🧠 Cerebros: el motor que piensa y la memoria organizada
"Cerebro" de Jarvis tiene dos sentidos, y ambos importan. El primero es el motor LLM — el modelo que piensa, que puedes cambiar sin modificar el código. El segundo es la memoria organizada — el «segundo cerebro» dividido en zonas. En este módulo, el último de Anatomía, entenderás ambos y por qué NO existe un «consejo mágico de modelos» que vote.
⚙️ El cerebro = el motor LLM
A lo largo de la Anatomía, creaste canales (por dónde habla), identidad (quién es), herramientas (las manos), skills (las recetas) y agentes (el ciclo que trabaja solo). Falta la pieza que realmente piensa: o cerebro. En el primer sentido, "cerebro" es el motor LLM — el modelo de lenguaje que recibe el contexto, razona y devuelve texto. Todo lo que construiste cobra vida cuando este motor está conectado.
La gran idea de este módulo: ese motor es un pieza conectable. No está unido al resto de Jarvis. El código del agente se comunica con el motor mediante una interfaz estándar (un «enchufe»), así que puedes desconectar un modelo y conectar otro sin reescribir nada. Por eso, la frase que lo resume todo: "un cerebro, varias bocas" — y, aquí, varios cerebros posibles, una sola arquitectura.
🧩 El motor que está debajo de todo
Piensa en Jarvis como un auto que ya ensamblaste: la carrocería (canales), el tablero (identidad), las ruedas (herramientas). El motor y es el LLM. Todo el auto depende de él, pero el motor es solo una pieza más, y las piezas se pueden cambiar.
- •El motor recibe: contexto (tu mensaje + SOUL.md + memoria + resultados de herramientas).
- •El motor devuelve texto: una respuesta o una solicitud de herramienta para el bucle agéntico.
- •El resto de Jarvis no "sabe" qué motor está funcionando: solo se comunica con la toma de corriente.
¿Eres nuevo aquí? LLM ("Large Language Model", modelo de lenguaje grande) es el programa entrenado con muchísimo texto que predice la siguiente palabra, y el cerebro que funciona detrás de ChatGPT, Claude o los modelos locales. Proveedor y es quien proporciona ese cerebro: Anthropic, OpenAI, OpenRouter (que reúne varios) o tu propia PC mediante Ollama. Interfaz aquí está el "conector" estándar por el que el código se comunica con cualquiera de ellos de la misma manera.
Conceptos clave
El modelo que realmente piensa: recibe contexto y devuelve texto.
El cerebro no está soldado: se conecta y desconecta mediante un enchufe.
El mismo modelo atiende Telegram, voz y web: distintas voces, un solo cerebro.
Quién proporciona el motor: Anthropic, OpenRouter, Ollama local...
🔌 Cambiar de cerebro sin tocar el código
Si el motor es enchufable, cambiar de cerebro debería ser tan sencillo como cambiar una bombilla, y lo es. En un Jarvis bien hecho, el modelo no aparece disperso por el código: se declara en un único lugar, el archivo .env. Cambia dos líneas ahí, reinicia y todo Jarvis empezará a pensar con otro modelo. Esto se llama hot-swap (cambio en caliente).
¿Por qué esto importa tanto? Porque cada tarea tiene un motor ideal. Una pregunta sencilla («¿qué hora es en Tokio?») no necesita el modelo más caro del mundo; un problema complejo de razonamiento merece uno de frontera. Cambiar de cerebro se convierte en una decisión económica — eliges potencia o costo según la tarea y no dependes de un único proveedor.
📊 Tres motores, tres perfiles
- •Nube potente (Anthropic Claude, GPT): mejor razonamiento, pagas por token (cada fragmento de texto que entra o sale: pagas por el volumen). Para tareas difíciles.
- •Nube económica (mediante OpenRouter): acceso a decenas de modelos económicos con una sola clave. Para tareas medianas.
- •Local (Ollama en tu PC): $0 por uso, privado, sin conexión. Modelos según la RAM (3B@8GB, 8B@16GB); la CPU es lenta (30–60s).
Objetivo: hacer que Jarvis piense con un modelo diferente sin tocar el código — solo editando el archivo .env en la raíz del proyecto.
1) Nube potente (Anthropic). Pega en tu .env:
LLM_PROVIDER=anthropic
LLM_MODEL=claude-sonnet-4-5
ANTHROPIC_API_KEY=<sua-chave-anthropic>
2) ¿Quieres una nube económica vía OpenRouter? Cambia solo estas líneas:
LLM_PROVIDER=openrouter
LLM_MODEL=<modelo-barato-ex-meta-llama/llama-3.1-8b-instruct>
OPENROUTER_API_KEY=<sua-chave-openrouter>
3) ¿Quieres 100% local y gratis? Inicia Ollama y configúralo para que apunte allí:
LLM_PROVIDER=ollama
LLM_MODEL=<modelo-local-ex-llama3.2>
OLLAMA_HOST=http://localhost:11434
Cómo verificar: reinicia Jarvis y envía al canal: "¿qué modelo estás usando ahora?". Si el código registra el proveedor al inicializarse, ves algo como [brain] provider=ollama model=llama3.2. El comportamiento cambia (velocidad, calidad), pero no tocaste ni una línea de código — solo en el .env. Así funciona el hot-swap.
