AI Context Kit: un repositorio Git con Markdown en lugar de copiar el contexto en ChatGPT y Claude

Una situación conocida: el equipo de producto diseña en una IA, realiza la auditoría en otra y, a veces, pasa una misma tarea por varios servicios para comparar los resultados. Cada vez hay que volver a explicar qué producto es, qué restricciones tiene y qué decisiones se han tomado. Si algo cambia en un chat, los demás siguen trabajando con una versión antigua de la realidad.

El autor del artículo publicado en Habr propone una solución sencilla: no copiar el contexto entre plataformas, sino mantenerlo en un solo lugar. Así nació AI Context Kit, un conjunto abierto de plantillas para un repositorio Git.

Como funciona

AI Context Kit no es un servidor, ni un MCP, ni una plataforma de IA independiente. Es una estructura de carpetas y un conjunto de reglas para trabajar con ella. En la raíz se encuentra PROJECTS.md, el registro de proyectos. Para cada proyecto se crea una carpeta con tres archivos:

• PROJECT.md: información relativamente estable, como los objetivos, la audiencia, los límites y las restricciones.
• CONTEXT.md: la parte más dinámica, donde se registran las decisiones adoptadas, los resultados, las cuestiones pendientes y los siguientes pasos.
• INSTRUCTIONS.md: reglas para la propia IA. Explican cómo utilizar los documentos, cuándo proponer cambios y cómo acordarlos con el usuario.

La separación no es casual. Los objetivos pueden permanecer sin cambios durante meses, mientras que las decisiones se actualizan cada semana. Así es posible editar el estado actual sin reescribir la descripción de todo el proyecto.

Un ejemplo practico

En la demostración se crea un proyecto llamado product-launch, un servicio para planificar tareas personales. El concepto de la interfaz se desarrolla en ChatGPT conectando el repositorio de GitHub e indicando el directorio correspondiente en Project Instructions. Se toma una decisión: la pantalla principal muestra las tareas de hoy y el calendario queda como una vista adicional. La decisión se registra en CONTEXT.md.

Después, la auditoría se realiza en Claude. Se conecta el mismo repositorio y se le pide que lea la versión actual de CONTEXT.md. Claude ve la decisión sobre la pantalla principal y empieza a trabajar con ella de inmediato, sin necesidad de resumir la conversación de ChatGPT. Un detalle importante: el contexto compartido no incluye toda la correspondencia, sino únicamente las decisiones y la información necesaria para las etapas siguientes.

Donde falla el enfoque

El autor enumera con franqueza las limitaciones. En primer lugar, no hay sincronización automática. Algunos servicios ofrecen una integración incorporada con GitHub o MCP, mientras que en otros los archivos deben transferirse manualmente. En segundo lugar, las instrucciones en Markdown no garantizan que el modelo lea todos los archivos ni cumpla todas las reglas, por lo que conviene comprobar qué contexto utilizó realmente.

También existe el riesgo de conflictos: si dos IA editan CONTEXT.md al mismo tiempo, se pueden perder cambios. Para evitarlo, se propone comprobar la versión del archivo antes de escribir, por ejemplo mediante el SHA, si la integración admite escrituras condicionales. Los cambios solo se guardan después de recibir la aprobación de una persona.

La seguridad merece una mención aparte. Los proyectos no públicos requieren repositorios privados, y los secretos no deben almacenarse en ellos. Las carpetas no aíslan los permisos, por lo que es mejor distribuir los proyectos con distintos niveles de acceso entre repositorios diferentes.

Que hacer con esto

La idea no es revolucionaria, pero sí práctica: el contexto vive en Git y no en la memoria de un servicio concreto. Se obtiene un historial de cambios, revisión de modificaciones e independencia del proveedor. Para los equipos que ya utilizan varios modelos, es una forma económica de eliminar el copiado manual.

Se puede empezar poco a poco: crea un repositorio, traslada allí los objetivos del proyecto y la lista de decisiones adoptadas, y conéctalo a tus dos herramientas de IA principales. La condición clave para el éxito no es tecnológica, sino disciplinaria. Si una decisión no llega a CONTEXT.md, la siguiente IA no la conocerá. El contexto se mantiene actualizado exactamente en la medida en que se actualiza con cuidado.