Andrej Karpathy acaba de respaldar uno de los experimentos de IA más interesantes del año: Farzapedia — un Wikipedia personal construido a partir de 2.500 entradas de diario, Apple Notes y conversaciones de iMessage, organizado automáticamente en 400 artículos wiki detallados.

Pero la emoción de Karpathy no era por la novedad. Era por la arquitectura. Lo llamó un enfoque superior para la personalización de IA, y su razonamiento importa para cualquiera que piense en cómo construir un flujo de trabajo de IA eficaz.

El problema con la “memoria de IA”

La mayoría de los productos de IA hoy prometen que tu asistente de IA “mejora cuanto más lo usas”. Tus conversaciones se analizan, se detectan patrones, y la IA construye silenciosamente una comprensión de quién eres.

¿El problema? Es una caja negra.

No puedes ver qué cree saber la IA sobre ti. No puedes corregir suposiciones equivocadas. No puedes compartir tu contexto de conocimiento con otra herramienta de IA. Y cuando cambias de proveedor, empiezas desde cero.

Karpathy identificó tres propiedades que hacen que un wiki personal sea fundamentalmente mejor:

Explícito: Puedes ver exactamente qué sabe o no sabe la IA sobre ti. El conocimiento es visible, navegable y editable — no está enterrado dentro de un modelo opaco.
Portátil: Los datos son tuyos. Son solo archivos. Puedes moverlos entre herramientas, hacer copias de seguridad o compartir partes con otros.
Componible: Diferentes herramientas de IA pueden leer la misma base de conocimiento. Tu investigación no pertenece a ChatGPT ni a Claude — te pertenece a ti.

Del diario al Wikipedia — y de la web al Wikipedia

Farzapedia comenzó con notas personales. Pero el conocimiento de la mayoría de las personas no vive en sus diarios — vive en las páginas web que leen cada día.

Piénsalo: artículos que has investigado, páginas de productos que has comparado, documentación que has consultado, tutoriales que has seguido. Ese es tu conocimiento de trabajo, disperso en cientos de pestañas del navegador y marcadores que eventualmente se olvidarán.

¿Y si pudieras convertir todo eso en tu propio Wikipedia personal?

Construir tu Wiki LLM en la práctica

El enfoque es sencillo:

1. Capturar todo lo que vale la pena recordar

En lugar de poner páginas en favoritos (que nunca volverás a visitar), conviértelas en Markdown limpio y estructurado mientras navegas. Esto preserva el contenido real — no solo una URL que podría romperse o cambiar.

Con Save, cada página web se convierte en un archivo Markdown con un clic. La IA extrae el contenido significativo, elimina el ruido y lo estructura para uso a largo plazo.

2. Organizar en bases de conocimiento

Al igual que Wikipedia tiene categorías, tu wiki personal necesita estructura. Agrupa tus páginas guardadas en bases de conocimiento por tema:

Save Vault/
  React Research/
  Competitor Analysis/
  Product Design/
  Industry Trends/
  Cooking/

Cada base de conocimiento se convierte en una categoría de tu enciclopedia personal.

3. Hacerlo consultable por IA

Aquí es donde se vuelve poderoso. Cuando tu wiki personal está estructurado como archivos Markdown en una carpeta local, los asistentes de IA pueden buscarlo y referenciarlo directamente.

Con Save Vault y su servidor MCP integrado, Claude puede:

Buscar en todas tus páginas guardadas
Leer cualquier artículo completo
Cruzar información entre diferentes bases de conocimiento
Responder preguntas fundamentadas en tu conocimiento curado, no en datos de entrenamiento genéricos

Cuando le haces una pregunta a Claude, primero revisa tu wiki personal. Si guardaste la semana pasada un artículo comparando arquitecturas de bases de datos, Claude referenciará ese artículo específico en lugar de darte una respuesta genérica.

4. Dejar que se capitalice

La magia real está en la capitalización. Cada página que guardas hace tu wiki personal más completo. A lo largo de semanas y meses, construyes una base de conocimiento que ninguna IA podría replicar desde cero — porque refleja tus intereses específicos, tu historial de investigación y tu contexto profesional.

Esto es lo que Karpathy quiere decir con “personalización explícita”. No es una IA que adivina lo que te importa a partir de patrones de conversación. Es un cuerpo de conocimiento estructurado, visible y editable que construiste intencionalmente.

Por qué Markdown es el formato correcto

El énfasis de Karpathy en la propiedad de los datos no es accidental. El formato importa.

Markdown es universal: Todas las herramientas de IA pueden leerlo. No está bloqueado en ninguna plataforma.
Markdown es legible por humanos: Puedes abrir cualquier archivo en cualquier editor de texto y leerlo.
Markdown tiene control de versiones: Puedes rastrear cambios a lo largo del tiempo con Git.
Markdown es ligero: Miles de artículos ocupan casi nada de espacio en disco.

Por eso herramientas como Obsidian, Claude Code y Save hablan Markdown de forma nativa. Es la lingua franca de la pila de conocimiento nativa para IA.

El flujo de trabajo del Wikipedia personal

Aquí está el flujo de trabajo completo en la práctica:

Navega por la web normalmente. Cuando encuentres algo que vale la pena guardar, haz clic en Save.
Save lo convierte a Markdown — limpio, estructurado, con metadatos preservados.
Save Vault lo almacena localmente en tus carpetas de base de conocimiento.
Claude lee tu vault via MCP cuando haces preguntas, fundamentando las respuestas en tu conocimiento guardado.
Tu wiki crece automáticamente con cada página que guardas.

Sin configuración. Sin base de datos. Sin suscripción a una plataforma de gestión del conocimiento. Solo archivos Markdown en tu computadora, accesibles para cualquier herramienta de IA que elijas.

De consumidor a creador de conocimiento

El concepto Wiki LLM de Karpathy representa un cambio en cómo pensamos sobre la personalización de IA. En lugar de ser consumidores pasivos de IA — alimentando nuestros datos a sistemas opacos y esperando que aprendan — nos convertimos en curadores activos de nuestro propio conocimiento.

Tu Wikipedia personal es explícito, portátil y te pertenece. Y hace que cada interacción con IA sea mejor porque la IA trabaja con tu conocimiento, no solo con sus datos de entrenamiento.

La estrategia de IA más inteligente para 2026 no es usar un modelo más inteligente. Es construir una base de conocimiento más inteligente.

Save convierte cualquier página web en Markdown limpio y la almacena en tu base de conocimiento local. Combinado con el servidor MCP de Save Vault, Claude puede buscar y referenciar directamente tu conocimiento guardado. Prueba Save gratis.