Metis — Research Cortex

Una "segunda mente" de investigación local y privada para Claude: respuestas citadas desde tu propia biblioteca (no inventa lo que no puede encontrar), memoria persistente de proyectos, resúmenes diarios, un asistente de reuniones en vivo y 34 agentes especializados. Funciona completamente en tu máquina.

GitHub

Prueba este MCPPatrocinado

Documentación

Metis — The Research Cortex

IA construida para investigadores. No es una caja de prompts, sino una forma de trabajar.
Tus artículos, reuniones, ideas, notas y diario — cada uno vinculado con el resto.
Un compañero de investigación que revisa su propio trabajo y se vuelve más agudo cada semana.

Son las 7:20. Abres el panel. El resumen matutino dice:

"Tres artículos que coinciden con tus temas configurados llegaron durante la noche — uno desafía directamente una hipótesis de trabajo en tu campo. Tu cobertura de literatura en métodos ha crecido al 84%. He cruzado los tres con tu grafo de conocimiento, los he conectado con tu nota de la reunión del martes y he marcado cuatro pasajes para tu revisión. Un análisis rastreado se acerca a una fecha límite clave."

Sin prompts. Sin configuración. Tu investigación, conectada — cada mañana.

🟢 En desarrollo activo. Último: planifica una serie de días en una sola fila · una vista de Trabajo ordenada por lo que realmente tocaste · y un mes de controles que se renderizaron perfectamente y no hicieron nada, encontrado y corregido. Ver novedades ↓

☁️ Ligero
Solo servidor MCP

Le pides a Claude que construya un panel de monitoreo para tu proyecto actual. Metis recuerda el panel que construiste hace dieciocho meses, tu diseño preferido y tus indicadores estándar. Los agentes especialistas adecuados entregan exactamente lo que necesitas — en tu estilo, según los estándares de tu dominio — sin tener que volver a explicar nada.

🔗 Polinización cruzada
El momento en que todo se conecta

Capturas una idea rápida sobre un enfoque novedoso de vigilancia. En segundos, Metis saca a la superficie tres cosas que habías olvidado que existían: un artículo de metodología de hace catorce meses que usaba un enfoque similar, una nota de reunión de marzo donde tu socio de campo describió la misma barrera, y una pregunta abierta que registraste después de una conferencia. No habías conectado nada de eso. Metis lo hizo. La sección de la subvención se escribe sola.

🌐 Metis OS
El panorama completo — en desarrollo

Tu calendario muestra una reunión con un colaborador de investigación. Ayer capturaste una idea sobre un nuevo método. Metis tiene tu transcripción de abril con esta persona y los artículos nuevos de esta semana. Aparece un resumen antes de que salgas. Después de la reunión, pides un curso de cinco días sobre ese tema basado en la investigación más reciente. Para la noche, está listo.

Ediciones: Metis — Shell base · Metis_PH — Salud Pública y Epidemiología · Metis_BM — Ciencias Biomédicas (próximamente) · Metis_CL — Ciencias Clínicas (próximamente)

Last commit

🩺 Esta es la edición de Salud Pública y Epidemiología

Metis_PH incluye una capa de conocimiento de salud pública precargada — guías de la OMS, informes de salud global y referencias de epidemiología/métodos — para que puedas hacer preguntas fundamentadas y citadas desde el primer día sin tener que construir un corpus primero. El shell base (SVerITG/Metis) independiente del dominio es idéntico en todo lo demás; se entrega vacío y construye la capa de conocimiento de tu campo mediante el cuestionario de configuración.

Véalo en acción

The Metis dashboard at a glance
El panel de un vistazo — tus proyectos, tareas, el resumen matutino y en qué enfocarte, en una vista tranquila.

A tour through the Metis tabs
Un recorrido por Metis — la pestaña del sistema y cada parte de tu Research Cortex: hoy, trabajo, conocimiento, reuniones, ideas, aprendizaje y la sala de control.

From the AI brief straight into a Claude Desktop brainstorm
La capa silenciosa — un clic en el resumen matutino abre Claude Desktop, preparado con tu trabajo, listo para una lluvia de ideas.

Metis reviews and improves its own work
Metis revisa su propio trabajo y propone sus propias mejoras — el bucle de automejora, en modo planificación.

Por qué los investigadores confían en él

📚 Cita tus propias fuentes. Las respuestas de conocimiento están ancladas en tu biblioteca indexada, con citas a nivel de documento y página — no en las suposiciones del modelo. Tu biblioteca fundamenta la respuesta; no la limita. Metis también incorpora literatura reciente, guías y conocimiento más amplio cuando es relevante, y te dice cuál es cuál — así que cualquier cosa que valga la pena citar y que aún no tengas se convierte en un artículo que puedes añadir.
🔗 Conecta todo lo que sabes. Cada artículo, transcripción de reunión, idea, nota, entrada de diario y tarea está vinculado al resto de tu trabajo. La subvención que escribes hoy saca a la superficie un artículo de método del año pasado y una nota de reunión de marzo — nunca tienes que buscar; Metis te lo trae.
🧠 Enruta al experto adecuado. Pregunta en lenguaje sencillo, y Metis entrega el trabajo al especialista correcto entre más de 30 habilidades especializadas — Bibliotecario, Entrenador de Métodos, Compañero de Escritura, Memoria de Reuniones, Epidemiólogo, Constructor de Cursos, y más.
🔁 Se mejora a sí mismo. Después de cada tarea registra qué funcionó y qué falló; cada semana redacta mejoras para su propio comportamiento y espera tu aprobación. La mayoría de los servidores MCP son estáticos — Metis se vuelve más agudo cuanto más lo usas.
🚫 Se niega a inventar. Pregunta sobre algo que no está en tu biblioteca y Metis te lo dice, en lugar de fabricar una respuesta que suene plausible. (Una prueba automatizada cubre la mitad de recuperación de esto: que una pregunta dentro del corpus devuelve el documento correcto con su página, y que una fuera del corpus obtiene una puntuación marcadamente más débil. Que el modelo luego lo diga con palabras aún no está verificado por una prueba.)
🔒 Se queda en tu máquina. Incrustaciones locales, base de datos local, archivos locales. Tus artículos, datos adyacentes a pacientes y trabajo no publicado nunca salen de tu computadora.

