Contexto
Me crucé con un video sobre "context engineering" para agentes de IA — el tipo argumenta que en 2026 el modelo no importa, lo que importa es la infraestructura de contexto alrededor. Internal context (CRM, Notion, Slack, Granola), external context (social, noticias), un sistema de memoria estilo Obsidian que sintetiza raw → belief → memoria, y skills encima.
El video como pieza es slop. Cinco minutos de pizarra blanca, cero código, cero recibos, dos plugs comerciales. Pero el huesito que tiene es real, y vale la pena rescatarlo porque conecta dos mundos que llevo años cargando por separado: el código que escribo con Claude y los sistemas de seguridad/IoT que diseñé durante 15 años antes de que existiera todo esto.
La frase resumen: data sin contexto no sirve. La conozco. Solo que la conocía desde el lado equivocado.
Lo que sí se rescata del video
El esqueleto que el tipo dibuja no es nuevo, pero es portable:
- Contexto interno. Lo que la organización genera y posee.
- Contexto externo. Lo que pasa afuera y la organización no controla.
- Capa de memoria. Algo que toma el flujo crudo y lo convierte en piezas reusables.
- Belief check. Antes de promover algo a "memoria", verificar que se repite — no aceptar oneshots como verdad.
- Skills encima. Capacidades específicas que consultan la memoria, no el flujo crudo.
Lo importante no es la stack que él vende (Capacities, Triggerfy, Hermes). Es el patrón: nada producido por una fuente entra directo al output. Todo pasa por una capa que filtra, etiqueta, repite y consolida.
Aplicación 1: código
Esta parte ya la vivo todos los días. Es exactamente el patrón que tiene este repo:
CLAUDE.md+wiki/+segundo-cerebro/son contexto interno.segundo-cerebro/research/creadores-claude-code/y los logs del cronmorningson contexto externo.wiki/logs/es la memoria sintetizada — sesión por sesión, decisiones tomadas y archivos modificados.- Los
skills/son las capacidades encima.
Sin esa capa, Claude produce slop. Con esa capa, produce código que respeta el patrón del repo y entrega cambios quirúrgicos. Es la misma diferencia que el video promete pero con una arquitectura local, sin SaaS de por medio.
El "belief check" del video también ya existe en este repo, aunque no lo había nombrado así: la regla 4 del CLAUDE.md dice "conflictos se nombran, no se promedian". Eso es belief check manual — no promover algo a memoria hasta que se repite y se confirma.
Aplicación 2: sistemas de seguridad e IoT
Aquí está la conexión que el video no hace y a mí me importa hacer.
Vengo del mundo de instalaciones de seguridad y control. Cámaras, sensores de movimiento, control de acceso, alarmas, panic buttons. La intuición universal del cliente es: "más cámaras = más seguridad". Cualquiera que haya instalado un sistema sabe que es falso. Una cámara 4K grabando 24/7 sin nadie viéndola produce 30 TB de evidencia que se pierde el día que importa.
El cuello de botella nunca fue el sensor. Fue la capa de arriba — la que decide qué cuenta como evento, qué se ignora, qué se recuerda y qué dispara una acción. Exactamente la misma capa que el video describe para agentes de IA.
Mapeo directo:
| Capa del video (agentes) | Equivalente en seguridad/IoT |
|---|---|
| Contexto interno | Cámaras del local, sensores propios, registro de accesos, horario de empleados |
| Contexto externo | Alertas vecinales, clima, eventos públicos cercanos, reportes de zona |
| Raw data | Stream de video, eventos del PIR, lecturas del lector de tarjetas |
| Belief check | Tres detecciones del mismo patrón antes de marcarlo como amenaza real (no oneshots) |
| Memoria | Patrones del local: quién entra a qué hora, qué movimientos son normales, qué no |
| Skills | Disparar alarma, llamar al guardia, abrir compuerta, mandar SMS al dueño |
El sistema de seguridad serio nunca fue "cámaras + grabación". Siempre fue contexto + memoria + reglas. Lo que cambia con IA es que la capa de contexto ahora se puede construir con modelos de lenguaje en vez de con reglas hardcoded del DVR de la marca X.
Lo que se integra ahora
Lo interesante de 2026 — y por eso vale la pena escribir esto — es que la arquitectura que el video pinta para agentes de contenido es transferible 1:1 a un sistema de seguridad moderno. Y ese es producto que puedo ofrecer, no solo teoría.
Tres piezas que ya tengo separadas y que toca integrar:
- El stack de procesos. n8n + Make + Claude para el flujo de eventos. Ya lo uso para automatizaciones de PyME.
- El stack de seguridad/IoT. Cámaras IP, sensores Z-Wave, controladores, integración con paneles existentes. Stack viejo que conozco bien.
- La capa de contexto. El patrón del repo — internal/external/memoria/skills — aplicado a un local físico, no a una bandeja de Gmail.
El producto que sale de juntar las tres no es "cámaras con IA" como lo vende cualquier integrador. Es un sistema que sabe qué es normal en ese local, qué se ignora, qué se recuerda y qué se escala. Es el equivalente al Radar Semanal pero para un negocio físico: un correo matutino al dueño con "anoche entró el de la limpieza a las 3am como cada miércoles; a las 4:12 hubo movimiento en bodega que no calza con ninguna rutina conocida — revisa el clip".
Lo que no estoy haciendo todavía
Honestidad: hoy no tengo este producto armado. Tengo las tres piezas por separado:
- El stack de procesos lo cobro como Chief Automation Officer externo.
- El stack de seguridad lo dejé en pausa cuando pivoteé a NoCode/IA hace 4 años.
- La capa de contexto la tengo viva pero solo para este sitio y para clientes de PyME.
Lo que el video me destrabó — más allá de su slop — fue ver que las tres piezas tienen la misma arquitectura. Hasta hoy las pensaba como tres negocios distintos. Son uno solo con tres entradas de datos diferentes.
Aprendizaje clave
El cuello de botella nunca es la fuente de datos. Es la capa que decide qué cuenta como señal. Eso aplica para cámaras hace 20 años, para LLMs hoy y para cualquier sistema agentic que valga la pena cobrar. La data sin contexto no es información — es ruido caro de almacenar.
El siguiente paso es claro: convertir esto en una oferta. Una página /sistemas/seguridad-con-contexto o algo similar, con el mismo molde que /sistemas/plugin (catálogo técnico) — internal context, external context, memory, skills — pero traducido a vocabulario de dueño de local que sufre falsas alarmas y cámaras que nadie ve. Eso entra al backlog. Hoy queda el log.