InfraNodus + Obsidian: 800 notas, 5 huecos
Tu Obsidian tiene 800 notas. Tres años de lecturas, apuntes, capturas de pantalla, fragmentos de código. Tienes carpetas por proyecto, etiquetas por tema, backlinks que se enredan como espagueti al arrastrar un nodo en la vista de grafo. Y aun así, cuando buscas “aquello que leí hace seis meses sobre X”, no lo encuentras.
Lo curioso no es que no lo encuentres. Lo curioso es que probablemente ni siquiera sabes qué es lo que no está ahí.
Ese es el problema que resuelve la centralidad de intermediación (betweenness centrality) aplicada a tu vault. No es un mejor buscador. Es un mapa de las conexiones que faltan.
Qué es la centralidad de intermediación
Si construyes un grafo con tus notas como nodos y las relaciones (backlinks, tags compartidas, co-ocurrencia de términos) como aristas, cada nodo tiene una posición en la red. Algunos son concentradores locales: muchas notas cercanas, densamente conectadas entre sí. Otros son puentes: no tienen tantos vecinos, pero conectan grupos que de otra forma no se hablarían.
La centralidad de intermediación mide exactamente eso: para cada par de nodos del grafo, ¿cuántas veces el camino más corto entre ellos pasa por este nodo? Cuanto más pasa, más “puente” es ese nodo.
En un vault de Obsidian sano, los nodos con alta centralidad de intermediación suelen ser tus conceptos vertebrales. Si borraras uno, la red se partiría en dos. Y ahí está la parte interesante: si nadie de tu vault tiene alta centralidad de intermediación entre dos grupos, es porque no existe todavía el puente. Ese vacío es un hueco estructural, y probablemente representa algo que aún no has pensado o leído.
InfraNodus como plugin de Obsidian
InfraNodus es una herramienta de análisis de redes textuales que se conecta a Obsidian como plugin. Toma tu vault, construye el grafo con las relaciones ya existentes (más las que puede inferir por co-ocurrencia de conceptos en los textos), y aplica tres técnicas clásicas de ciencia de redes:
- Detección de comunidades: agrupa nodos densamente conectados en clusters. Estos clusters se pueden leer como “tus temas”.
- Centralidad de intermediación: identifica los puentes reales entre clusters.
- Análisis de huecos estructurales: encuentra pares de clusters que apenas se hablan y propone la pregunta que los conectaría.
Ese último paso es el que cambia el uso del vault. Ya no consultas lo que sabes; consultas lo que te falta.
Un ejemplo pequeño
Voy a usar un caso concreto, más pequeño que 800 notas para que se vea el mecanismo. Imagina un vault con 5 notas:
note-1.md knowledge graph
note-2.md GraphRAG
note-3.md Neo4j
note-4.md LLM
note-5.md Tree-sitterInfraNodus detecta los clusters:
Cluster 1: [knowledge-graph, GraphRAG, Neo4j] (tecnologías de grafo)
Cluster 2: [LLM, Tree-sitter] (análisis de código)Y detecta que la centralidad de intermediación entre el cluster 1 y el cluster 2 es prácticamente cero. Ningún nodo tuyo hace de puente entre ambos.
La herramienta te devuelve algo así: “Hay un hueco estructural entre ‘tecnologías de grafo’ y ‘análisis de código’. Considera investigar: construcción automática de knowledge graphs a partir de código usando LLMs.”
Ese es un tema real que existe (hay papers, hay proyectos), pero tú no lo tienes en tu vault. No es que hayas decidido no estudiarlo. Es que la ausencia era invisible hasta que alguien midió el hueco por ti. Ese “aha” es el momento por el que vale la pena la instalación del plugin.
En un vault de 800 notas, InfraNodus típicamente encuentra entre 5 y 15 huecos estructurales relevantes. Algunos son basura (juntar clusters que no tenían por qué unirse). Pero 2-3 suelen ser preguntas que te haces a ti mismo con cara de “cómo no pensé en esto antes”.
Zettelkasten vs InfraNodus: no compiten, se complementan
El Zettelkasten del sociólogo Niklas Luhmann es la referencia clásica de cómo pensar en notas atómicas conectadas. Sus cuatro principios (atomicidad, conectividad, autonomía, crecimiento) siguen siendo la mejor guía para escribir notas que envejezcan bien.
