Pipeline de puntuación de señales: triaje determinístico del conocimiento

La mayor parte de la gestión del conocimiento funciona por intuición. Guardas una nota porque “parece importante”. Seis meses después tienes 7.000 notas y ni idea de cuáles importan. Construí un pipeline de puntuación determinístico que me lo dice. Este artículo forma parte del territorio de la infraestructura del gusto, donde el juicio subjetivo se codifica en sistemas determinísticos.

Un pipeline de puntuación de señales reemplaza el triaje subjetivo de notas por una puntuación compuesta ponderada de relevancia, accionabilidad, profundidad y autoridad. Cada nota entrante recibe una calificación de 0,0 a 1,0 y se enruta automáticamente a una carpeta de dominio, a una cola de revisión manual o al vacío. Más de 7.700 notas procesadas en 14 meses sin necesidad de etiquetar nada a mano.

El sistema tiene 733 líneas de Python. Puntúa cada señal entrante en cuatro dimensiones ponderadas, calcula una puntuación compuesta y enruta la señal a una de 12 carpetas de dominio, a una bandeja de entrada para revisión manual o al vacío. Sin etiquetado manual. Sin ese “lo reviso después” que nunca llega. El algoritmo decide.

TL;DR

Una puntuación compuesta ponderada (relevancia 35%, accionabilidad 30%, profundidad 20%, autoridad 15%) produce una calificación de 0,0 a 1,0 para cada señal. El enrutamiento usa tres umbrales: con >= 0,55 se escribe automáticamente en una carpeta de dominio, con >= 0,30 pasa a la cola de revisión manual y con < 0,30 se omite en silencio. Más de 7.700 notas procesadas en 14 meses, con Development (2.837) y Design (1.709) dominando la distribución. La falla más interesante: la dimensión de profundidad mide la riqueza de los metadatos, no la calidad del contenido, así que un tweet bien etiquetado sobre una foto de flores obtiene 0,85.


El problema de la intuición

Uso Obsidian como base de conocimiento (la configuración completa está en la guía de Obsidian). Las señales llegan de feeds RSS, marcadores de Twitter, estrellas de GitHub, newsletters y captura manual. Antes del pipeline, todas las señales iban a una única carpeta de bandeja de entrada. En dos meses se acumularon más de 400 notas sin procesar.

El consejo habitual (“revisa cada semana, etiqueta sobre la marcha, usa un sistema de carpetas”) da por hecho que la revisión ocurre. No ocurre. Las bandejas de entrada se vuelven de solo escritura: los elementos entran pero nunca salen. El conocimiento que capturaste es, en la práctica, idéntico al que nunca capturaste. Clay Shirky planteó el problema con precisión: “It’s not information overload. It’s filter failure.”8

Necesitaba un sistema capaz de evaluar más de 7.700 notas más rápido de lo que yo puedo leerlas, con criterios que defino una vez y aplico de manera uniforme. No un motor de recomendaciones. Un algoritmo de puntuación.


La puntuación compuesta

La fórmula de puntuación es una combinación lineal ponderada de cuatro dimensiones, un enfoque estándar en el análisis de decisión multicriterio (MCDA):9

composite = (
    relevance     * 0.35 +
    actionability * 0.30 +
    depth         * 0.20 +
    authority     * 0.15
)

Cada dimensión produce un float entre 0,0 y 1,0. La fórmula redondea la puntuación compuesta a tres decimales. Los pesos reflejan un orden de prioridad deliberado: lo que me importa (relevancia) pesa más que lo que puedo usar (accionabilidad), que pesa más que qué tan ricos son los metadatos (profundidad), que a su vez pesa más que qué tan confiable es la fuente (autoridad).1

Consideré y descarté dos dimensiones adicionales. La actualidad (las señales más nuevas puntúan más alto) quedó fuera porque la gestión del conocimiento no es un feed de noticias: un ensayo de 2019 sobre diseño de APIs no vale menos que uno de 2026. La prueba social (likes, retweets, estrellas) quedó fuera porque la popularidad se correlaciona con el atractivo, no con la utilidad para mi flujo de trabajo concreto. Cuatro dimensiones bastan para enrutar las señales con precisión. Agregar más aumentaría la complejidad del ajuste sin mejorar de forma apreciable la calidad del enrutamiento.