Conceptos clave
Cambiar el motor modificando el .env y reiniciando — sin tocar el código.
Archivo de configuración/secretos; el único lugar donde se declara el modelo.
Modelo económico para tareas sencillas, premium para las difíciles.
Un agregador de modelos en la nube; un runtime de modelos en tu PC.
🪧 El mito del «consejo de modelos»
Cuando alguien oye «varios cerebros», la imaginación se dispara: cinco modelos sentados a una mesa, debatiendo, votando y un juez que elige la mejor respuesta. Es una imagen bonita —y, en los proyectos reales de este curso, no existe. No hay un enrutador mágico que consulte N modelos al mismo tiempo y calcule el promedio. Seamos honestos: eso es marketing, no arquitectura.
⚠️ Cuidado con la promesa del "consejo"
Ejecutar varios LLM de frontera en paralelo para cada mensaje cuesta caro, es lento y rara vez mejora la respuesta de forma confiable. Quien te vende un «comité de IA que vota» generalmente te está vendiendo una complejidad que no necesitas y que no puedes auditar.
La tesis de este curso es la opuesta: menos y más. El código que entiendes vale más que un consejo que nunca podrás depurar.
Entonces, cuando los proyectos hablan de «múltiples modelos», ¿qué significa realmente? Dos cosas concretas y honestas: sustitución (el hot-swap del tema 2 — cambiar uno por otro) y portabilidad — la misma skill funcionando en distintos runtimes (Claude Code, Codex) mediante la spec de Agent Skills y herramientas como el polyskill. No es una votación simultánea: es la misma fuente funcionando en más de un cerebro.
✓ "Múltiples modelos" de verdad
- ✓Sustitución: cambiar el motor por .env cuando conviene.
- ✓Portabilidad: la misma skill funciona en Claude Code Y Codex.
- ✓El subagente delega a un modelo propio y devuelve solo la respuesta (T3-5).
- ✓Tú entiende y audita cada pieza.
✗ El mito del consejo
- ✗5 modelos votando en cada mensaje.
- ✗Un «juez» mágico que elige la mejor respuesta.
- ✗Costo y latencia multiplicados sin una ganancia garantizada.
- ✗Una caja negra que no puedes depurar.
¿Eres nuevo aquí? Runtime y es el "entorno" donde se ejecuta la IA (Claude Code, Codex, Cursor...). Portabilidad y que la misma receta funcione en más de un runtime sin reescribirla. polyskill y una herramienta que empaqueta una skill en una fuente única y la hace funcionar en distintos runtimes: el «multimodelo» de verdad.
Conceptos clave
La idea de N LLMs votando en vivo, que los proyectos reales no usan.
Un motor a la vez, que se cambia según la tarea.
La misma skill en Claude Code, Codex, etc. (polyskill).
El código auditable supera a la complejidad impresionante.
📒 El "segundo cerebro" se convierte en memoria
Ahora, el segundo sentido de «cerebro». Ya viste en Identidad (T3-2) que la conversación olvida al cerrar — la ventana de contexto es como la RAM: se vacía. Para que Jarvis te recuerde de verdad, necesita memoria persistente: notas que sobreviven entre sesiones. A este conjunto lo llamamos segundo cerebro — tomando prestado el término de la productividad personal («Building a Second Brain», de Tiago Forte): un sistema externo donde guardas lo que no te cabe en la cabeza.
Pero aquí viene el peligro. Si simplemente arrojas TODO en un montón de notas — decisiones, hechos, sentimientos, recordatorios — el segundo cerebro crece y se convierte en un ático desordenado. Cuando Jarvis necesita encontrar algo, encuentra ruido. La solución no es tener menos memoria, sino organizarla en zonas, cada una con un propósito. De ahí surge la idea de los «3 cerebros» (siguiente tema).
Sin memoria
Cada conversación empieza desde cero. Te trata como a un desconocido todos los días.
Memoria como un montón único
Recuerda, pero todo en el mismo saco. Encuentra ruido, mezcla hechos con sentimientos, se hincha.
Memoria organizada en zonas
Cada cosa en su lugar (Proyecto / Self / Conocimiento). Encuentra todo rápido y razona mejor.
¿Eres nuevo aquí? Memoria persistente y es la que sobrevive al cerrar la conversación: guardada en archivos en el disco, no en la ventana de contexto. Segundo cerebro y es el nombre de ese repositorio externo de notas. Inbox (bandeja de entrada) es donde cae primero cada nota nueva, antes de archivarse en la zona correcta.
Conceptos clave
Repositorio externo de notas que persiste entre sesiones.