Pero el Zettelkasten es una guía de producción de conocimiento. Te dice cómo escribir la próxima nota. No te dice qué nota te falta.
InfraNodus no compite con el Zettelkasten. Trabaja después. Una vez que llevas dos o tres años escribiendo Zettels con disciplina, tu vault ya tiene estructura suficiente para que el análisis de red devuelva señales útiles. Sin esa disciplina previa, el grafo es demasiado ruidoso y el análisis devuelve huecos falsos.
Lo digo distinto: Zettelkasten es la guía de construcción; InfraNodus es el detector de ausencias. Uno te enseña qué escribir; el otro te muestra qué no has escrito.
Cómo se lee la salida
Cuando ejecutas el análisis, InfraNodus te devuelve varios paneles. Los tres que uso siempre:
- Top-N nodos por centralidad de intermediación. Estos son los conceptos vertebrales de tu pensamiento actual. Si aparece alguno que te sorprende, es señal de que un tema colateral se te ha vuelto central sin que te dieras cuenta. Vale la pena preguntarse si eso corresponde con lo que tú quieres que sea central.
- Clusters (comunidades) detectadas. Compara la lista con la carpeta de tags o categorías que tú manualmente creaste. Los desajustes son informativos: si InfraNodus detecta un cluster que tú no habías nombrado, tienes un tema latente sin etiqueta. Si tú tienes una etiqueta que no forma un cluster, la etiqueta probablemente no describe nada coherente.
- Huecos estructurales y preguntas de investigación sugeridas. El AI de la herramienta puede generar automáticamente una pregunta por cada hueco. La calidad de esas preguntas varía; muchas son obvias, algunas son inservibles, pero un puñado son buenas. Trata la lista como brainstorming, no como agenda.
Los límites (donde no funciona)
Después de dos meses usando el plugin en mi vault, aquí están los casos donde no ayuda:
- Vaults nuevos (menos de 100 notas): el grafo no tiene suficiente estructura, todo parece un hueco o nada lo parece.
- Vaults sin backlinks (notas escritas como archivo plano): InfraNodus intenta inferir relaciones por co-ocurrencia, pero es ruido de fondo.
- Un idioma de notas mezclado con otro: la detección de conceptos degrada mucho cuando escribes la mitad de las notas en un idioma y la mitad en otro. Yo escribo en tres idiomas y tengo que correr el análisis por idioma por separado.
- Notas que son bookmarks sin comentario propio: el análisis se basa en el texto que escribiste, no en las URLs que guardaste. Si tu vault es 80% bookmarks sin anotación, no hay mucho que analizar.
Ninguno de estos límites lo hacen inutilizable. Son señales de que el trabajo de conservar el vault viene primero, y el análisis después.
Conclusión: el segundo cerebro también tiene puntos ciegos
La promesa del segundo cerebro (Building a Second Brain, PARA, y toda la familia de metodologías PKM) es que puedes externalizar la memoria. Escribes las cosas, las clasificas, y cuando las necesitas están ahí.
Lo que esa promesa no dice es que tu segundo cerebro hereda tus puntos ciegos. Guarda lo que decidiste guardar. No guarda las conexiones que nunca hiciste, ni los temas en los que no pensaste, ni las preguntas que no te formulaste.
InfraNodus, o cualquier herramienta que aplique centralidad de intermediación a tu vault, no elimina esos puntos ciegos. Pero al menos hace visible dónde están. Y una vez que ves el hueco, decides tú si vale la pena llenarlo o dejarlo como está.
Si te interesa cómo se construye la parte previa de un sistema PKM —tanto el pipeline de captura como el grafo consultable que puede vivir al lado del vault—, hay dos textos anteriores en este blog sobre el tema:
- Grafo de conocimiento personal en Neo4j: 300 notas sin mensualidad — cómo reemplacé Notion por un grafo Cypher-consultable en Neo4j
- 300 fuentes en 3 meses: cómo armé una base de conocimiento personal — el pipeline de captura y curación que llena de material cualquier sistema PKM
Este artículo trata otra pieza: analizar el grafo que ya construiste dentro de Obsidian, en vez de en Neo4j.
ken imoto · WebRTC & Voice AI engineer · kenimoto.dev
¿Te resultó útil este artículo?