Las cuatro dimensiones

Relevancia (35%): coincidencia de intereses

La relevancia responde una sola pregunta: ¿esta señal tiene que ver con algo que me importa? Un diccionario de palabras clave curado a mano, con 43 entradas, asigna a cada interés una puntuación que va de 0,15 (nft: apenas relevante, pero quiero ver qué está pasando) a 1,0 (claude code, swiftui: centrales en mi trabajo diario). La puntuación combina la mejor coincidencia con el promedio de todas las coincidencias:

# 60% best match, 40% average of all matches
return min(1.0, best_score * 0.6 + avg_score * 0.4)

Los elementos sin coincidencias reciben una línea base de 0,25, no de 0,0. El sistema penaliza un tema desconocido con menos dureza que uno irrelevante. La línea base es el parámetro que más veces he ajustado: si es demasiado alta, el contenido irrelevante inunda la bandeja de entrada; si es demasiado baja, los intereses realmente nuevos se filtran antes de que yo llegue a verlos.2

Accionabilidad (30%): potencial de aprendizaje

La accionabilidad responde: ¿puedo hacer algo con esto? Un ensayo teórico sobre la arquitectura de SwiftUI es relevante, pero no accionable. Un tutorial que explica paso a paso cómo construir un componente de SwiftUI es ambas cosas. La dimensión busca coincidencias con 22 palabras clave orientadas a la acción: tutorial, guide, how-to, build, github.com. Las URLs reciben un trato especial:

if "github.com" in url:
    hits += 2  # Repositories are inherently actionable
if "/docs" in url or "/tutorial" in url:
    hits += 1

La puntuación sigue una función escalonada, no lineal: 0 coincidencias → 0,10, 1 coincidencia → 0,40, 2 coincidencias → 0,60, 3+ coincidencias → min(1.0, 0.70 + hits * 0.05). La función escalonada premia la presencia de señales de accionabilidad más que su cantidad. Un solo enlace a un tutorial vale más que la diferencia entre tres y cuatro palabras clave.3

Profundidad (20%): riqueza de metadatos

La profundidad es puramente estructural. Mide la presencia y longitud de los campos, no la calidad del contenido:

Señal Puntuación
Tiene título +0,20
Tiene descripción +0,20
Descripción > 50 caracteres +0,15
Descripción > 150 caracteres +0,15
Tiene alguna etiqueta +0,15
Tiene 3+ etiquetas +0,10
Tiene URL +0,05
Máximo 1,00

La profundidad es la dimensión en la que menos confío. Un tweet sobre una foto de flores con una descripción completa y cuatro etiquetas obtiene una profundidad de 0,85. Metadatos ricos, contenido irrelevante. La profundidad funciona como indicador de que “la fuente proporcionó datos estructurados”, algo que se correlaciona con la calidad pero no la garantiza.4

Autoridad (15%): credibilidad de la fuente

La autoridad parte de una línea base de 0,40 y se ajusta según el tipo de fuente:

if source in ("twitter", "x"):        score = 0.50
elif source in ("blog", "newsletter"): score = 0.60
elif source in ("github", "docs"):     score = 0.70

Una lista de dominios permitidos ajusta el valor hacia arriba (nunca hacia abajo): github.com, anthropic.com, apple.com, arxiv.org, docs.python.org y otros fijan la autoridad en al menos 0,75. La lista codifica el juicio de que estas fuentes merecen, por defecto, más confianza.