🎥 Véalo en acción arriba — el panel, un recorrido por las pestañas, la capa silenciosa hacia Claude Desktop, y Metis mejorando su propio trabajo.

La forma más fácil de probarlo: instala Claude Desktop y ejecuta la configuración en 3 pasos — un espacio de trabajo de demostración viene precargado, así que empiezas con algo que explorar en lugar de una pantalla en blanco.

¿Para quién es?

🔬 Soy investigador

No se necesita experiencia en programación. Instala en minutos, empieza a trabajar de inmediato. Todo lo que hace Metis se explica en lenguaje sencillo.

→ Empieza (3 pasos)

⚙️ Soy desarrollador

Código abierto, extensible, bien arquitecturado. Crea paquetes de dominio, añade agentes, extiende el servidor MCP o despliégalo para tu institución.

→ Explora la arquitectura

¿Qué es Metis?

Metis es un compañero de investigación construido sobre Claude que mantiene tus datos en tu propia máquina. Le da a cada conversación de IA una memoria persistente de tu dominio, tus artículos, tus proyectos y tu historial de trabajo. Enruta tus solicitudes al especialista adecuado, hace el trabajo, registra el resultado y devuelve una respuesta clara — sin que tengas que escribir prompts ni configurar nada.

La aplicación se ejecuta en tu máquina y tus datos permanecen allí — tus documentos, notas, incrustaciones y memoria nunca salen de ella. El razonamiento está impulsado por Claude, por lo que el texto que elijas enviar para análisis va a la API de Anthropic; todo lo demás es local. (Consulta Protección de Datos para saber exactamente qué sale de tu máquina y cuándo.)

La versión corta: imagina una IA que ya conociera tu campo y tu literatura, conectara cada artículo, reunión, idea y nota que has capturado, enviara cada solicitud al especialista adecuado — y se volviera más aguda sobre tu trabajo, y sobre sí misma, cuanto más la usaras. Eso es Metis.

Cómo funciona

Metis no es una aplicación separada a la que inicias sesión. Es un servicio pequeño que se ejecuta silenciosamente en segundo plano y conecta a Claude con tu investigación — tus artículos, tu memoria, tus proyectos.

Un servicio en segundo plano (el "servidor MCP") se inicia con tu computadora. Es el puente entre Claude y tus archivos — nunca interactúas con él directamente.
Hablas con Metis a través de Claude, de dos maneras:
- Claude Desktop (lo más fácil): ábrelo y elige un prompt de Metis (p. ej., Metis, Metis Doctor) del menú de prompts — o simplemente pregunta.
- Claude Code (terminal): escribe /metis seguido de tu solicitud.
Preguntas en lenguaje sencillo. Metis determina cuál de sus 33 especialistas debe manejarlo, hace el trabajo usando tu biblioteca y memoria, y responde — citando fuentes.

Eso es todo. No hay nada que aprender antes de empezar; el panel es visibilidad opcional además de todo esto.

Filosofía de diseño

Cada conversación de IA comienza desde cero. Pasas diez minutos reexplicando tu contexto, y cuando la sesión termina, desaparece. Las herramientas genéricas de IA son potentes pero sin estado — saben todo sobre el mundo y nada sobre ti.

Metis se basa en una idea: la IA debería conocerte. Y debería seguir mejorando — por sí sola.

No solo tu nombre — tu dominio, tu literatura, tus proyectos, tu estilo de trabajo preferido, tus preguntas abiertas, tus notas de reunión del mes pasado y el artículo que añadiste a tu biblioteca ayer. Cuanto más usas Metis, mejor es cada respuesta. No porque la IA cambie — sino porque Metis te conoce mejor. No necesitas seguir los avances en IA. Metis lo hace por ti. Cada semana, Metis revisa su propio desempeño en todas tus sesiones, identifica dónde podría haberlo hecho mejor, redacta mejoras a su propio comportamiento y espera tu aprobación antes de aplicarlas. A medida que estén disponibles mejores métodos y modelos, esas mejoras se incorporan de la misma manera: siempre propuestas para tu aprobación, nunca aplicadas a tus espaldas. Como investigador, te centras en tu investigación. Metis se encarga de mantenerse afilado.

