U——la memoria de «ti», por fin visible
Problema:
memory_searchde OpenClaw y el grafo Postgres de gbrain son visibles para el agente, pero invisibles para el humano.
Solución: Abre la wiki de gbrain como vault en Obsidian, enlaza suavemente los diarios dememory/, y opcionalmente usagbrain exportpara materializar las páginas DB como markdown——un conjunto de archivos, tres índices.
Cuándo cargar esta Skill
- El usuario quiere integrar Obsidian con la memoria de OpenClaw / gbrain
- El usuario dice «visualización del segundo cerebro», «grafo de memoria», «conectar puntos», «quiero ver en Obsidian lo que el agente escribe en memoria»
- El usuario ya tiene gbrain +
~/wiki(o una biblioteca mental markdown similar) y quiere añadir una GUI
Arquitectura (de un vistazo)
OpenClaw workspace/memory/*.md ──symlink──► ~/wiki/memory/ ◄── Obsidian navega
gbrain Postgres (426+ páginas) ──export──► ~/wiki/**/*.md ◄── Grafo de Obsidian
Cron del agente ──sync────► Postgres + vectors ◄── Backend sin cambios
Restricciones de seguridad (obligatorio cumplir):
memorydebe estar en~/wiki/.gitignore→ la sincronización de gbrain es impulsada por git-diff, no volverá a ingestar los diarios.obsidian/es omitido porisSyncablede gbrain (directorio oculto)- No cambies
alwaysUpdateLinks: true, para evitar que Obsidian reescriba en masa los enlaces[[ruta]]de gbrain
Fase 0 — Confirmar rutas
| Variable | Valor por defecto | Descripción |
|---|---|---|
WIKI_DIR | ~/wiki | Raíz del repositorio git de gbrain |
MEMORY_DIR | ~/.openclaw/workspace/memory | Directorio de diarios MD de OpenClaw |
GBRAIN_BIN | gbrain | CLI en el PATH |
Fase 1 — Configuración con un solo comando (recomendado)
bash skills/u/scripts/setup-vault.sh
# O especificando rutas:
WIKI_DIR=~/wiki MEMORY_DIR=~/.openclaw/workspace/memory bash scripts/setup-vault.sh
El script: crea el enlace simbólico memory, escribe .gitignore, preconfigura .obsidian/app.json (wikilink + absolute + no cambiar enlaces automáticamente).
Fase 2 — Materializar páginas DB (opcional pero muy recomendado)
Si en Postgres hay más páginas que archivos .md en disco (común cuando MCP put_page solo escribe en DB):
gbrain export --dir "$WIKI_DIR"
cd "$WIKI_DIR" && git add -A && git commit -m "materializar páginas de gbrain para Obsidian"
Tras la materialización, la tasa de resolución de wikilinks en el grafo de Obsidian suele pasar de ~28% a 84% (según la misma métrica del README).
Fase 3 — Abrir Obsidian
- Obsidian → Abrir carpeta como vault → seleccionar
WIKI_DIR - Vista de grafo a la izquierda: ver clústeres de personas / proyectos / conceptos / síntesis
- Abrir
memory/2026-MM-DD.md→ columna derecha Backlinks → Menciones no vinculadas saltar a páginas de gbrain que referencian ese diario
Fase 4 — Lista de verificación
-
ls -la $WIKI_DIR/memorymuestra un symlink -
cd $WIKI_DIR && git statusNO muestramemory/*.md - En el grafo hay conexiones (significa que
[[projects/foo]]se resuelve) - Al editar cualquier página de gbrain y guardar,
git statusmuestra cambios (el cron sincronizará y generará embeddings)
Fase 5 — Conectar puntos: candidatos a destilar (opcional, v1.1)
Una vez visible el grafo, surge el siguiente problema: ¿cómo convertir los temas recurrentes del diario en páginas del grafo? Se han visto dos malas prácticas: el agente decide por su cuenta y escribe la página (sin supervisión, queda permanentemente en el grafo), o nadie escribe nunca (el grafo siempre va por detrás del diario). distill-candidates.py sigue un camino intermedio: solo propone, no escribe.
python3 skills/u/scripts/distill-candidates.py --dry-run
Al ejecutarlo, escanea los diarios de MEMORY_DIR de los últimos 14 días, los compara con el vocabulario de títulos/alias de las páginas existentes en WIKI_DIRS (por defecto people,companies,projects,concepts), busca temas «recurrentes en ≥2 días» y escribe un distill-inbox.md en la raíz del vault: la zona A son páginas existentes que no se han actualizado, la zona B son candidatos recurrentes que aún no tienen página. Sin --dry-run solo entonces se escribe realmente; incluso al escribir, solo se tocan los archivos distill-inbox.md y .distill_heartbeat.json, nunca se modifica memory/ ni ninguna página del grafo.
Una vez aceptas un candidato, tú (o el agente) actualizas/creas esa página——este paso se deja deliberadamente al humano, saltarlo es donde los sistemas automáticos de memoria suelen dejar más minas.
Opcional: integrarlo en cron para que la cola se actualice automáticamente cada día (sigue siendo solo propuestas):
# OpenClaw
openclaw cron create --no-agent --script skills/u/scripts/distill-candidates.py "0 3 * * *"
Fase 6 — Constitución de curación: un grafo útil, no un montón bonito (v1.2)
La cola (Fase 5) resuelve «quién supervisa», pero queda «¿con qué criterios escribir?». Si se deja sin control, el vault muere de otra forma: se acumulan cada vez más páginas, todas parecen completas, pero ninguna será recuperada cuando se haga una pregunta real——un montón de puntos de conocimiento aparentemente perfecto.
references/knowledge-curation.md es un prompt de sistema para el agente que escribe el grafo, que debe leerse antes de crear/modificar/clasificar cualquier página. El criterio central es una frase: una página de conocimiento es útil si y solo si será recuperada y responderá una pregunta real futura.