Enrutamiento por umbrales

Tres rangos de enrutamiento determinan qué pasa con cada señal puntuada:

THRESHOLD_AUTO_WRITE = 0.55   # → domain folder
THRESHOLD_INBOX      = 0.30   # → 00-Inbox (manual review)
# Below 0.30 → silently skipped

El pipeline escribe las señales con puntuación >= 0,55 directamente en una de 12 carpetas de dominio, inferida a partir de la coincidencia de etiquetas y título. Las señales de rango medio (0,30 a 0,55) van a una bandeja de entrada para revisión manual. Nada por debajo de 0,30 llega al vault. El umbral de 0,55 surgió de un ajuste empírico: con 0,50, demasiadas señales apenas relevantes se enrutaban automáticamente a las carpetas de dominio y diluían su utilidad. Con 0,60, la bandeja de entrada crecía demasiado porque las señales de utilidad dudosa se quedaban sin enrutamiento automático. El piso de 0,30 garantiza que cualquier señal bien estructurada de un tipo de fuente conocido llegue al menos a la bandeja de entrada para revisión humana.

El rango de 0,30 a 0,55 es la “zona ambigua”, donde el sistema tiene menos confianza. Un flag opcional --llm-triage envía estas señales a Claude para que las evalúe, y Claude puede ajustar la puntuación compuesta hasta ±0,20, lo que puede mover una señal por encima del umbral de escritura automática. Claude solo ve señales ambiguas, nunca las de puntuación alta o baja. Gastar tokens de API en señales que el puntuador determinístico ya resolvió sería un desperdicio.5

La inferencia de dominio usa un sistema de votación. Cada etiqueta corresponde a un dominio y cada palabra clave del título suma un voto. Gana el dominio con más votos. Los empates se resuelven por el orden del dict (en la práctica, arbitrario). Valor por defecto: “Inspiration”.


Los resultados

Después de más de 7.700 notas procesadas en 14 meses:

Dominio Notas % del total
Development 2.837 36,8%
Design 1.709 22,2%
Inspiration 565 7,3%
Claude-Code 414 5,4%
AI-Tools 414 5,4%
Productivity 346 4,5%
Ideas 296 3,8%
Science 231 3,0%
Health-Life 191 2,5%
Architecture 142 1,8%
Startups 26 0,3%
Tools 22 0,3%
Bandeja de entrada 420 5,5%
Omitidas en silencio (< 0,30) ~87 ~1,1%

Las filas de la tabla suman 7.613 señales enrutadas. Los ~87 elementos restantes (con puntuación por debajo del umbral de 0,30 de la bandeja de entrada) se omitieron en silencio, con lo que el total procesado supera las 7.700. La distribución refleja la realidad: consumo más contenido de desarrollo y diseño que de cualquier otra cosa. Los elementos de la bandeja de entrada (420) representan la zona ambigua, señales que el algoritmo no pudo enrutar automáticamente con confianza.6


Lo que el algoritmo hizo mal

La trampa de la profundidad

Un tweet con fotos de nemófilas obtuvo composite 0.36, relevance 0.25, actionability 0.10, depth 0.85, authority 0.50. Fue a la bandeja de entrada porque la profundidad (0,85) y la autoridad (0,50) compensaron una relevancia y una accionabilidad casi nulas. Metadatos ricos, contenido irrelevante: una bonita foto de flores.

El ejemplo ilustra la limitación fundamental de puntuar con metadatos como indicador. La profundidad mide que “la fuente proporcionó datos estructurados”, no que “el contenido es valioso”. Twitter proporciona descripciones completas y etiquetas para cada tweet. Un tweet bien etiquetado sobre un desayuno obtiene una profundidad de 0,85. La investigación en recuperación de información llama a esta tensión de fondo el compromiso entre precisión y exhaustividad: optimizar la exhaustividad (capturar todo lo relevante) inevitablemente deja pasar falsos positivos.10

La corrección que consideré y descarté: reducir el peso de la profundidad de 0,20 a 0,10 disminuiría los falsos positivos del contenido irrelevante bien etiquetado, pero también penalizaría el contenido genuinamente profundo de fuentes con metadatos escasos. El peso actual es un término medio. Un enfoque más sofisticado reemplazaría la comprobación estructural de profundidad por una heurística ligera de calidad textual: por ejemplo, contar sustantivos únicos, medir la diversidad del vocabulario con una razón type-token o usar el enfoque de embeddings de topología del conocimiento para medir la distancia semántica respecto de ejemplos conocidos de alta calidad. No lo he implementado porque el sistema actual enruta correctamente el 93% de las señales, y el 7% que llega a la bandeja de entrada para revisión manual es una carga manejable. La dimensión de profundidad es honesta sobre su limitación: mide estructura, no sustancia.