El mecanismo central es la polinización cruzada. Cada vez que capturas una idea, añades un artículo, registras una reunión o completas una tarea, Metis lo conecta con todo lo demás en tu universo de investigación. Un artículo que indexaste hace un año surge cuando escribes una propuesta hoy. Una nota de reunión de marzo se vincula con la idea que capturaste esta mañana. Una pregunta abierta de hace seis meses se conecta con un artículo nuevo que acaba de salir. Estas conexiones ocurren automáticamente, en segundo plano, sin que tengas que buscarlas. Esto es lo que hace de Metis un compañero de investigación en lugar de una herramienta de búsqueda: piensa a lo largo de todo tu cuerpo de trabajo para que no tengas que mantenerlo todo en tu cabeza.

Esto es terreno genuinamente nuevo. Los componentes individuales — modelos de lenguaje locales, generación aumentada por recuperación, enrutamiento de agentes, búsqueda vectorial — existen todos de forma independiente. Lo que Metis presenta es una integración coherente de todos ellos, construida a propósito para las demandas específicas del trabajo de investigación: plazos largos, datos sensibles, literatura profunda y conocimiento que se acumula a lo largo de los años. Un sistema que crece contigo y que saca a la superficie conexiones para ti — en lugar de empezar desde cero en cada sesión. Hasta donde sabemos, no existe nada parecido como un sistema unificado, de ejecución local y orientado al investigador.

Tres niveles — elige tu punto de entrada

Nivel	Qué es	Ideal para
☁️ Solo servidor MCP	Un servicio en segundo plano que se ejecuta junto a Claude. Memoria persistente, conciencia de sesión, más de 30 agentes especializados — sin panel, sin aplicación visible.	Investigadores que ya usan Claude y quieren que conozca su trabajo
📊 Con el panel	Visibilidad completa de tu vida de investigación: artículos, ideas, reuniones, tareas, proyectos, todo conectado. Construido para la polinización cruzada (ideas que se vinculan con la literatura) y la descarga mental (seguimiento que sale de tu cabeza y entra en el sistema).	Investigadores que quieren un entorno operativo de investigación completo
🌐 Metis OS	Se conecta con el correo electrónico, el calendario, los sistemas de datos y la infraestructura institucional: una capa de inteligencia unificada para todo tu entorno de trabajo.	La visión a largo plazo. Aún en desarrollo.

Dónde estamos hoy: El servidor MCP, los 34 agentes y el panel de 9 pestañas están totalmente operativos y se usan a diario. El instalador de un clic y la capa de conocimiento de dominio precargada aún se están perfeccionando. Este es un sistema funcional — no humo — pero tampoco está terminado. Si algo falla, abre un issue. Esa retroalimentación da forma a lo que se construye después.

Para investigadores

No se necesitan conocimientos de programación. Todo lo que sigue es de apuntar y hacer clic o copiar y pegar.

Cómo funciona Metis — tú eliges (no gastarás tokens de API solo por usarlo)

Metis funciona de dos maneras, y tú eliges:

Con tu suscripción de Claude — sin clave de API, sin facturas por token. Este es el camino cotidiano: hablas con Metis a través de Claude Desktop o Claude Code, y los botones "✦ Actualizar con Claude" / lluvia de ideas del panel abren Claude Desktop con tu suscripción. La mayoría de la gente usa Metis enteramente de esta manera.
Con una clave de API de Anthropic — solo se necesita para cosas que se ejecutan mientras no estás: el escaneo matutino programado y la generación automatizada de informes. Pago por token, normalmente unos pocos céntimos al día.
Con un modelo local (Ollama) — opcional, para tareas auxiliares totalmente sin conexión (por ejemplo, el asistente de datos).

El instalador pide una clave de API para que la automatización pueda ejecutarse, pero puedes omitirla y usar Metis solo con tu suscripción. Nada en la experiencia interactiva requiere la API.

Instalación en 3 pasos

Paso 1 — (Opcional) Obtén una clave de API de Anthropic — solo para automatización sin supervisión (gratis, 2 minutos)

Ve a console.anthropic.com y crea una cuenta.

Haz clic en API Keys → Create Key. Copia la clave (empieza por sk-ant-…).

Mantén esa pestaña abierta: el instalador te la pedirá una vez.

La clave permanece en tu ordenador. Nunca se sube ni se comparte.

Windows

⬇ Descargar MetisSetup.exe

Haz doble clic en el instalador. El asistente te guía a través de:

Completo o solo IA — Completo te da el asistente de IA + el panel de investigación de 9 pestañas (~15 min). Solo IA es más rápido (~5 min) y puedes añadir el panel más tarde.
Tus proyectos — Dile a Metis en qué estás trabajando. Crea un registro de seguimiento para cada proyecto, escribe un archivo de contexto en la carpeta del proyecto y lo registra automáticamente en Claude Desktop.
Espacio de trabajo de demostración — Precarga proyectos, reuniones, literatura y tareas de ejemplo realistas para que puedas explorar cada función de inmediato. Recomendado para usuarios primerizos.
Clave de API — Pégala una vez.

Todo lo demás es automático. Claude Desktop se abre al final con Metis listo para usar.

Requisitos: Windows 10 u 11 · Conexión a internet · Clave de API

macOS o Linux

Abre Terminal y pega:

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

El script hace dos preguntas (Completo o solo IA, espacio de trabajo de demostración) y hace el resto. Registra Metis con Claude Desktop y Claude Code automáticamente. Funciona en Ubuntu 20/22/24, Debian y macOS.

