Cómo he revolucionado mi "segundo cerebro" en Obsidian con Inteligencia Artificial (y sin programar nada)
Como muchos de vosotros sabéis, mi vida se reparte entre la docencia en el Conservatorio Superior de Música de Aragón, la colaboración con orquestas y la creación de contenido. Gestionar toda la información, las ideas para vídeos, la investigación para mi doctorado y las notas para mis clases es un desafío constante. Mi herramienta principal para organizar este caos creativo es Obsidian, mi "segundo cerebro".
Sin embargo, hace poco he descubierto una forma de llevar mi flujo de trabajo a un nivel que no imaginaba, integrando la Inteligencia Artificial de una manera sencilla y, lo más importante, sin necesidad de escribir una sola línea de código. ¿El secreto? La combinación de Visual Studio Code y la extensión de Gemini.
En este post, quiero compartir contigo cómo he configurado este sistema y cómo me está ayudando a procesar información y a generar ideas de una forma mucho más rápida y eficiente.
La combinación ganadora: VS Code + Gemini + Obsidian
Quizás te suene extraño usar Visual Studio Code (VS Code), un editor de código para programadores, para gestionar tus notas de Obsidian. La realidad es que VS Code es increíblemente versátil y, gracias a su capacidad para trabajar con carpetas y archivos de texto plano (.md), se convierte en el compañero perfecto para nuestro vault de Obsidian.
La magia realmente sucede cuando instalamos la extensión de Google Gemini para VS Code. Esta extensión nos permite activar un "agente" de chat que no solo responde a nuestras preguntas, sino que puede "hablar" directamente con los archivos de nuestra carpeta de Obsidian.
La configuración es muy simple:
Abre tu carpeta de Obsidian en VS Code: En lugar de abrir Obsidian, simplemente abres la carpeta que contiene todas tus notas (
Tu Vault) con VS Code.Instala la extensión de Google Gemini: Búscala en el mercado de extensiones de VS Code e instálala.
Activa el agente para tu workspace: Con un simple comando, le dices a Gemini que trabaje sobre la carpeta de tu vault.
A partir de este momento, tienes un asistente personal de IA que conoce todo el contenido de tu segundo cerebro.
Instalación de la extensión de Gemini en VS Code
Casos de uso prácticos: Pídele cualquier cosa a tus notas
Aquí es donde todo cobra sentido. Ya no tengo que buscar manualmente entre cientos de notas o releer artículos completos para encontrar una idea. Simplemente le pido al agente de Gemini que lo haga por mí.
Estos son algunos ejemplos de mi día a día:
Creación de nuevas notas: Puedo decirle: "Crea una nota sobre X, basándote en mis notas de la carpeta X". El agente analizará las notas que menciono y creará un nuevo archivo
.mdcon un borrador inicial.Relacionar ideas: A menudo le pregunto: "¿Qué conexiones existen entre mis notas sobre la pedagogía de X y la preparación mental para audiciones?". Gemini me ofrece una síntesis de las sinergias entre conceptos que quizás yo había pasado por alto.
Sintetizar reuniones o clases: Después de una reunión, simplemente pego la transcripción y le pido: "Resume los puntos clave y las tareas pendientes de este texto".
El "superpoder": Procesamiento automático de documentos
Pero la función que realmente me ha dejado impresionado es la capacidad de procesar documentos en bloque. Tengo una carpeta donde guardo artículos científicos, transcripciones de entrevistas o capítulos de libros en formato .txt.
Te dejo a continuación el Prompt mágico que he utilizado para procesar estos documentos:
Actúa como un experto asistente de investigación académica. Tu misión es procesar de forma sistemática los documentos de texto que se encuentran en la carpeta de entrada especificada (@workspace). Sigue estas instrucciones al pie de la letra para cada documento:
1. **VERIFICACIÓN DE DUPLICADOS**: Antes de procesar un archivo, comprueba si ya existe una nota con contenido o título similar en la carpeta de destino: '[RUTA A TU CARPETA DE NOTAS PROCESADAS]'. Si encuentras un duplicado, ignora el archivo de la carpeta de entrada y continúa con el siguiente.