El problema de la línea base de relevancia

Una línea base de 0,25 para la relevancia sin coincidencias significa que cualquier señal bien estructurada de una fuente razonable obtiene al menos 0,30 y termina en la bandeja de entrada. La línea base crea un piso de falsos positivos: la bandeja de entrada acumula señales bien etiquetadas y de fuentes razonables que no tienen nada que ver con mis intereses.

La corrección real: la revisión periódica de la bandeja de entrada sigue siendo necesaria. El pipeline reduce la superficie de revisión de 7.700 elementos a 420 (una reducción de ~95%), pero no puede eliminar la revisión manual de la zona ambigua.


Notas de implementación

El pipeline se ejecuta como herramienta de CLI. La entrada es un array JSON de señales (de RSS, la API de Twitter o captura manual). La salida son archivos markdown compatibles con Obsidian, escritos en carpetas de dominio.

python triage.py --input signals.json --vault ~/obsidian-signals/
python triage.py --input signals.json --vault ~/obsidian-signals/ --llm-triage
python triage.py --input signals.json --min-score 0.60  # Stricter routing

Antes de puntuar se ejecuta un prefiltrado: deduplicación de URLs contra las notas existentes del vault, filtrado de contenido vacío y una lista de bloqueo de fuentes de ruido. Las notas duplicadas y las fuentes de spam nunca llegan a la etapa de puntuación.

Las funciones de puntuación son puras: sin efectos secundarios, sin llamadas a APIs, sin acceso al sistema de archivos. Cada función recibe un dict de señal y devuelve un dict de puntuaciones. Este enfoque puro las hace verificables de forma aislada y combinables con la etapa de triaje por LLM, que solo se ejecuta sobre el subconjunto ambiguo.7

Función mínima de puntuación

La lógica central de puntuación cabe en una sola función. Esta es una versión simplificada que captura el patrón esencial:

def score_signal(signal: dict, keywords: dict[str, float]) -> dict:
    """Score a signal across four weighted dimensions. Returns composite 0.0-1.0."""
    title = signal.get("title", "").lower()
    desc = signal.get("description", "").lower()
    text = f"{title} {desc}"

    # Relevance: best keyword match blended with average
    matches = [v for k, v in keywords.items() if k in text]
    relevance = (max(matches) * 0.6 + sum(matches) / len(matches) * 0.4
                 if matches else 0.25)

    # Actionability: step function based on action keyword hits
    action_words = {"tutorial", "guide", "how-to", "build", "example", "github.com"}
    hits = sum(1 for w in action_words if w in text)
    actionability = {0: 0.10, 1: 0.40, 2: 0.60}.get(hits, min(1.0, 0.70 + hits * 0.05))

    # Depth: metadata richness (structure, not quality)
    depth = sum([
        0.20 if signal.get("title") else 0,
        0.20 if signal.get("description") else 0,
        0.15 if len(desc) > 50 else 0,
        0.15 if len(desc) > 150 else 0,
        0.15 if signal.get("tags") else 0,
        0.10 if len(signal.get("tags", [])) >= 3 else 0,
        0.05 if signal.get("url") else 0,
    ])

    # Authority: source-based baseline
    source = signal.get("source", "").lower()
    authority = {"twitter": 0.50, "blog": 0.60, "github": 0.70, "docs": 0.70}.get(source, 0.40)

    composite = round(relevance * 0.35 + actionability * 0.30 + depth * 0.20 + authority * 0.15, 3)
    return {"relevance": relevance, "actionability": actionability,
            "depth": depth, "authority": authority, "composite": composite}

La versión de producción añade la lista de dominios permitidos, bonificaciones específicas por URL y el prefiltrado. Pero la lógica de puntuación anterior muestra el patrón completo: cuatro funciones puras, una suma ponderada, una salida determinística.

