text, both machines and us can read it without problems. There are no closed proprietary formats. And to visualize all this swarm of data without going crazy, do you use Obsidian? Obsidian is the icing on the cake. You connect Obsidian to that NAS folder and it renders all those thousands of text files in a visual map, with connected nodes. You literally see your second digital brain beating live. Not two that update themselves while you talk to the bot. It is a technical marvel. It completely breaks the barrier between machine and human mind. But, of course, reaching this level of invisible monitoring poses a dilemma, quite profound. I already tell you. Because in the end you are setting up an infrastructure that swallows your emails, knows how you sleep, reads your finances, understands how you speak over the months. It is no longer an assistant, it is an absolute mirror of your life. A perfect statistical mirror. The machine begins to see correlations that completely escape you. The thing is, imagine, if this persistent network catches hidden patterns between your level of physical fatigue and the bad decisions you make at work or what you buy. The question is inevitable, isn't it? You will get to a point where this ecosystem understands your biases, your bad habits, and your productivity slumps much better than you know yourself. I think so. The technology is already here. The APIs allow it, the code works. The limit is no longer technical. It's purely psychological. Are we prepared to hand over the audit of our lives to the mathematics of an algorithm? Phew. Building a silent observer who ends up knowing your flaws better than your own brain, which is always trying to deceive and justify itself, is fascinating on an engineering level. But it raises hackles at the level of existential privacy. Of course. We will leave this reflection floating in the air until the next in-depth analysis. Before saying goodbye until the next program, we inform you that the voices you hear have been generalized by Notebook LM's AI and that directing the podcast is Julio Pablo Vazquez, a human who sends you greetings. In case of error, it is probably human error. We hear each other! And that's it for today's episode. Thank you very much for your attention. This is BIM Praxis. We'll hear from you in the next episode. Thank you! Thank you! Thank you!

Buenas, esto es BIMPRAXIS, el podcast donde el BIM se encuentra con la inteligencia artificial. Exploramos la ciencia, la tecnología y el futuro desde el enfoque de la arquitectura, ingeniería y construcción. ¡Empezamos! Muy buenas, bienvenidas, bienvenidos a un nuevo episodio de BIMPRAXIS. Hoy os traemos la guía definitiva para transformar una inteligencia artificial en un sistema autónomo y personalizado que gestiona tu vida entera. Y de verdad que no exageramos con lo de la vida entera, o sea, es un cambio de paradigma brutal. Totalmente. A ver, para ponernos en situación imaginemos esto. Horas antes de que suene el despertador por la mañana, hay un sistema digital en un servidor que ya se ha tragado todos tus datos biométricos de la noche. ¿Así? ¿De fondo? ¿Sin hacer ruido? Exacto. Y de forma totalmente autónoma, ha evaluado también cómo funcionaron unas publicaciones en redes sociales del día anterior. Ha visto que hay poco compromiso o engagement y te ha reestructurado el calendario diario entero. O sea, te ha movido las tareas pesadas a las horas donde predice que vas a tener mejor rendimiento físico. Eso es. Y todo esto ocurre en silencio, sin que toques un solo botón. Todo documentado en archivos de texto. Cuando cierras la pestaña, el sistema se reinicia. Cero memoria. Es, por diseño, un entorno sin estado. Y a nivel operativo eso es un cuello de botella tremendo. Yo siempre lo comparo con tener a un colega trabajando contigo que es brillante, el mejor de su sector, pero que tiene una amnesia severa. Sí, sí, sí. Como en la película Memento. Y aquí es donde las fuentes de hoy nos presentan a Hermes. Hermes, exacto. Que se basa en un concepto que André Carpaty bautizó como el WikiLLM. El WikiLLM. Me encanta el nombre. A ver, es que Carpaty dé en el clavo. Dice que el próximo salto no es meterle más parámetros a los modelos, sino darles una arquitectura de memoria a largo plazo. Que sea persistente. O sea que no sea reactivo, sino que el sistema actúe como tu propio archivista. Eso es. Antes de que el modelo escupa la primera palabra