2. **PROCESAMIENTO DE NUEVOS ARCHIVOS**: Si el archivo es nuevo y no existe un duplicado, realiza las siguientes acciones:
* **ENRIQUECIMIENTO DE METADATOS**: Busca en Internet el artículo original para encontrar su DOI (Digital Object Identifier). Añade este dato en el frontmatter YAML de la nota, bajo la propiedad `DOI:`.
* **COMPLETAR LA ESTRUCTURA**: Rellena de forma exhaustiva las siguientes secciones de la nota basándote en el contenido del texto. Si una sección no se puede completar con la información disponible, indícalo explícitamente.
## Resumen
[Inserta aquí un resumen conciso del estudio.]
## Metodología
[Describe la metodología utilizada en la investigación: muestra, variables, procedimiento, etc.]
## Conclusiones Principales
[Enumera las conclusiones más importantes del estudio.]
## Limitaciones del Estudio
[Identifica las limitaciones mencionadas por los autores.]
## Futuras Líneas de Investigación
[Resume las sugerencias de los autores para futuras investigaciones.]
## Citas Clave
[Extrae 2-3 citas textuales que consideres muy relevantes.]
3. **GENERACIÓN DE CONEXIONES (ZETTELKASTEN)**: Crea una sección final titulada `## Conexiones con Otras Notas`. Para ello, compara este nuevo artículo con TODAS las demás notas existentes en la carpeta '[RUTA A TU CARPETA DE NOTAS PROCESADAS]'.
* **Identifica y clasifica** las relaciones basándote en los siguientes criterios:
* **Apoyo/Similitud**: Las conclusiones son complementarias, se basan en modelos teóricos similares o usan metodologías parecidas con resultados consistentes.
* **Refutación/Contradicción**: Las conclusiones son opuestas, se critica la metodología del otro o los hallazgos entran en conflicto directo.
* **Genera la lista de enlaces** en formato Wikilink de Obsidian (`[[nombre del archivo]]`), incluyendo una justificación concisa para cada relación. Utiliza la siguiente estructura:
### Artículos con Tesis Similares o de Apoyo
- [[nombre_del_archivo_relacionado]]: Justificación concisa de la relación.
### Artículos con Tesis Contradictorias o de Refutación
- [[nombre_del_archivo_opuesto]]: Justificación concisa de la relación.
Procede a ejecutar esta tarea para todos los archivos de la carpeta de entrada.
El resultado es asombroso. En cuestión de minutos (u horas, dependiendo de la cantidad de archivos que tenga que procesar), el agente realiza un trabajo que a mí me llevaría horas. Me crea documentos perfectamente formateados en Markdown, listos para ser utilizados en Obsidian, con sus respectivos resúmenes y, lo más increíble, sugiriendo enlaces a otras notas de mi vault. Esto no solo me ahorra un tiempo valiosísimo, sino que enriquece mi base de conocimiento de forma proactiva.
Ejemplo de una nota procesada a través de Gemini en VS Code
Conclusión: Una nueva era para la gestión del conocimiento
Integrar la IA de esta manera en mi flujo de trabajo con Obsidian ha sido un cambio radical. Me permite centrarme en lo que de verdad importa —generar ideas, preparar mis clases, investigar— y delegar la parte más tediosa del procesamiento de información.
Si eres usuario de Obsidian y buscas optimizar tu tiempo y potenciar tu capacidad para conectar ideas, te animo a que pruebes esta combinación. Es una forma accesible y extremadamente poderosa de poner la Inteligencia Artificial a trabajar para ti, convirtiendo tu segundo cerebro en un sistema mucho más dinámico e inteligente.
¿Y tú? ¿Utilizas alguna herramienta de IA con Obsidian? ¡Me encantaría leer tus ideas y experiencias en los comentarios!