Conjunto de datos de ejemplo: cinco señales, cinco puntuaciones

Ejecuta la función score_signal anterior sobre estas cinco señales para verificar el comportamiento de la puntuación. El diccionario de palabras clave usado: {"claude code": 1.0, "swiftui": 1.0, "fastapi": 0.85, "design": 0.60, "python": 0.75}.

# Señal Compuesta Ruta
1 {"title": "Building a SwiftUI Component Library", "description": "A step-by-step tutorial showing how to build reusable SwiftUI views with previews and documentation. Includes working example code and a GitHub repository at github.com/example.", "tags": ["swiftui", "ios", "tutorial", "components"], "source": "blog", "url": "https://example.com/swiftui-lib"} 0.910 Escritura automática
2 {"title": "Python 3.13 Release Notes", "description": "Official release notes documenting new features, deprecations, and breaking changes in Python 3.13 including improved error messages and typing enhancements.", "tags": ["python", "release"], "source": "docs", "url": "https://docs.python.org/3.13/whatsnew"} 0.578 Escritura automática
3 {"title": "Beautiful nemophila photos from Hitachi Seaside Park", "description": "Spring bloom season produces stunning blue flower fields stretching to the horizon. Best visited in late April through early May for peak color.", "tags": ["photography", "japan", "flowers", "travel"], "source": "twitter"} 0.353 Bandeja de entrada
4 {"title": "Thread about tech hiring", "description": "", "tags": [], "source": "twitter"} 0.232 Omitida
5 {"title": "FastAPI Guide: Build Production APIs", "description": "A comprehensive tutorial showing how to build, test, and deploy a production FastAPI application. Covers authentication, rate limiting, background tasks, and CI/CD. Full example code on github.com.", "tags": ["fastapi", "python", "tutorial", "guide", "api"], "source": "blog", "url": "https://example.com/fastapi-prod"} 0.872 Escritura automática

Aritmética de la señal 1 (paso a paso): Relevancia: “swiftui” coincide (1,0). Una sola coincidencia, así que 1.0 * 0.6 + 1.0 * 0.4 = 1.0. Accionabilidad: “tutorial” + “build” + “example” + “github.com” = 4 coincidencias → min(1.0, 0.70 + 4 * 0.05) = 0.90. Profundidad: título (0,20) + descripción (0,20) + >50 caracteres (0,15) + >150 caracteres (0,15) + etiquetas (0,15) + >=3 etiquetas (0,10) + URL (0,05) = 1.00. Autoridad: “blog” → 0.60. Compuesta: 1.0*0.35 + 0.90*0.30 + 1.00*0.20 + 0.60*0.15 = 0.35 + 0.27 + 0.20 + 0.09 = 0.910.

La señal 1 puntúa alto en todas las dimensiones: coincidencia exacta de palabra clave (SwiftUI = 1,0), cuatro palabras clave de acción (“tutorial”, “build”, “example”, “github.com”), metadatos completos y una fuente confiable. La señal 2 queda justo por encima del umbral de escritura automática: relevancia sólida (Python = 0,75) y autoridad alta (docs = 0,70), pero accionabilidad nula (las notas de versión son informativas, no un tutorial). La señal 3 es el tweet de las nemófilas de la sección sobre la trampa de la profundidad sin su URL, por lo que la profundidad queda en 0,80 en lugar de 0,85; la autoridad moderada (0,50) junto con una relevancia y una accionabilidad casi nulas producen una puntuación compuesta que acaba en la bandeja de entrada en lugar de enrutarse automáticamente. La señal 4 no tiene descripción, ni etiquetas, ni coincidencias de palabras clave: cae por debajo del piso de 0,30 y se omite en silencio. La señal 5 muestra cómo varias coincidencias de palabras clave elevan la relevancia: coinciden tanto “fastapi” (0,85) como “python” (0,75), y cinco palabras clave de acción llevan la accionabilidad a 0,95.