Requisitos: Python 3.10–3.13. El instalador prefiere uv (que descarga su propio Python 3.12 — no se necesitan paquetes del sistema). Si uv no está disponible, recurre al Python de tu sistema; en un sistema limpio puede que necesites sudo apt install python3-venv. Python muy nuevo (3.14+) aún no es compatible: algunos paquetes no publican wheels para él. Si te aparece "ensurepip is not available", instala uv (la línea de arriba) o python3-venv y vuelve a ejecutar.

Después de la instalación — clave de API y actualización

Clave de API (opcional): Copia system/.env.example a system/.env y añade tu clave, o el instalador te lo pedirá. La clave habilita las funciones automatizadas (informes matutinos, escaneos programados); el uso interactivo a través de Claude funciona sin ella.

Actualización después de git pull: El servidor MCP se ejecuta desde una copia local del código fuente (no directamente del repositorio). Después de extraer código nuevo, vuelve a sincronizar con:

bash system/mcp-server/setup-mcp.sh --update

Esto vuelve a copiar el código fuente, reinstala el paquete y aplica las migraciones — sin volver a ejecutar el asistente completo.

¿Moviste la carpeta de Metis? Actualiza el archivo marcador en ~/.local/share/metis-mcp/.metis-rc-root con la nueva ruta, o vuelve a ejecutar el instalador.

Configuración del cliente MCP

El instalador registra Metis con Claude Desktop y Claude Code automáticamente — normalmente no necesitas editar ninguna configuración a mano. Los bloques siguientes son de referencia (y para directorios MCP): muestran cómo se conecta el servidor metis-rc.

Metis no es un servidor npx/uvx de una línea. Ejecuta primero el instalador: construye el entorno virtual local, inicializa la base de datos y genera el script de lanzamiento (run.sh) al que apuntan las configuraciones siguientes.

Paso 0 — instalar (construye el venv + la BD, genera run.sh):

bash system/mcp-server/setup-mcp.sh

Claude Code (cualquier sistema operativo) — lo hace el instalador por ti, o añádelo manualmente:

claude mcp add metis-rc ~/.local/share/metis-mcp/run.sh

Claude Desktop — macOS — en ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/Users/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop — Linux (nativo) — en ~/.config/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop — Windows + WSL — en %APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl",
      "args": ["-e", "/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Sustituye <you> por tu nombre de usuario. El run.sh generado resuelve METIS_RC_ROOT desde un archivo marcador en tiempo de ejecución — sin rutas codificadas. No se requiere clave de API para ejecutar el servidor en sí.

Lo que obtienes desde el primer día

Función	Qué hace
Más de 30 agentes especializados	Bibliotecario, Epidemiólogo, Entrenador de Métodos, Compañero de Escritura, Memoria de Reuniones, Constructor de Cursos, Entrenador de Carrera, Crítico y más — cada uno experto en su dominio
Respuestas fundamentadas	Cada pregunta de conocimiento se responde automáticamente desde tu biblioteca de documentos indexados con citas a nivel de página — no con suposiciones de IA
Gestión de biblioteca	Importa PDFs, sincroniza Zotero o Mendeley, pregunta "¿qué dicen mis artículos sobre X?" — respuestas citadas desde tu propia biblioteca
Informe de inteligencia matutino	Cada mañana: artículos nuevos sobre tus temas de investigación exactos, noticias del campo, alertas de vigilancia y una recomendación de enfoque — totalmente personalizado
Asistente de reuniones en vivo	Sigue en tiempo real o pega una transcripción — obtén notas estructuradas, elementos de acción y referencias cruzadas de proyectos automáticamente
Seguimiento de proyectos	Cada proyecto recibe un registro de seguimiento, un archivo de contexto en su carpeta e integración con Claude Desktop. El botón Actualizar escanea todas tus carpetas de proyectos en busca de actividad.
Captura por voz	Graba en cualquier lugar, transcribe localmente (sin API, sin subida), enruta a ideas, diario o notas
Panel de 9 pestañas	Hoy · Noticias · Conocimiento · Reuniones · Aprendizaje · Trabajo · Reflexión · Presentación · Metis — todo en vivo, todo local
Protección de datos	Seis capas de seguridad + el flujo de trabajo `/safe-analysis`. Los datos sensibles se detectan y se retienen antes de llegar a la IA, y el patrón recomendado mantiene los datos brutos en tu máquina por completo — solo compartes metadatos derivados.
Polinización cruzada	Cada idea, artículo, reunión y tarea se conecta automáticamente con todo lo demás en tu universo de investigación. Metis saca a la superficie vínculos a lo largo del tiempo — un artículo del año pasado, una nota de reunión de marzo, una pregunta que registraste en una conferencia — sin que busques nada de ello.
Seguimiento de tokens	Cada ejecución de agente muestra exactamente cuánto costó: qué especialista se usó, cuántos tokens, qué modelo. La pestaña Hoy del panel tiene un pulso de tokens en vivo para que siempre sepas tu uso diario. La mayoría de las tareas diarias se mantienen por debajo de unos pocos céntimos.
Carga de subconjuntos de herramientas	Metis registra 277 herramientas MCP, pero exponerlas todas a Claude en cada sesión desperdicia contexto. Por defecto, se cargan unas ~80 herramientas cotidianas de inmediato; el resto se recuperan bajo demanda mediante `find_tools()` / `load_tool_group()` (divulgación progresiva). Cada definición de herramienta cuesta tokens; cargar menos significa más espacio para el trabajo real y un menor coste por sesión. Desactívalo con `METIS_TOOL_SEARCH=0` para cargar todas las herramientas.
Metis evoluciona — tú no tienes que hacerlo	Cada semana, Metis revisa sus propios registros de sesión, identifica dónde rindió por debajo de lo esperado y redacta mejoras de comportamiento. Las apruebas o las rechazas — nada cambia sin tu visto bueno. Las nuevas capacidades se incorporan de la misma manera. Tú te centras en tu investigación; Metis se mantiene afilado.
Crece contigo	Cada ejecución de agente añade a tu perfil. Una pregunta hecha después de seis meses de uso obtiene una respuesta significativamente mejor que la misma pregunta el primer día — no porque la IA haya cambiado, sino porque Metis te conoce mejor.