de respuesta, un sistema va y lee un bloque gigante de tu propio archivo histórico. Lo carga en la ventana de contexto y entonces, y solo entonces, razona. Pero a ver, alguien tolia a decir, oye, pues esto es como los sistemas RAG de toda la vida. Les subes un PDF gigante a la IA y ya está. ¿Cuál es la diferencia? Uf, la diferencia es abismal a nivel técnico. En un RAG la información es estática. Si tú lo modificas el PDF, la IA no aprende nada nuevo. Pero Echarme S tiene permisos de escritura. Ostras, claro. Puede modificar su propia memoria. Exactamente. Si la gente ve que siempre le corriges un cierto tono en los correos, coge, abre su propio archivo de reglas de forma autónoma, lo reescribe y se guarda esa nueva regla para el futuro. Muntación pura. Madre mía. Pero claro, aquí hay un elefante en la habitación. Si cada vez que interactúas, la IA tiene que leerse toda la enciclopedia de tu vida, eso a nivel de tokens tiene que costar una fortuna, una pasta. De hecho, los informes documentan que alguien intentó hacer esto con la API Premium de Cloud y se dejó 64 dólares en una sola semana. 64 pavos en una semana. Eso, para un usuario individual, es insostenible. Inviable, totalmente. Por eso la primera regla para no arruinarse es elegir bien el proveedor. Y aquí las fuentes recomiendan muchísimo OpenAI Codex en su versión 5.4. ¿Y eso por qué? Es más inteligente que los modelos nuevos de Antrópico o Gemini. Que va. No es por capacidad de razonamiento. Es por pura supervivencia. Las plataformas corporativas como Antrópico tienen sistemas antitrampas muy estrictos. Si ven un flujo constante, programado y automático de peticiones… Se creen que eres un bot malicioso y te bloquean la cuenta. Exacto. Te banean sin avisar. Sin embargo, Codex 5.4 se traga este volumen continuo sin hacer saltar las alarmas. Es súper fiable para la base. Vale, pero me imagino que no puedes usar un solo modelo para todo si quieres optimizar costes. Ahí le has dado. El secreto está en plataformas de enrutamiento dinámico, como OpenRouter. Es magia pura. Es como un director de orquesta, ¿no? Que decide a quién le manda cada tarea. Tal cual. Hermes evalúa lo difícil que es la tarea que le has pedido. Si solo es, oye, categoriza esta factura o ponme esto en negrita, el enrutador lo manda a un modelo súper barato y rápido. Como Cloud Sonnet, por ejemplo. Eso es. Que tiene un coste marginal ridículo. Pero si de repente le pides que audite una arquitectura de código asíncrono o cruce datos financieros complejos, pues entonces sí, asume el gasto. Y lo manda al modelo Opus 47. Paga por el modelo caro solo cuando hace falta la artillería pesada. Y ojo que en los documentos hablaban de un truco con OpenRouter, lo del modelo Elephant. Sí, sí, el modelo gratuito. Es que fíjate, metes 10 dólares de saldo en la cuenta, un depósito mínimo, y la plataforma te desbloquea mil peticiones diarias gratis para ese modelo en concreto. ¡Una locura de ahorro! Vale, tenemos el software y la factura controlados. Pero esto tiene que estar encendido 24 horas. Si lo tengo en mi portátil y bajo la tapa se cae todo. Se desploma el ecosistema, sí. Puedes intentar usar o llama en local con modelos ligeros como Qn 3.5, que por cierto va bien, pero otros como Gamma 3B fracasaron porque no soportan llamadas a herramientas. Ya, pero sigues dependiendo de tener el ordenador encendido todo el día. Claro. La solución real es un VPS, un servidor privado virtual en la nube. Y aquí es donde la gente suele salir corriendo. Total. En cuanto les dices línea de comandos, Linux o conexiones SSH, la mitad de la audiencia desconecta. Da vértigo. Y es normal, ¿eh? Pero los documentos muestran una herramienta brutal llamada OpenRouter Spawn. Esto te abstrae de todo ese follón técnico. O sea, ¿no tienes que tocar código en la terminal? Nada. Spawn se conecta a un proveedor como DigitalOcean, instala la imagen, pone las variables y te levanta los servicios. Todo casi con un clic. Por unos 18 dólares al mes tienes un droplet con dos CPUs y dos gigas de RAM. Más que suficiente para mantener el cerebro despierto todo el tiempo. Vale, cambiando de tercio. Ya tenemos la máquina funcionando en la nube. Pero, ¿cómo interactuamos con ella? ¿Por qué no vas a entrar al servidor cada vez? Ni de broma. Las pruebas confirman que Telegram es la mejor interfaz, sin duda. Usas Botfather, creas un bot con tu identificador y listo. Lo tienes en el móvil. Y hablaban de