¿Es posible delegar la lectura de cientos de PDFs científicos a una IA sin perder el control de la investigación y con la certeza absoluta de que no inventará una sola palabra?
Para cualquier investigador, la fase de revisión de literatura suele convertirse en un agotador cuello de botella logístico y cognitivo. El flujo de trabajo tradicional nos obliga a abrir archivos PDF uno a uno, subrayar ideas aisladas y transcribir notas en documentos lineales de Word, lo que fragmenta el conocimiento y diluye por completo las conexiones argumentativas y conceptuales entre autores.
Si intentas solucionar esto subiendo todos tus documentos de golpe a un asistente de IA de propósito general, chocas inmediatamente con la «trampa del contexto»: las conversaciones excesivamente largas terminan por desbordar la memoria de corto plazo del modelo, haciendo que comience a olvidar los detalles y hallazgos iniciales para abrir espacio a lo nuevo. A esto se suma el conocido fenómeno de lost in the middle (donde las IAs tienden a ignorar la información crítica situada en el centro de los documentos largos) y, lo más grave para el rigor científico, el riesgo latente de alucinaciones cuando el modelo rellena vacíos de información usando su entrenamiento general en lugar de tus fuentes.
Para romper con estas limitaciones operativas, conectamos de forma estratégica el método LM Wiki de Andrej Karpathy (un patrón de desarrollo donde la IA procesa, extrae y conecta conocimiento en una wiki local de Markdown) con el uso de un archivo centralizado de directrices llamado CLAUDE.md.
La clave de este flujo no es usar la IA para chatear de forma desechable, sino configurarla como un agente de procesamiento local estructurado. Al colocar un archivo de instrucciones persistentes (CLAUDE.md) en la raíz de tu carpeta de trabajo, estableces el «cerebro operativo» y las reglas del juego para el asistente: le ordenas que se restrinja estrictamente a tus documentos físicos, que redacte bajo estándares académicos rigurosos y que estructure cada hallazgo con enlaces bidireccionales nativos de Obsidian. De este modo, tu rol deja de ser el de un procesador de texto manual y asciende a un puesto directivo-supervisorio de tu propio ecosistema de conocimiento.
El procedimiento técnico para implementar este «segundo cerebro» en tu computadora se ejecuta a través de los siguientes pasos prácticos:
mi-investigacion/). Dentro de ella, genera una subcarpeta llamada /raw/ (donde guardarás todos tus PDFs originales) y otra llamada /wiki/ (que actuará como la base de conocimiento estructurada).CLAUDE.md): En la carpeta raíz, crea un archivo de texto plano y nómbralo CLAUDE.md. Define aquí las restricciones del agente (ej. «Debes leer exclusivamente los PDFs de /raw/, estructurar las notas en /wiki/ utilizando enlaces bidireccionales con la sintaxis [[Concepto]], y citar rigurosamente bajo formato APA 7″)./wiki/. Finalmente, abre esa carpeta como un vault en Obsidian y obtendrás un grafo visual interconectado y dinámico de toda tu literatura.La infalibilidad científica de este sistema radica en su arquitectura aislada de tres capas:
/raw/): Tus fuentes y PDFs empíricos originales e inmutables./wiki/): Las notas conceptuales atómicas y los resúmenes estructurados en Obsidian, con citas trazables a los autores.CLAUDE.md): La regla de oro que la IA lee antes de ejecutar cualquier acción para garantizar que el tono, estilo y rigor se mantengan constantes.Al separar la lectura, el almacenamiento de notas y el control de comportamiento, garantizas una trazabilidad absoluta de la investigación. El modelo no teoriza libremente; opera bajo un entorno cerrado donde cada afirmación de la wiki se sostiene de forma transparente en un dato real.
¿Te gustaría que elaboremos la estructura exacta y las reglas de restricción para tu archivo CLAUDE.md adaptadas al tema específico de tu tesis para que puedas configurar este flujo hoy mismo?