Flujos de trabajo clave

Mañana

Wake up
  └─ Metis scanned overnight
       ├─ New papers on your configured research topics
       ├─ Surveillance alerts and field news
       ├─ Tasks due today, overdue items
       └─ Suggested daily focus based on your open projects
           └─ Open dashboard → read morning brief → start work

Literatura

New paper (PDF / DOI / Zotero / Mendeley import)
  └─ Librarian indexes it
       ├─ Added to knowledge graph
       ├─ Cross-pollinated with existing papers, past ideas, meeting notes
       └─ Available for cited semantic search immediately
           └─ Ask: "What do my papers say about X?"
                └─ Answered with inline citations from your own library

Reuniones

Meeting ends
  ├─ Paste transcript (Teams / Zoom / any audio file)
  └─ Meeting Memory agent processes it
       ├─ Structured notes with context
       ├─ Action items: who does what, by when
       ├─ Cross-references to your projects and open questions
       └─ Follow-up tasks auto-added to Work tab

Ideas y escritura

Idea surfaces
  └─ Ctrl+K → capture instantly (i: idea · n: note · t: task · q: question)
       └─ Metis cross-pollinates immediately
            └─ Related papers + past ideas surfaced automatically
                 └─ Writing Partner → draft · Librarian → sources · Methods Coach → check argument

Enseñanza y cursos

Course topic defined
  └─ Course Builder
       ├─ Generates lessons, slides, assessments, question banks
       ├─ Flags new papers relevant to your course automatically
       ├─ Gap analysis against current literature
       └─ Spaced repetition for your own knowledge maintenance

El panel

El panel de 9 pestañas se ejecuta en tu propia máquina en http://127.0.0.1:8080 — sin servicio alojado, sin cuenta de terceros, y tus artículos, notas y base de datos permanecen en tu disco. El pensamiento ocurre a través de Claude, así que aportas tu propia suscripción de Claude o una clave de API (consulta Cómo funciona Metis).

Metis dashboard — Today tab

La pestaña Hoy — informe matutino, proyecto activo, progreso, radar de noticias y estadísticas rápidas. Todo personalizado para tu dominio de investigación.

Pestaña	Qué hace
Hoy	Resumen matutino, cola de tareas prioritarias, carril de noticias, captura rápida (`Ctrl+K`)
Noticias	Noticias de campo, alertas de vigilancia y señales RSS relevantes para tu trabajo
Conocimiento	Búsqueda semántica de PDF, fichas de literatura, grafo de conocimiento, análisis de brechas de cobertura
Reuniones	Asistente en vivo, importación de transcripciones, elementos de acción, referencias cruzadas
Aprendizaje	Progreso de cursos, repetición espaciada, mapa de competencias
Trabajo	Tareas, tarjetas de proyecto, seguimiento de actividad, apertura con un clic en VS Code / RStudio / Claude — con una vista de Tablero (semana próxima · intenciones · pipeline de proyectos)
Reflexión	Tres pilas que en realidad son diferentes: ideas, un diario e hilos. Un hilo es una pregunta a la que vuelves constantemente; ábrelo y el grafo muestra ese hilo y lo que toca, a un salto de distancia. Además, un archivo, porque nada aquí se elimina.
Presentación	Un índice de las presentaciones que ya has realizado, agrupadas por colección — y el linaje de lecciones en la parte superior: qué charlas has dado más de una vez, dónde y qué cambiaste cada vez. Las diapositivas maestras se convierten en estilos con nombre; el constructor arma un resumen en lugar de diapositivas.
Metis	Historial de ejecuciones de agentes, propuestas de auto-mejora, salud del sistema, tarjeta de identidad

Cómo te conoce Metis

Cuando instalas Metis por primera vez, un asistente de configuración te guía a través de tu perfil:

dominio de investigación · intereses específicos · proyectos activos · estilo de trabajo · herramientas que usas · nivel de sensibilidad de datos

Esto crea tu tarjeta de identidad — un perfil vivo que cada agente lee antes de responderte. Crece con el tiempo. Cada sesión añade contexto. Cada idea que capturas le dice a Metis en qué estás pensando.

Una pregunta formulada después de seis meses de uso obtiene una respuesta significativamente mejor que la misma pregunta el primer día — no porque la IA haya cambiado, sino porque Metis te conoce mejor.

Protección de datos

Los investigadores manejan datos sensibles. La mayoría de las herramientas de IA no se toman eso en serio.

Datos de pacientes, resultados embargados, hallazgos no publicados — nunca deberían salir de tu máquina. Metis fue diseñado con esto en mente desde el principio.

