GUION v1 (baseline) — GBrain: Memoria Compartida entre Agentes

Duración objetivo: 45-50 min · Formato: noticia-análisis estilo Hermes Estado: BASELINE — pendiente hands-on real con GBrain antes de afinar (regla: probar antes de escribir) Patrón aplicado: brain/canal/patron-guion.md (hook variante A+C híbrido, open loops visuales, transición concepto→demo rápida, payoffs diseñados en 40-75%, manifiesto pre-demo)

[0:00 - 1:30] HOOK + OPEN LOOPS

(A cámara, directo — APERTURA TESIS, elegida por Nicolás 11-jun: “está como para hook”)

“Compartir memoria no es compartir mente.

Esta semana le di la MISMA memoria a los agentes de Anthropic y de Google — una sola base de datos, un solo cerebro, los dos conectados. Y aun así… cada uno interpretó mis datos a su manera. Uno fue directo a la respuesta. El otro se perdió buscando. Uno preguntó antes de asumir. El otro asumió.

Y ahí entendí algo que ningún tutorial de ‘segundo cerebro con IA’ te cuenta: la memoria compartida te da los hechos. La coordinación… la da otra cosa. Y esa otra cosa es de lo que se trata este video.”

(beat — y entra la noticia)

“El CEO de Y Combinator tiene un agente de inteligencia artificial que trabaja mientras él duerme. Ingiere sus reuniones, sus correos, sus ideas — y todo lo guarda en un cerebro que hoy tiene más de ciento cuarenta mil páginas indexadas y sesenta y seis tareas automáticas corriendo solas. Y hace unos días hizo algo que casi nadie hace: liberó el código completo de ese cerebro. Gratis, open source, para cualquiera.

Se llama GBrain. Y hoy lo vamos a hacer lo que hacemos siempre en este canal: leerlo por dentro, separar lo que es real de lo que es marketing… y llevarlo más lejos que la demo oficial.

Porque te están vendiendo mucho humo con esto del ‘segundo cerebro con IA’. Y hoy vas a ver la diferencia entre el humo y un sistema de verdad.”

OPEN LOOPS (antes del minuto 2):

“Más adelante vas a ver algo que no había visto nunca: un agente instalándose su propio cerebro. Le voy a pegar una URL a Claude Code y… lo va a hacer todo solo.”
“Vas a ver tres herramientas de tres empresas distintas — Claude Code de Anthropic, OpenCode y Antigravity de Google — continuar LA MISMA conversación. Empiezo en una, sigo en la otra, termino en la tercera. Y ninguna pierde el hilo.”
“Y al final le voy a preguntar al cerebro algo que NO sabe. Y lo que responde es la razón por la que este proyecto me convenció.”

[1:30 - 4:00] CONTEXTO — la noticia y el personaje

Quién es Garry Tan (CEO de Y Combinator — la aceleradora de Airbnb, Stripe, Dropbox). No es un influencer de IA: es alguien que opera agentes en producción para su propio trabajo.
Qué liberó exactamente: GBrain, la capa de memoria y contexto de sus agentes personales (los mismos que corren sobre OpenClaw y Hermes — sí, el mismo Hermes del que hicimos video).
El dato de tracción: 21.9 mil estrellas en GitHub, 3 mil forks. [VERIFICAR números frescos el día de grabación]
Conexión con el catálogo: “si viste mi video de Hermes, esto te va a sonar: mismo método, leer el código antes de creer el marketing.”

[4:00 - 17:00] CONCEPTO — problema → humo → solución arquitectónica

4:00 - 7:00 · El problema universal (el pez dorado)

“Cada agente que usas es un pez dorado. Brillante mientras la conversación dura, amnésico total cuando la cierras. Y hay un segundo problema peor que casi nadie ve: la memoria que SÍ tienen… no es tuya. La memoria de ChatGPT vive en OpenAI. Los Projects de Claude viven en Anthropic. El día que quieras cambiarte de modelo, tu contexto se queda en la casa anterior. Tu memoria es el mecanismo de lock-in más elegante jamás inventado.”

Punto de identificación personal: “Yo uso Claude Code todos los días con un sistema de archivos de memoria — y aún así, cada cierto tiempo, se pierde. Les pasa a todos.”

