Convierten Codex en un asistente personal con memoria en Markdown, Git y Telegram

Habr AI ha publicado un caso detallado sobre cómo Codex pasó de ser un agente de programación a un asistente personal con memoria a largo plazo. En lugar de bases de datos vectoriales y un RAG complejo, el autor montó un sistema controlable con Markdown, Git, roles, automatizaciones y fuentes externas como Telegram y Anki.

Por qué no RAG

El autor parte de un problema sencillo: un chat de IA corriente responde bastante bien en el momento, pero casi no sabe vivir en el tiempo. Cada conversación nueva pierde parte del contexto, distingue mal entre hechos estables, notas temporales e hipótesis, y la personalización queda encerrada dentro de un hilo concreto. Para un asistente personal eso no basta, porque no solo debe reaccionar a una pregunta, sino también recordar hábitos, objetivos, el historial de decisiones y escenarios recurrentes.

En lugar de la pila habitual con embeddings, base vectorial y GraphRAG, eligió una opción más transparente: una jerarquía de archivos Markdown en Git. Según él, este enfoque funciona mejor con un corpus de conocimiento pequeño o mediano que se pueda organizar en una estructura clara. Los archivos son legibles para las personas, fáciles de versionar, no esconden la lógica de búsqueda en una caja negra y obligan a pensar no solo en la recuperación, sino también en la disciplina de almacenamiento. La idea central del artículo: en la memoria personal importan más la arquitectura y las reglas que la última tecnología de moda.

Cómo está construido Jarvis

Jarvis se apoya en un repositorio dividido en varias capas: profile para la información estable del usuario, areas para los principales ámbitos de la vida, events para la cronología, preferences para restricciones y patrones, roles para los modos de respuesta, skills para procedimientos locales, assets para fuentes externas e inbox para el material en bruto. Lo importante no son las carpetas, sino que al agente se le impone un comportamiento estricto: primero buscar el contexto relevante, luego responder y, si hace falta, actualizar la memoria sin ensuciar todo el sistema.

El valor práctico se ve en escenarios concretos que el autor ya ha conectado con Codex:

• un rol de profesor de inglés que se apoya en el historial de clases y sabe trabajar con AnkiConnect
• un repaso diario de descuentos en tiendas y la composición de una dieta económica para ganar masa
• una reconstrucción semanal del plan deportivo según la carga actual y la recuperación
• resúmenes breves de tareas, decisiones pendientes y balances personales de la semana
• conexión de archivos de Telegram, donde ya se han acumulado casi 300 mil mensajes y más de 3 mil mensajes de voz

Se hace especial hincapié en los roles y las automatizaciones. Un mismo agente puede actuar como asistente de contexto para la vida, analista, operador de procedimientos rutinarios o asistente de bienestar. Así, las respuestas dejan de ser genéricas y se ajustan a las tareas reales del usuario.

Telegram no se usa aquí como un almacén infinito de datos en bruto, sino como fuente para normalizar: los mensajes se indexan por año, los audios se transcriben y, a partir de los diálogos, se actualizan fichas de personas y síntesis generales. Sin esa capa de limpieza, la memoria se convierte enseguida en un vertedero, y unos permisos de escritura demasiado amplios empiezan a generar ruido y duplicados.

«Cada subagente es como un pulpo en su propio acuario».

Qué significa

El artículo muestra bien hacia dónde se desplaza hoy el foco práctico en torno a los agentes de IA. En asistentes personales y escenarios de trabajo con Copilot no ganará quien simplemente tenga el modelo más potente, sino quien mejor diseñe la memoria, los roles, los límites de acceso y el coste de mantenimiento. Si esa capa se hace transparente y barata de mantener, incluso un agente de programación corriente puede empezar a funcionar como un ayudante digital realmente útil, sobre todo donde es crítico recordar a la persona y no perder contexto entre sesiones. Eso es lo que hace práctico el enfoque.