Qué sale de tu máquina (y cuándo):

Servicio	Qué	Cuándo	¿Opcional?
Anthropic Claude API	Texto que envías para análisis	Bajo demanda	Requerido para IA
PubMed / OpenAlex	Tus palabras clave de búsqueda de investigación	Escaneo matutino diario	Sí
Zotero	Metadatos de la biblioteca (títulos, resúmenes, etiquetas)	Sincronización diaria	Sí
CrossRef	Consultas DOI	Bajo demanda	Sí
HuggingFace	Solo el nombre del modelo — descarga modelos de embeddings	Primera ejecución	Sí

Todo lo demás — tus documentos, grabaciones de voz, texto de PDF, notas de reuniones, datos adyacentes a pacientes — permanece en el disco.

Capas de seguridad:

Capa	Qué hace
Gancho previo a herramientas	Verifica cada llamada de herramienta en busca de intentos de inyección y rutas restringidas; echa un vistazo al encabezado de un archivo de datos localmente antes de que se lea y te pide confirmación antes de que datos a nivel individual se carguen en la conversación
Detección de PII	11 verificaciones, clasificación de 4 niveles. Los datos sensibles se clasifican y se rechazan en la entrada del pipeline
Sonda de inyección	Detecta inyección de prompts en contenido externo (artículos, transcripciones)
Constitución	14 reglas legibles por máquina aplicadas a cada ejecución profunda de agentes
Líneas rojas	5 reglas no anulables aplicadas a nivel de código — sin posibilidad de anulación
Cifrado AES-256	Todos los respaldos cifrados en reposo

El patrón recomendado para datos sensibles: envía código, no datos.

La protección más fuerte no es un escáner — es nunca poner los datos crudos en un prompt. Metis está construido para esto. Pídele un script de análisis (R o Python); tú lo ejecutas en tu propia máquina contra tus datos reales; y solo los resultados derivados — nombres de variables, conteos de valores, tablas de resumen, coeficientes de modelo, un diccionario de datos — regresan a Metis. Claude razona sobre la forma de tus datos, nunca sobre los registros.

Your real dataset (patient rows)         ── stays on your machine, never sent ──┐
        │ you run Metis's R/Python script locally                               │
        ▼                                                                       │
Derived metadata (column names, unique values, Table 1, model summary) ── safe to share ──► Metis
        │                                                                       │
        ▼                                                                       │
Metis builds the dashboard / writes the methods / interprets the model ◄────────┘

Así es exactamente como se construyeron los paneles y análisis en nuestro propio trabajo: los datos crudos de vigilancia nunca salieron de la máquina, y sin embargo Metis pudo perfilarlos, nombrar cada variable, listar valores únicos y generar un panel completo.

Solo ejecuta /safe-analysis (Claude Code o Claude Desktop) y Metis te guía de principio a fin — propone el script local, te dice exactamente qué metadatos pegar de vuelta y nunca pide filas crudas. Dos respaldos están debajo: el gancho previo a herramientas echa un vistazo al encabezado de un archivo de datos localmente y pregunta antes de que cualquier dato a nivel individual se lea en la conversación, y el Guardián de Datos (escaneo de PII + clasificación de 4 niveles en la entrada del pipeline) detecta contenido sensible que se cuela en un prompt de todos modos. Con el patrón anterior, normalmente ninguno tiene que activarse.

Cómo se mantiene Metis al día — para que tú no tengas que hacerlo

La IA avanza rápido. Nuevos modelos, nuevas capacidades, nuevas herramientas de investigación aparecen cada mes. La mayoría de los investigadores no tienen tiempo para seguirlo. Metis está diseñado para manejar esto por ti.

Después de cada ejecución de agente, Metis registra una reflexión — qué salió bien, qué falló, qué contexto faltaba. Cada semana agrega estas en temas. Cada semana redacta mejoras de comportamiento con una justificación clara. Revisas las propuestas en la pestaña Metis — un clic para aprobar, rechazar o editar — y los cambios aprobados se escriben en el disco.

Esto significa que Metis mejora al trabajar contigo específicamente, semana tras semana. También significa que a medida que nuevos desarrollos de IA estén disponibles y se integren en Metis, recibes las mejoras sin tener que hacer nada. Tu trabajo es tu investigación. El trabajo de Metis es mantenerse afilado.

El bucle de auto-mejora en detalle:

Después de cada ejecución de agente — se registra la reflexión: qué salió bien, qué podría mejorar, qué faltó
Semanalmente — se extraen temas de todas las sesiones; se identifican patrones
Se redacta la propuesta — un cambio concreto propuesto al comportamiento del agente, con razonamiento
Tú revisas en la pestaña Metis — apruebas, rechazas o editas antes de que se aplique algo
Se aplica con respaldo — la actualización se escribe con un punto de reversión con marca de tiempo

Ningún cambio en el comportamiento de Metis ocurre jamás sin tu aprobación explícita. El sistema propone; tú decides.

Para desarrolladores

Esta sección asume familiaridad con Python, Git y la línea de comandos.