7:00 - 10:00 · El humo (lenguaje neutro: “lo que te venden”)

“Conecta Claude a Obsidian y tendrá toda tu vida” → la demo siempre es un vault de 10 notas. Eso no es un segundo cerebro, es leer archivos con marketing encima.
El graph view como “inteligencia” → es una visualización, no entiende nada.
“Se organiza solo” → nadie muestra el sistema al mes 3, con notas viejas y retrieval errado.
La pregunta que separa humo de sistema: ¿qué pasa cuando le preguntas algo que NO sabe? (sembrar open loop 3)

10:00 - 15:00 · La solución arquitectónica (no la herramienta — la arquitectura)

Diagrama 1 — Las tres capas:

TUS ARCHIVOS (markdown, fuente de verdad — tuyos, en git)
      ↓ sync
CAPA DE RETRIEVAL (búsqueda híbrida + knowledge graph)
      ↓ MCP
AGENTES VISITANTES (Claude Code, OpenCode, Antigravity, el que venga)

Principio 1: la fuente de verdad son archivos planos TUYOS. La base de datos es desechable.
Principio 2: el retrieval es lo difícil (aquí entra GBrain): búsqueda híbrida — vector + keyword + reranking — y un knowledge graph que extrae relaciones SIN llamar a un LLM.
Principio 3: MCP como enchufe universal — el mismo protocolo que ya cubrimos en el canal. Cualquier agente compatible se conecta. La memoria deja de ser del modelo y pasa a ser tuya.
gbrain search vs gbrain think: páginas crudas vs respuesta sintetizada con CITAS y con gap analysis — “te dice qué le falta”. Anti-humo de diseño.
Benchmark publicado (mostrar): +31 puntos de precisión sobre vector puro. [VERIFICAR en repo]

15:00 - 17:00 · Por qué los grandes NO te van a dar esto

“Piénsalo desde el incentivo: si tu memoria es portable, cambiar de modelo cuesta cero. ¿Qué empresa de IA va a financiar la campaña de marketing de su propia conmoditización? Por eso esto solo puede venir del open source. Y por eso no lo conocías.”

[17:00 - 17:30] MANIFIESTO (30 segundos antes de la demo — regla del canal)

“Antes de pasar a la demo, lo de siempre en este canal: nada de vaults de juguete. Voy a conectar GBrain a MI cerebro real — los guiones, análisis y decisiones de este canal, cientos de archivos markdown. Si funciona con eso, funciona de verdad. Y si se cae, lo vas a ver caerse, porque acá las demos van en vivo.”

[17:30 - 40:00] DEMO EN VIVO

Momento 1 (17:30) · Instalación en segundos

bun install -g github:garrytan/gbrain && gbrain init --pglite
Punto de enseñanza: PGLite = Postgres corriendo en WASM, cero servidores, cero config. “Una base de datos Postgres completa viviendo en un proceso local. Esto hace 2 años era impensable.”

Momento 2 (20:00) · PAYOFF open loop 1 — el agente se instala su propio cerebro

En una sesión limpia de Claude Code: pegar la URL del repo + “instálate esto y configúralo como tu memoria vía MCP”.
Mostrar el agente leyendo el README, ejecutando la instalación, editando su propia config MCP.
[VALIDAR ANTES: el README promete ~30 min — medir tiempo real y decidir cuánto acelerar]

Momento 3 (24:00) · Ingestar el cerebro real

Apuntar GBrain al brain de Nicolás (markdown). Ver la indexación corriendo.
gbrain search "antigravity" → páginas crudas con scoring.
gbrain think "¿qué decidimos sobre el patrón de títulos del canal?" → respuesta sintetizada CON citas a los archivos reales.
Punto de enseñanza: “fíjate que cita los archivos. No me pide fe — me muestra fuentes.”

Momento 4 (28:00) · La ventana al cerebro — sin Obsidian (decisión Nicolás 10-jun)

“Todos los videos de ‘segundo cerebro’ te muestran el grafo de Obsidian. Nosotros no — porque mi cerebro ya es un sitio web.” → abrir el brain (Astro/Starlight) en el dev server local.
Agente guarda una memoria → hot reload: la página se actualiza sola en pantalla, al instante.
Remate: abrirlo desde el TELÉFONO — el brain deployado en Cloudflare Pages, con candado de Cloudflare Access. “Mi cerebro, desde cualquier parte, y solo entro yo.”
Punto de enseñanza: “la ventana no es la inteligencia — la inteligencia está en el retrieval. Pero una ventana propia, publicada y con candado, le gana a cualquier plugin.”
[VALIDAR: deploy del brain a CF Pages + Access configurado ANTES de grabar]

Momento 5 (31:00) · PAYOFF open loop 2 — EL RELEVO (money shot)

CLAUDE CODE:  "Estamos diseñando el video sobre memoria compartida.
               Decisión: la demo central es el relevo entre CLIs.
               Guárdalo en memoria."
   → cerrar sesión

OPENCODE:     "¿En qué quedamos con el video de memoria compartida?"
   → responde con la decisión + la cita. Agregar decisión nueva. Cerrar.

ANTIGRAVITY:  "Retoma el proyecto del video y resume las decisiones."
   → conoce TODO. Tres empresas, un cerebro.