Puedes pegar la función score_signal y estas cinco señales en un REPL de Python para verificar cada número de la tabla.


Conclusiones clave

Para ingenieros que construyen sistemas de triaje:

  • La puntuación determinística supera a la curación manual a escala. 7.700 notas en 14 meses. El triaje manual, a unos 25 segundos por señal (leer el título, echar un vistazo a la descripción, decidir la carpeta), habría requerido más de 53 horas de revisión. El pipeline las procesó en minutos con una tasa de enrutamiento automático de ~93% (el 5,5% fue a la bandeja de entrada para revisión manual y ~1,1% se omitió en silencio por debajo del umbral de 0,30). Aproximadamente el 95% de todas las señales no necesitó ninguna intervención manual (enrutadas automáticamente más omitidas).

  • Los metadatos usados como indicador tienen modos de falla conocidos. La profundidad mide estructura, no calidad. La autoridad mide la fuente, no la exactitud. Ambos indicadores funcionan a escala agregada, pero producen falsos positivos predecibles a nivel de señal individual. Reconocer los modos de falla es más honesto que afirmar que el algoritmo “funciona”.

Para quienes practican la gestión del conocimiento:

  • Las puntuaciones compuestas ponderadas exponen tus prioridades reales. Unos pesos de 35/30/20/15 no son arbitrarios. Codifican un juicio concreto: la relevancia importa más que la accionabilidad, que importa más que la riqueza de los metadatos, que a su vez importa más que la credibilidad de la fuente. Hacer los pesos explícitos y ajustables es la diferencia entre un sistema y un hábito.

  • La zona ambigua es irreducible. Las señales entre 0,30 y 0,55 son genuinamente ambiguas: el puntuador determinístico no puede resolverlas. El triaje por LLM ayuda, pero no elimina la zona. La revisión manual del subconjunto ambiguo sigue siendo necesaria.

Ejercicio: ajusta tus propios pesos. Empieza con pesos iguales (25/25/25/25). Procesa 50 señales. Revisa las 10 decisiones de enrutamiento más sorprendentes, es decir, las señales que acabaron en el lugar equivocado. Para cada una, identifica qué peso de dimensión habría corregido el enrutamiento. Ajusta un peso a la vez, vuelve a procesar las mismas 50 señales y compara. No reajustes más de una vez por semana.


Preguntas frecuentes

¿Por qué usar una puntuación compuesta ponderada en lugar de machine learning para el triaje de conocimiento?

La puntuación compuesta es determinística: la misma entrada siempre produce la misma puntuación, y puedes explicar exactamente por qué. Un clasificador de ML podría lograr una mayor exactitud, pero introduce opacidad: no puedes explicar con facilidad por qué una señal obtuvo 0,62 en lugar de 0,54. En la gestión personal del conocimiento, donde la confianza en el sistema importa más que las ganancias marginales de exactitud, la puntuación determinística se gana esa confianza. Los pesos son explícitos, ajustables y auditables. Los clasificadores de ML, además, requieren datos de entrenamiento etiquetados, lo que implica revisar cientos de señales a mano antes de que el sistema funcione siquiera: justo la carga de revisión manual que el pipeline existe para eliminar.

¿Puedo ajustar los pesos de forma dinámica con el tiempo?

Sí, y deberías hacerlo. Los pesos empezaron en 25/25/25/25 (iguales) y evolucionaron hasta 35/30/20/15 a lo largo de seis meses, a partir de los modos de falla observados. La señal clave para reajustar: cuando tu bandeja de entrada contiene de forma constante un tipo concreto de falso positivo (por ejemplo, contenido irrelevante bien etiquetado), aumenta el peso de la dimensión que lo habría filtrado (en ese caso, la relevancia). No ajustes más de una dimensión a la vez y pasa una semana de señales por los pesos antiguos y los nuevos antes de comprometerte con el cambio.