Arquitectura

flowchart LR
    U([Researcher])
    subgraph Harness["AI Harness (Claude Code / Desktop)"]
        METIS[Metis\nrouter agent]
        AGENTS[Specialist agents\n34 agents]
        WATCHERS{{Watchers\nData Guardian · Cybersecurity}}
    end
    subgraph Platform
        MCP[MCP Server\n278 tools\nFastMCP]
        DASH[Dashboard\nFastAPI + HTMX]
        DB[(SQLite\nWAL mode)]
    end
    subgraph Memory
        EPIS[Episodic]
        SEM[Semantic\nvector search]
        REFLEX[Reflexion log]
    end
    Skills[/CLI Skills\n/metis · /metis-morning · …/]

    U -->|asks| METIS
    U -->|clicks| DASH
    METIS -->|routes to| AGENTS
    AGENTS -->|uses| MCP
    MCP --- DB
    DASH --- DB
    WATCHERS -.guards.-> AGENTS
    AGENTS -->|writes| REFLEX
    REFLEX -->|proposes edits to| AGENTS
    MCP --- Memory
    Skills --> METIS

    style WATCHERS fill:#fff4e6,stroke:#9a7b3c
    style REFLEX fill:#eef4f1,stroke:#2d4a3a,stroke-dasharray:3 3

Stack

Capa	Tecnología
Marco de IA	Claude Code, Claude Desktop (principal); Gemini (experimental)
Servidor MCP	Python 3.10+, FastMCP, se ejecuta en venv local
Panel	FastAPI + HTMX + Jinja2 — sin framework de JavaScript
Base de datos	SQLite modo WAL, 65 tablas
Memoria vectorial	sqlite-vec + nomic-embed-text-v1.5-Q (768 dimensiones, ONNX local)
Búsqueda semántica de PDF	sqlite-vec — índice local de fragmentos de PDF, sin API externa
SO anfitrión	Windows + WSL2 (Ubuntu 20/22/24) · macOS · Linux

Memoria — 5 capas

Capa	Qué almacena
Episódica	Eventos y observaciones de sesión (descubrimiento · decisión · implementación · problema)
Semántica	Contenido indexado por vectores (sqlite-vec + nomic-embed-text-v1.5-Q, 768 dimensiones)
Procedimental	Archivos de habilidades y contratos de agentes — el comportamiento persistente del agente
De trabajo	Contexto de sesión activa y enfoque actual del proyecto
Reflexiva	Registro de reflexiones y propuestas de mejora

Capa de conocimiento y respuestas fundamentadas (RAG)

Cuando haces una pregunta que requiere mucho conocimiento, Metis recupera pasajes relevantes de tu biblioteca de documentos indexada antes de que el agente especialista responda. El agente fundamenta su respuesta en lo que puede leer de tu biblioteca — no solo en lo que fue entrenado para recordar.

You ask Methods Coach:
"Which variance estimator should I use for my Poisson MLM with overdispersion?"

Metis retrieves before routing:
  → Leyland (2020) Multilevel Modelling for Public Health, p.142 — score 0.87
  → Bates lme4 vignette, p.28 — score 0.71

Methods Coach answers grounded in those passages, citing both sources.

Componente	Detalles
Modelo de embeddings	`nomic-embed-text-v1.5-Q` — 768 dimensiones, ONNX, totalmente local
Almacén vectorial	`sqlite-vec` tabla virtual dentro de la base de datos SQLite de Metis
Fragmentación	Fragmentos de 3.200 caracteres, superposición de 400 caracteres
Umbral de puntuación	Los fragmentos por debajo de 0,4 de similitud se descartan antes de la inyección

Construye la capa de conocimiento de tu campo. En la primera configuración, el cuestionario de antecedentes de investigación del asistente informa al Creador de Antecedentes, que recolecta, limpia e indexa la literatura de tu disciplina en el almacén RAG local — para que cada agente responda desde tu corpus, con citas. Amplíalo en cualquier momento con /background build <topic>.

Capas de conocimiento precargadas (esta edición):

Capa	Documentos	Cubre
Antecedentes de Salud Pública	34	Directrices de la OMS, informes globales de salud, determinantes sociales, enfermedades no transmisibles, salud materna e infantil
Epidemiología y Métodos	10	STROBE, WHO Basic Epi, Leyland MLM, Bates lme4, PRISMA 2020, SaTScan, CIFOR

Capas de seguridad (detalle)

pre-tool-use.mjs — 13 patrones de inyección, lista de dominios permitidos, restricciones de rutas (cada llamada de herramienta)
guardrails.py — sonda de inyección en todo contenido externo (artículos, web, transcripciones)
safety.py — 11 verificaciones de PII, clasificación de 4 niveles, datos sensibles rechazados en la entrada del pipeline
constitution.md — 14 reglas legibles por máquina para ejecuciones profundas y encadenadas de agentes
red-lines.md — 5 reglas no anulables aplicadas a nivel de código

Eficiencia de tokens

Enrutamiento de modelos — Haiku para triaje/resúmenes, Sonnet para la mayoría del trabajo, Opus solo para razonamiento profundo; la mayoría del uso diario nunca toca Opus
Ensamblaje quirúrgico de contexto — cada agente recibe solo el contexto relevante para su tarea, no el historial completo
Límite de máx. turnos — se detiene en 20 turnos, solicita /clear
Transferencia de sesión — captura de estado de menos de 3 KB al final de la sesión; no se vuelve a pagar por contexto ya establecido
Widget de pulso de tokens — uso en tiempo real visible en el panel

Soporte entre IAs

Marco	Estado
Claude Code	✅ Principal — MCP completo + habilidades + ganchos
Claude Desktop	✅ Principal — MCP completo + memoria; sin habilidades CLI
Gemini 2.0+	🔬 Experimental
OpenAI / Cursor	🟡 Parcial — solo herramientas MCP

Opciones de instalación

Opción 1 — Comando único (Linux, macOS, WSL)

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

Detecta Ubuntu 20/22/24, Debian, macOS Homebrew. Crea venv, instala todas las dependencias, se registra con Claude Code y Claude Desktop. Idempotente — seguro de volver a ejecutar.

