Skip to content
Volver a nuestro trabajo

BRAIN: un motor de conocimiento que se mejora a sí mismo

Proyecto interno de DDD · 14 de mayo de 2026 · Sistemas de conocimiento, Plataforma interna

BRAIN es la forma en que DDD recuerda y razona. Es un motor de conocimiento que toma todo lo que aprendemos, desde el trabajo con clientes hasta la investigación, y lo convierte en conocimiento estructurado que mejora con el tiempo.

El reto

Una consultora vive o muere por lo que sabe. Las notas dispersas en documentos sueltos se quedan obsoletas, se contradicen entre sí y nunca se vuelven a revisar. Queríamos justo lo contrario: una base de conocimiento que se vuelve más afilada de forma activa, señala sus propias contradicciones y se puede confiar en ella porque cada afirmación lleva consigo su evidencia.

Lo que construimos

BRAIN es un sistema de conocimiento local-first respaldado por un vault de Obsidian, expuesto a nuestras herramientas de IA a través del Model Context Protocol (MCP). Ingiere casi cualquier cosa: texto, URL, PDF, código y mucho más. Descompone lo que ingiere en afirmaciones atómicas, cada una rastreada con su evidencia de apoyo y una profundidad de verificación calculada, de modo que un dato bien corroborado se distingue de forma visible de uno sin verificar.

Un conjunto de rutinas autónomas se ejecutan de forma programada para auditar afirmaciones, buscar corroboración, sacar a la luz contradicciones y proponer qué investigar a continuación. Un grafo 3D en vivo nos permite ver toda la red de conocimiento de un vistazo. El vault sigue siendo la fuente de verdad, así que el conocimiento es portable y nunca queda atrapado.

Cómo lo construimos

BRAIN está construido en TypeScript sobre Node, con el MCP SDK, una capa HTTP en Express, búsqueda de texto completo con SQLite para una recuperación rápida y Three.js para la vista de grafo. Está cubierto por una suite de tests de verdad, porque un motor de conocimiento en el que no puedes confiar es peor que no tener motor alguno.

El resultado

BRAIN es la razón por la que nuestro consejo se acumula en lugar de empezar de cero en cada proyecto. Es también una demostración clara de cómo pensamos los sistemas: la evidencia primero, autocorrectivos, de tu propiedad y diseñados para mejorar por sí solos en lugar de pudrirse.