¿Cómo funciona la etapa de triaje por LLM?

El flag opcional --llm-triage envía solo las señales ambiguas (puntuación compuesta de 0,30 a 0,55) a Claude para que las evalúe. El LLM recibe el título, la descripción, las etiquetas y la URL de la señal, y devuelve un ajuste de puntuación (de -0,20 a +0,20) y una clasificación de dominio. El ajuste puede llevar una señal por encima del umbral de escritura automática de 0,55 o por debajo del umbral de omisión de 0,30. El costo es de aproximadamente 0,02 a 0,04 dólares por señal. Ejecutar el triaje por LLM solo sobre el subconjunto ambiguo (420 de 7.700) cuesta entre 8 y 17 dólares, en lugar de entre 150 y 300 dólares para el conjunto completo.

¿Sirve la puntuación compuesta ponderada para tickets de soporte, moderación de contenido o calificación de leads?

La arquitectura es general. La puntuación compuesta con dimensiones ponderadas se aplica a cualquier dominio donde los elementos necesiten un enrutamiento determinístico: triaje de tickets de soporte (urgencia, nivel del cliente, complejidad del tema, estado del SLA), moderación de contenido (gravedad, confianza, sensibilidad al contexto, credibilidad de quien reporta), calificación de leads (puntuación de encaje, nivel de interacción, señales de intención, tamaño de la empresa) y detección de anomalías (magnitud de la desviación, frecuencia histórica, impacto en el negocio, fiabilidad de la fuente). Los pesos y umbrales concretos cambian según el dominio, pero el patrón de puntuación compuesta ponderada de cuatro dimensiones se transfiere directamente. Aquí aplica el principio de la ingeniería compuesta: una vez que existe la arquitectura de puntuación, adaptarla a un dominio nuevo solo requiere redefinir los diccionarios de palabras clave y reajustar los pesos.


La puntuación compuesta se aplica a cualquier dominio donde los elementos necesiten un enrutamiento determinístico. Mis pesos y umbrales concretos codifican prioridades personales, pero la arquitectura es general. Para saber más sobre cómo el conocimiento acumulado crea valor no lineal, consulta Mental Compound Interest. Cada componente del pipeline (puntuación, enrutamiento, triaje) es útil por sí solo y se potencia con los demás, siguiendo el patrón de la ingeniería compuesta. A escala, el pipeline alimenta el recuperador híbrido que hace consultable el conocimiento puntuado, y los patrones agregados se ven en diecisiete mil señales.



  1. No derivé la distribución de pesos matemáticamente. La ajusté durante seis meses de uso. Los pesos iniciales eran iguales (25/25/25/25). La relevancia subió al 35% después de observar que las señales de alta profundidad y baja relevancia (contenido irrelevante bien etiquetado) inundaban la bandeja de entrada. La accionabilidad subió al 30% después de observar que el contenido teórico de alta relevancia pero sin aplicación práctica se acumulaba sin usarse. ↩

  2. La línea base de 0,25 para la relevancia sin coincidencias es una decisión de diseño deliberada. Fijarla en 0,0 significaría que cualquier señal fuera de la lista curada de palabras clave obtendría como máximo 0,65 (0 + accionabilidad + profundidad + autoridad sin aporte de relevancia), lo que haría casi imposible que los temas realmente nuevos alcanzaran el umbral de escritura automática. ↩

  3. Elegí una función escalonada para la accionabilidad en lugar de una puntuación lineal porque la accionabilidad se parece más a un booleano que a una variable continua. Un tutorial es accionable. Un artículo de noticias sobre un tutorial no lo es. La función escalonada captura esta naturaleza binaria mejor que un gradiente. ↩