Lo que queda en el disco, a diferencia de la ventana de contexto, que se vacía.
Todo en el mismo balde se convierte en ruido; el problema no es la cantidad, sino el orden.
Separar por propósito de la orden mejora la búsqueda.
🧠 Los 3 cerebros (memoria)
Aquí está el corazón del segundo sentido de "cerebros". En vez de un montón de notas, la memoria de Jarvis se divide en tres zonas, cada una con una naturaleza diferente. Piensa en tres cajones de un archivo: lo que cambia todo el tiempo no se guarda junto con lo que casi nunca cambia.
A la izquierda, el motor LLM y se puede cambiar: tres proveedores se conectan a la misma «toma» del agente mediante .env. A la derecha, la memoria y está dividida: una bandeja de entrada única recibe todo y la skill /triagem dirige a Proyecto (lo que pasó), Self (quién es) o Conocimiento (hechos). Los [[wikilinks]] conectan las tres.
📦 Proyecto (episódico)
Lo que pasó: tareas, decisiones, el avance de las cosas. Cambia todo el tiempo y es el «diario» de Jarvis.
🪪 Self (identidad)
Quién es él y quién eres tú: valores, tono, preferencias, dudas pendientes. Cambia despacio — y es estable a propósito.
📚 Conocimiento (referencia)
Datos que solo se acumulan: recetas, contactos, notas de estudio. Casi nunca se borran — solo crecen.
🔗 El pegamento entre las zonas
Una bandeja de entrada única recibe cada nota nueva; una skill /triagem lee y dirige cada una a la zona correcta — no tienes que decidir en el momento. Y los [[wikilinks]] (ese «[[nombre]]» entre corchetes dobles, heredado de las wikis y de Obsidian) conectan una nota con otra atravesando las tres zonas: una decisión de Proyecto puede apuntar a un valor de Self y a un hecho de Conocimiento.
Conceptos clave
Qué pasó y las decisiones: la memoria que cambia todo el tiempo.
Valores y dudas: la memoria que cambia lentamente.
Datos que solo se acumulan.
Una entrada que enruta y enlaces que cruzan las tres zonas.
🗂️ Memoria = filesystem + índice
¿Cómo existe, en la práctica, esta memoria en el disco? La respuesta es desconcertantemente sencilla — y por eso es robusta. La memoria de Jarvis son archivos de texto (formato .md, Markdown) que tú mismo puedes abrir y leer. Estos archivos son la verdad. Sobre ellos funciona un índice de búsqueda (SQLite con FTS5/BM25), que es solo un atajo para encontrar rápido la nota correcta; si el índice desaparece, lo reconstruyes a partir de los archivos.
Los archivos .md son la verdad: legibles y versionables. El índice SQLite y es solo un atajo de búsqueda: si desaparece, se reconstruye a partir de los archivos. Es el CLAUDE.md e o router leído al inicio de cada sesión, indicándole a Jarvis dónde encontrar cada cerebro de memoria.
🧭 El CLAUDE.md es el enrutador
Al comienzo de cada sesión, Jarvis lee un archivo maestro: el CLAUDE.md (o AGENTS.md). No lo guarda todo: señala. «Las decisiones están en projeto/. Mis valores, en self/. Para buscar un dato, usa el índice». Es el mapa que indica dónde están los tres cerebros; por eso es lo primero que se lee.
Es la misma lógica del contrato de Identidad (T3-2): el archivo del inicio define las reglas.
💡 Por qué esto sobrevive a la moda
Las modas de la IA van y vienen, pero texto y texto. Tu memoria en archivos .md se abre en cualquier editor, entra en Git, migra a cualquier herramienta futura. No quedas a merced de una base de datos propietaria ni de un formato que solo entiende una empresa. «Sobrevive porque es solo texto.»
¿Eres nuevo aquí? Filesystem y es simplemente el sistema de archivos de tu computadora: carpetas y archivos. SQLite y una base de datos que cabe en un solo archivo. FTS5/BM25 son el mecanismo de «búsqueda de texto completo» de SQLite y la fórmula que ordena los resultados por relevancia (búsqueda por palabra). Un base de datos vectorial y una alternativa que busca por significado en vez de una palabra — útil cuando no recuerdas el término exacto.
Conceptos clave
Texto legible en el disco; todo lo demás se deriva de ellos.
Índice de búsqueda por palabra; un atajo descartable y reconstruible.
Se lee al inicio de la sesión; indica dónde vive cada cerebro.
Búsqueda por significado, alternativa o complemento a FTS5.
Autoevaluación (opcional): en el modelo de este curso, ¿qué significa "cerebros"?
🎯 Resumen del módulo
Concluiste Anatomía (Trilha 3):
Canales · Identidad · Herramientas · Skills · Agentes · Cerebros. Las 6 capas que convierten un chat en un asistente que ve, recuerda y actúa. Siguiente: en la Ruta 4 unirás todo esto en una arquitectura y construirás.