Todo el mundo está usando LLMs para preguntarle cosas a sus documentos
Pero ese enfoque tiene un límite muy claro....
1️⃣ la respuesta existe unos segundos
2️⃣ y luego desaparece.
Subes 50 PDFs.
- Haces preguntas.
- El modelo encuentra relaciones, resume, conecta ideas.
- Cierras la pestaña.
- Y te quedas sin nada de eso.
Sin estructura.
Sin memoria.
Sin un activo reutilizable.
Ese es el problema que me llevaba tiempo rondando... no necesitamos otro chat con documentos
Necesitamos sistemas que compilen conocimiento.
Por eso surgió Project Atlas (tu compilador de conocimiento)
Un proyecto open source que parte de una idea que me pareció especialmente potente
tratar los documentos como si fueran código fuente, y la base de conocimiento resultante como si fuera el build
Es decir, no limitarse a responder preguntas sobre documentos, sino transformar esos documentos en una base de conocimiento persistente, navegable y verificable
¿Qué genera Atlas?
→ notas estructuradas por fuente, con metadata y proveniencia
→ entidades extraídas y cruzadas entre documentos
→ índices que se regeneran al incorporar nueva información
→ backlinks verificados
→ citas al pasaje exacto del documento original
→ archivos Markdown en disco, sin lock-in y sin depender de una plataforma cerrada
La diferencia parece sutil, pero no lo es.
Un chat con documentos te da una respuesta.
Un compilador de conocimiento te deja un artefacto.
Algo que puedes inspeccionar, editar, versionar, mover a Obsidian o VS Code, reutilizar en nuevos flujos y seguir enriqueciendo con el tiempo.
Y ahí es donde, en mi opinión, empieza lo interesante.
Porque en cuanto el output deja de ser una respuesta efímera y pasa a ser una estructura persistente el conocimiento se vuelve acumulativo, las consultas empiezan a dejar rastro útil, las relaciones entre fuentes no se pierden
y el sistema deja de ser solo una interfaz de Q&A para convertirse en una capa real de memoria y razonamiento
Además, la arquitectura está pensada para extender esto todavía más:
→ orquestación de investigación multi-step
→ memoria persistente entre sesiones
→ simulación de escenarios what if sobre la propia base de conocimiento
No para hablar con documentos
Sino para razonar sobre una representación estructurada de lo que contienen
El cuello de botella es convertir información dispersa en conocimiento verificable, portable y acumulable
Os dejo el repo en los comentarios:
👇 👇 👇 👇 👇 👇 👇