crear diferentes chats temáticos dentro de Telegram, ¿verdad? Sí. Súper importante. Tienes un chat para redes sociales, otro para programación, otro para charlar. Así evitas la contaminación cruzada en el contexto del modelo. Claro. No mezclas un análisis de métricas con la receta de la cena. Pero a mí lo que me fascina es cómo se le da personalidad a esto a través de los archivos Markdown. Los famosos .md. Es que la clave de toda la configuración lógica está en un panel web local. Y sobre todo en esos tres archivos. User, Souls y Agents. A ver, es que esto es literalmente como hacerte una ficha de personaje en un juego de rol. Totalmente. A ver cómo lo enfocas tú. Pues mira, el archivo user.md es el trasfondo, el lore de tu personaje. Que vives en Madrid, que tienes un perro, tu estado civil. Es el contexto pasivo. Luego, souls.md es el carisma, el tono, la empatía. El alma de la gente. Exacto. Y Agents.mdd son las habilidades de combate. Las reglas súper estrictas de sintaxis o código que la IA no puede saltarse jamás. Y fíjate que esta separación, que suena a broma de rol, a nivel de redes neuronales es un escudo anti alucinaciones bestial. ¿Por qué? Si al final la IA se lee los tres archivos igual. Sí. Pero al estar en bloques separados, obligas al mecanismo de atención del modelo a ponderarlos de forma independiente. Si tú metes un prompt kilométrico tradicional, donde mezclas el tono divertido con las reglas de código estricto… Se lía parda. Se lía, sí. Los pesos estadísticos se contaminan y la IA te pone variables de código con nombres graciosos o se salta tabulaciones porque está en modo creativo. Claro. Separando los archivos, le puedes decir en souls.md que actúe modo hype, súper motivado o incluso como un pirata. Y te dará los buenos días súper eufórico. Pero cuando genere código basado en agents.md será impecable. Sintaxis pura sin que la creatividad le afecte lo más mínimo. Vale. Me parece brillante. Pero ahora viene para mí la parte más ciencia ficción de todo esto. Hemos hablado de pedirle cosas. ¿Pero este sistema es proactivo? Da el salto, sí. Pasa de estar esperando órdenes a iniciar la conversación. Y lo hace con lo que los arquitectos llaman heartbeats. Latidos. Esto viene de la filosofía de OpenCloud y el comando aquel famoso de sorpréndeme, ¿no? Exactamente. Básicamente son cronjobs, tareas programadas a nivel de servidor. Tú le dices, oye, despiértate cada día a las 8 de la mañana y mira a ver si hay algo interesante. Y aquí el caso de la salud es alucinante. Por favor, repasa ese caso porque yo cuando lo leía estaba alucinada. Fíjate. Conectan una aplicación para volcar los datos cerrados de Apple Health en el directorio local del servidor. La IA se despierta, ve esos datos en bruto sobre el sueño y dice, vale, esto es ilegible para un humano. Y en vez de simplemente resumir, ¿qué hace? Pues escribe un script en Python por sí misma. Crea una herramienta para limpiar el ruido de los datos, calcular medias y aislar los días malos. Y descubre que el usuario durmió una media de 7 horas y media, pero hubo un día crítico de 5 horas. ¡Ostras! Pero lo fuerte es que no borre el script. Se da cuenta de que es útil, lo guarda como una habilidad permanente y a la mañana siguiente… A la mañana siguiente, el latido salta de nuevo. Pero la IA ya no gasta tiempo ni tokens en pensar cómo procesar. Ejecute el script guardado y te manda el informe por Telegram directamente. Te dice, oye, has dormido fatal hoy. Ojo con el rendimiento. A ver, yo aquí tengo que hacer de abogada del diablo. Un sistema que te vigila el sueño y te manda notificaciones médicas no solicitadas. Suena un poco a distopía de Silicon Valley. Suena intrusivo total. Es verdad, sobre todo si pensamos en las apps comerciales de hoy en día, que solo quieren tu atención para venderte cosas. Claro, la economía de la atención. Pero aquí radica la diferencia brutal. Este ecosistema lo alojas tú. Tú controlas los cronjobs. Los datos biométricos jamás salen de tu servidor privado. No te están vendiendo nada. Solo transforman un dato pasivo en inteligencia accionable para ti. Vale. Visto así, al ser local y privado la cosa cambia. Y hablaban de otro caso de uso, saltándose restricciones en redes sociales, ¿no? Con threads. Buah. Ese es un ejemplo técnico espectacular de cómo evitan los muros corporativos. Ya sabes que las APIs oficiales de meta son súper restrictivas. Sí, te cierran el grifo rápido si