  4. Originalmente llamé a la dimensión de profundidad “calidad” y mi intención era que midiera la riqueza del contenido. Tras observar que en realidad medía la riqueza de los metadatos, la renombré “profundidad” para reflejar su comportamiento real. El cambio de nombre es una honestidad deliberada sobre lo que captura la métrica. ↩

  5. El triaje por LLM usa Claude Code CLI (claude --print --model opus) con un prompt estructurado que pide un ajuste de puntuación (de -0,20 a +0,20) y una clasificación de dominio. Estimación de costo del autor: aproximadamente 0,02 a 0,04 dólares por señal. Ejecutar el triaje por LLM sobre las 7.700 señales costaría entre 150 y 300 dólares. Ejecutarlo solo sobre las 420 señales ambiguas cuesta entre 8 y 17 dólares. ↩

  6. Datos de distribución por dominio del autor a febrero de 2026. Los conteos reflejan el enrutamiento acumulado desde diciembre de 2024. La distribución se ha mantenido estable desde el tercer mes, con Development y Design representando de forma constante entre el 55% y el 60% de las señales enrutadas. ↩

  7. Elegí funciones de puntuación puras como decisión arquitectónica deliberada. La alternativa (funciones de puntuación que revisan el sistema de archivos en busca de duplicados o llaman a APIs para enriquecer los datos) habría sido más exacta, pero imposible de probar sin mocks. El enfoque puro sacrifica algo de exactitud a cambio de verificabilidad y composición. ↩

  8. Clay Shirky, “It’s Not Information Overload. It’s Filter Failure”, conferencia magistral en la Web 2.0 Expo, 2008. youtube.com/watch?v=LabqeJEOQyI. El planteamiento de Shirky se aplica directamente: una bandeja de entrada con más de 400 notas sin procesar no es un exceso de información, sino una ausencia de filtrado. Véase también Alvin Toffler, Future Shock, Random House, 1970, que acuñó “information overload” como la dificultad de tomar decisiones cuando se está expuesto a demasiada información. ↩

  9. Las combinaciones lineales ponderadas son una técnica estándar del análisis de decisión multicriterio (MCDA). El enfoque que se usa aquí es un Weighted Sum Model (WSM) simplificado, uno de los métodos MCDA más antiguos. Saaty, T.L., The Analytic Hierarchy Process, McGraw-Hill, 1980, ofrece una metodología rigurosa para derivar pesos a partir de comparaciones por pares, un enfoque más formal que el ajuste empírico usado aquí. El modelo aditivo más simple de este pipeline sigue a Fishburn, P.C., “Additive Utilities with Incomplete Product Set”, Journal of Mathematical Psychology, 4(1), pp. 104-110, 1967. ↩

  10. El compromiso entre precisión y exhaustividad es un concepto fundamental de la recuperación de información. Aumentar la exhaustividad (capturar más elementos relevantes) deja pasar necesariamente más elementos irrelevantes, lo que reduce la precisión. La dimensión de profundidad optimiza la exhaustividad al premiar cualquier señal bien estructurada, y por eso el contenido irrelevante pero bien etiquetado supera el umbral. Véase Manning, C.D., Raghavan, P., & Schütze, H., Introduction to Information Retrieval, Cambridge University Press, 2008, capítulo 8. nlp.stanford.edu/IR-book/ ↩

Artículos relacionados

El manifiesto sin build: publicar sin bundler

FastAPI + HTMX + CSS puro, cero herramientas de build y puntuaciones perfectas en Lighthouse. Números reales de producci…

22 min de lectura

Cómo los LLM ven el texto: lo que mi sistema i18n me enseñó sobre la economía de tokens

Traducir mi sitio a 6 idiomas reveló que el coreano cuesta 2,8x más tokens que el inglés con contenido idéntico. Un visu…

11 min de lectura

Códigos de Hamming: cómo las computadoras corrigen sus propios errores

De la RAM a los códigos QR y el espacio profundo: una explicación interactiva de cómo Hamming detecta y corrige errores …

8 min de lectura