Punto de enseñanza: “no viaja la conversación — viajan las decisiones y el contexto. Es un cambio de turno médico: la ficha queda, el doctor rota. La ficha es tuya, no del doctor.”
Nota de producción: pantalla dividida en 3 terminales, cada una con su logo. ESTE es el clip para Shorts.

Momento 6 (36:00) · PAYOFF open loop 3 — la prueba de honestidad

Preguntarle al cerebro algo que NO está en el brain: gbrain think "¿qué opina mi audiencia de los videos de [tema que nunca se ha tocado]?"
Mostrar el gap analysis: el sistema responde qué sabe, qué no sabe, y qué le faltaría.
Punto de enseñanza: “esto es lo contrario del humo. Un sistema honesto sabe lo que no sabe. Los chatbots alucinan una respuesta; un buen retrieval te muestra el hueco.”

Momento 7 (38:00) · La letra chica (modo Hermes — honestidad técnica)

Los 444 issues abiertos: leer 2-3 de los más votados en vivo. Qué está verde, qué falla.
Costos reales: API de embeddings — cuánto costó indexar el brain completo. [MEDIR]
Para quién NO es esto (todavía): el que no quiere tocar una terminal.

[40:00 - 45:00] CIERRE

El insight (cierre tipo A)

“Antes de cerrar, quiero que pienses en algo. Llevamos dos años discutiendo qué modelo es mejor — que si Claude, que si Gemini, que si GPT. Y mientras tanto, la pregunta importante estaba en otra parte: no es qué modelo usas, es de quién es tu contexto. Los modelos van a seguir cambiando cada seis meses. Tu cerebro — tus decisiones, tus proyectos, tu historia — ese es el activo. Y hoy aprendiste que puede ser tuyo, en archivos planos, en tu disco, con cualquier modelo de visita.

El modelo es el empleado. La memoria es la empresa. No regales la empresa.

Y la frase con la que abrí este video, ahora la entiendes completa: compartir memoria no es compartir mente. La memoria alinea los hechos. Las reglas — los contratos que le escribes a cada agente — alinean el comportamiento. Y la diferencia de criterio entre agentes… esa no se elimina nunca. Se gobierna. Igual que en cualquier equipo.”

Teaser V2 (cliffhanger explícito)

“Ahora — esto que armamos hoy corre en mi laptop. ¿Y si lo lleváramos más lejos? ¿Un harness completo: Docker local, un endpoint en la nube con autenticación, tareas automáticas ingiriendo información mientras duermo — el cerebro de Garry Tan, versión nuestra, con nuestra infraestructura? Eso es exactamente lo que voy a construir en el próximo video. Y el blueprint completo va a estar en la comunidad.”

Recursos

Repo del video + comunidad Skool (código y blueprint)
Suscripción + “nos vemos en el próximo”

⚠️ REESTRUCTURA DE DEMO (feedback Nicolás 10-jun tras probarlo: “está lenta, no le veo el valor”)

Diagnóstico aceptado: el relevo con payload trivial parece “un .txt con pasos extra”. El valor real es TIME-TO-CONTEXT (poner un agente al día: 15-20 min de re-explicar → 1 pregunta). Reordenar la demo para v2 del guion:

ABRIR con el contraste en frío (nuevo money shot): pantalla dividida — agente SIN memoria vs agente CON gbrain ante la misma pregunta “¿en qué quedamos con X?” → uno en blanco, el otro responde con semanas de contexto real citado.
El relevo cross-vendor pasa a SEGUNDO acto (“y da lo mismo QUÉ agente pregunte”).
Reglas duras para grabar: NUNCA payload de prueba (solo contexto real acumulado de semanas), embeddings ACTIVADOS (sin key la búsqueda falla en cámara), hooks corriendo hace días (la memoria se demuestra con interés compuesto, no el día del depósito).
Editar los “Thought for 5s” — lo lento es el razonamiento del agente, no la memoria.
Criterio de luz verde (pactado): si el viernes, en frío, “¿en qué quedamos?” no le ahorra 15 min de contexto a Nicolás con SU uso real → la demo no está lista para cámara.

NOTAS DE PRODUCCIÓN

Zona crítica 25-35% (min ~12-17): la transición concepto→demo debe caer ANTES del min 18 con gancho visual inmediato (la instalación en segundos). Sin slides muertos ahí.
Payoffs diseñados: min 20 (self-install), min 31 (relevo), min 36 (gap analysis) — anunciados en el hook, cerrados en orden.
Shorts derivados: (1) el relevo en 3 terminales, (2) el agente instalándose solo, (3) “tu memoria es el lock-in” concepto 45s, (4) gap analysis “la IA que admite lo que no sabe”.
Español neutro, nombres técnicos reales (gbrain search/think, MCP, PGLite — no traducir).
TODO antes de afinar a v2: hands-on completo, medir tiempos/costos reales, leer issues top, VidIQ, validar título contra catálogo.