- Tres preguntas de inclusión (si alguna es «no», no crear página): ¿Cambia una acción? ¿Se volverá a preguntar? ¿Supera el conocimiento propio del modelo?
- Rúbrica de clasificación: una regla por directorio + ejemplos positivos y negativos, para corregir «clasificaciones inexactas del agente»
- Estándar de densidad: reescribir antes que añadir; las primeras tres líneas deciden la suerte; cada página debe incluir una sección «Lo que esta página debe responder» (2–5 preguntas reales)
- ⭐ Retorno de preguntas: cuando el agente sintetiza una buena respuesta, anota en el diario una línea
⭐page-candidate: <título propuesto>(también válido en chino⭐候选页:). El script distill-candidates.py de v1.2 lo colocará en la zona B de la cola, con prioridad; una vez creada la página, cambia ⭐ por ✅ para que no vuelva a aparecer. Prohibido saltarse la cola y crear páginas directamente. - Zona D: candidatos a refusión: el script detecta automáticamente páginas «llenas de parches de actualización». Al aceptarlas, se refunden según la plantilla §5 de la constitución en un solo artículo denso (requisito: 30%+ más corto y sin pérdida de información)
- Avanzado (requiere conexión manual, la constitución §6 indica cómo hacerlo): señales de fallo en el registro de recuperación → señal de creación de página; propuestas de retiro tras 45 días sin aciertos; examen mensual de contradicciones
Incorporar la constitución en las instrucciones de tu agente (AGENTS.md / CLAUDE.md) es solo una línea:
Antes de crear/modificar una página de la wiki, lee skills/u/references/knowledge-curation.md (tres preguntas de inclusión + rúbrica + estándar de densidad); reescribir antes que añadir.
Fase 7 — Pipeline de recuperación: de «fusión de dos vías» a recuperación real (v1.3)
La constitución de curación resuelve «qué escribir», pero queda la otra mitad: «¿se puede recuperar?». En pruebas reales, fusionar ingenuamente memory_search (palabras clave) y gbrain query (vectorial), ordenar por puntuación y cortar en top20——para preguntas reales (como «¿quién es XX?», frases completas) 0 de 10 casos de prueba acertaron, MRR 0. Causa raíz: el motor vectorial devuelve cero resultados para consultas chinas de varias palabras o interrogativas, aunque la misma entidad con una sola palabra obtenga 0.7+.
scripts/recall.mjs se reescribe como un pipeline de seis pasos, que en el mismo conjunto de evaluación pasa de 0/10 a 10/10 (MRR 0→0.75):
- Normalización de la consulta——frase original + frase núcleo sin palabras interrogativas + extracción de términos clave de la tabla de entidades creada a partir de títulos/alias de tu propia wiki + n-gramas de prefijo CJK
- División de trabajo entre dos motores——el motor de palabras clave es lento, solo envía la frase original + 2 términos clave; el motor vectorial es rápido, envía todas las variantes
- Fusión RRF (k=60)——las puntuaciones de diferentes motores no son comparables, pero los rangos sí, evitando la normalización
- Decaimiento temporal + frecuencia——establecer semivida según la categoría de contenido, con un mínimo de 0.5 para evitar que aciertos fuertes queden sepultados
- MMR para eliminar redundancia (λ=0.7)——evitar que el top-K se llene de fragmentos casi duplicados
- Expansión del grafo en un salto——las páginas enlazadas desde una página acertada se arrastran con descuento
bun scripts/recall.mjs "<consulta o frase interrogativa completa>"
Herramienta de evaluación complementaria scripts/recall-eval.mjs——«parece que ha mejorado» no es una conclusión, solo los números lo son. Empieza con ops/recall-eval.example.jsonl (ejemplos ficticios) y sustitúyelos por tus preguntas reales:
bun scripts/recall-eval.mjs --eval ops/recall-eval.jsonl
Antes de modificar cualquier parámetro en recall.mjs, ejecuta primero el conjunto de evaluación, no lo hagas por sensaciones. El diseño completo y el «por qué» de cada paso están en references/retrieval-pipeline.md.
Opcional: un cron de salud que ejecute periódicamente el conjunto de evaluación y solo alerte si la tasa de aciertos cae por debajo de un umbral, silencioso cuando todo está verde——para evitar degradaciones silenciosas como embeddings caducados, motores caídos o parámetros modificados que no avisan.
Disciplina de escritura para el agente (coherente con el puente de memoria de AGENTS.md)
Cuando el usuario modifica manualmente el markdown en Obsidian:
- En el lado de gbrain: el cron de link-maintenance / auto-ingest ejecutará
sync --no-embed+embed --stale - En el lado de memoria: sigue en
workspace/memory/, indexado pormemory_search. No enviar memoria al git de la wiki
Solución de problemas
| Síntoma | Acción |
|---|---|
| Grafo muy vacío, muchos enlaces colgantes | Ejecuta gbrain export --dir $WIKI_DIR |
| Aparecen archivos de memory en git | Asegúrate de que .gitignore contiene memory |
Obsidian cambia los enlaces a [text](path) | Verifica useMarkdownLinks: false |
[[Naval Ravikant]] no se resuelve | Es un enlace por nombre visible; añade aliases en el frontmatter de la página de destino |
Relacionados
skills/brain-ops— Normas de escritura para gbrainskills/memory-setup-openclaw— Configuración de memory_searchskills/planning-with-files— Tareas largas escritas en memoria
Diagrama detallado de arquitectura con mermaid en references/architecture.md.