intentas automatizar cosas. Pues ERMS usa una extensión llamada getcookies.ext. Básicamente se exportan las credenciales de sesión encriptadas de tu propio navegador al servidor. O sea, que la IA finge ser tú entrando desde tu ordenador. Exacto. Se salta las barreras de autenticación como si fuera un humano legítimo navegando. Se metió en decenas de hilos, sacó el texto, las réplicas, las interacciones y sacó conclusiones. Y conclusiones útiles, porque descubrió que cuando hablaban del propio agente ERMS o de hardware productivo, las métricas se disparaban. Hizo una auditoría de redes sociales completa y gratis, sin que nadie moviera un dedo. Es que es muy fuerte. Pero claro, para que todo esto converja, llegamos al concepto del CIO definitivo que mencionaban las fuentes. El director de orquesta. Porque claro, ERMS no puede hacerlo todo solo sin saturarse. Necesita delegar. Es como conectar la consola de Google Cloud, para que lea el correo y el calendario. La IA ve que el jueves tienes una cita médica presencial de 5 a 6, lee un correo de un cliente urgente y te reorganiza el día. Y ahí es donde entra la arquitectura multiagente. Es que ya no hablamos de un cerebro único y monolítico. Es una empresa. Literal. ERMS es el CIO. Atiende el teléfono en Telegram, toma las decisiones rápidas. Pero si le dices, oye, hazme una investigación profunda sobre el mercado inmobiliario en Valencia. ERMS dice, vale, esto me va a llevar horas. Pues se lo delega a un subordinado, a OpenCloth. Le da las instrucciones y OpenCloth se tira 5 horas navegando en segundo plano, mientras ERMS sigue libre para contestarte por Telegram. Y cuando el subordinado termina, le pasa el informe limpio al jefe. Pero, a ver, técnicamente, para que no se pisen la memoria estos dos agentes, ¿cómo lo hacen? Esa es la magia de los archivos Markdown y de usar un servidor NAS. Todos los agentes leen y escriben en la misma carpeta física del servidor. ¿Es la misma fuente de verdad para todos? Eso es. Al usar Markdown, que es texto plano y súper ligero, tanto las máquinas como nosotros podemos leerlo sin problemas. No hay formatos propietarios cerrados. ¿Y para visualizar todo este enjambre de datos sin volverte loco, usas Obsidian? Obsidian es la guinda del pastel. Conectas Obsidian a esa carpeta del NAS y te renderiza todos esos miles de archivos de texto en un mapa visual, con nodos conectados. Ves, literalmente, tu segundo cerebro digital latiendo en directo. No dos que se actualizan solos mientras hablas con el bot. Es una maravilla técnica. Rompe por completo la barrera entre la máquina y la mente humana. Pero, claro, llegar a este nivel de monitorización invisible plantea un dilema, tela de profundo. Ya te digo. Porque al final estás montando una infraestructura que se traga tus correos, sabe cómo duermes, lee tus finanzas, entiende cómo hablas a lo largo de los meses. Ya no es un asistente, es un espejo absoluto de tu vida. Un espejo estadístico perfecto. La máquina empieza a ver correlaciones que a ti se te escapan totalmente. Es que, imagínate, si esta red persistente pilla patrones ocultos entre tu nivel de cansancio físico y las malas decisiones que tomas en el trabajo o lo que compras. La pregunta es inevitable, ¿no? Llegará a un punto en el que este ecosistema entienda tus sesgos, tus malos hábitos y tus bajones de productividad mucho mejor de lo que te conoces tú mismo. Es que yo creo que sí. La tecnología ya está aquí. Las APIs lo permiten, el código funciona. El límite ya no es técnico. Es puramente psicológico. ¿Estamos preparados para cederle la auditoría de nuestra vida a las matemáticas de un algoritmo? Uf. Construir un observador silencioso que termina conociendo tus defectos mejor que tu propio cerebro, que siempre se intenta engañar y justificar a sí mismo, es fascinante a nivel de ingeniería. Pero pone los pelos de punta a nivel de privacidad existencial. Desde luego. Dejaremos esta reflexión flotando en el ambiente hasta el próximo análisis a fondo. Antes de despedirnos hasta el próximo programa, os informamos de que las voces que oyes han sido generales por la IA de Notebook LM y que dirigiendo el podcast se encuentra Julio Pablo Vazquez, un humano que te envía saludos. En caso de error, probablemente sean errores humanos. ¡Nos escuchamos! Y hasta aquí el episodio de hoy. Muchas gracias por tu atención. Esto es BIM Praxis. Nos escuchamos en el próximo episodio. ¡Gracias! ¡Gracias! ¡Gracias!