# Profile overrides (skip the interactive menu):
METIS_PROFILE=light    bash <(curl -fsSL ...)   # MCP server only (~5 min)
METIS_PROFILE=standard bash <(curl -fsSL ...)   # MCP + dashboard (~15 min)
METIS_PROFILE=full     bash <(curl -fsSL ...)   # Standard + scheduler (~25 min)

Opción 2 — Clonar e instalar (cualquier plataforma)

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
bash setup-mcp.sh

Opción 3 — Manual

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
python3 -m venv .venv && source .venv/bin/activate
pip install -e "."

export METIS_RC_ROOT="$(pwd)/../.."
export ANTHROPIC_API_KEY="sk-ant-..."

python -m metis_mcp.server          # MCP server
cd ../app-py && bash run.sh         # Dashboard → http://127.0.0.1:8080

Opción 4 — Docker (matriz de pruebas de plataformas)

# Full platform test — Ubuntu 24/22 + Debian in parallel
docker compose -f system/install/docker/docker-compose.test.yml up --build

# Production stack
docker compose -f system/install/docker/docker-compose.yml up -d

Registrar con Claude Code

~/.claude/settings.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "/home/<username>/.local/share/metis-mcp/run.sh"
    }
  }
}

Registrar con Claude Desktop (Windows + WSL)

%APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl.exe",
      "args": ["-e", "bash", "/home/<username>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Configuración

Archivo	Controla
`system/config/user-config.yaml`	Dominio, intereses, estilo — generado por el asistente de configuración
`system/config/constitution.md`	14 reglas aplicadas a cada ejecución profunda/encadenada
`system/config/red-lines.md`	5 reglas no anulables
`system/config/token-guardrails.md`	Enrutamiento de modelos, umbrales de transferencia
`agents/<name>/skill.md`	Contrato de comportamiento por agente — directamente editable
`.claude/hooks/pre-tool-use.mjs`	Puerta de seguridad en todas las llamadas de herramientas

Dependencias

Paquete	Propósito
`mcp`, `fastmcp`	Protocolo MCP
`fastapi`, `uvicorn`, `starlette`	Panel
`sqlite-vec`	Búsqueda vectorial local
`onnxruntime`, `tokenizers`	Embeddings locales (sin API)
`feedparser`	Análisis de feeds RSS
`pyyaml`	Configuración de usuario
`httpx`	HTTP asíncrono
`pandas`, `openpyxl`, `pyreadstat`	Herramientas de analista de datos
`cryptography`	Cifrado de respaldo AES-256-GCM
`pyzotero`	Sincronización de Zotero
`bibtexparser`	Importación BibTeX de Mendeley
`anthropic`	API de Claude

Ediciones y hoja de ruta

Metis se distribuye en ediciones distintas — un núcleo base agnóstico al dominio y paquetes de dominio que añaden contenido específico del campo encima.

Repositorio	Estado	Qué es
Metis	✅ Activo (v1.0)	Shell base independiente del dominio. Arquitectura completa, sin contenido de dominio. Clónalo para construir tu propia edición.
Metis_PH	✅ Activo (v1.0, este repositorio)	Salud Pública y Epidemiología — servidor MCP, 34 agentes, panel de control, capa de conocimiento
Metis_BM	🧬 Planificado	Ciencias Biomédicas
Metis_CL	🏥 Planificado	Ciencias Clínicas
Metis [Comunidad]	🌍 Abierto	Paquetes de dominio para otros campos de investigación — se aceptan contribuciones
Edición Instituto Metis	🏛 Futuro	Multiusuario, base de conocimiento compartida, despliegue institucional

Qué incluye cada edición de dominio: revistas preconfiguradas + fuentes RSS · agentes especialistas · ontología de dominio · biblioteca de conocimiento de fondo curada

¿Quieres crear un paquete de dominio? Haz un fork de Metis, añade la biblioteca de conocimiento, los agentes y las fuentes RSS de tu campo, y abre un pull request.

Paquetes de Curso

Paquetes de curso independientes que puedes incorporar a cualquier instalación de Metis:

Paquete	Qué cubre
Estrategias de Muestreo	Muestreo probabilístico y no probabilístico, tamaño de muestra, diseños de encuestas complejas, estimación ponderada
Epidemiología Espacial	Autocorrelación espacial, densidad de kernel, SaTScan, LISA, mapeo de enfermedades en R y GeoDa
Vigilancia Genómica ✅ enviado	Secuenciación de patógenos en salud pública, filogenética, pipelines de WGS, Nextstrain — 22 lecciones, construidas a partir de un artículo de referencia para que las lecciones decodifiquen algo real

Abre un issue con la etiqueta course-package para pilotar o contribuir.

Estado de Desarrollo

Área	Estado
Servidor MCP (278 herramientas)	✅ Operativo, usado a diario — ~80 cargas por sesión, el resto bajo demanda
34 agentes especialistas	✅ Operativos — cada uno es un subagente despachable con su propio modelo vinculado
Panel de control de 9 pestañas	✅ Operativo, algunas funciones en desarrollo activo
Instalador .exe para Windows	🔧 En refinamiento
Imágenes Docker	✅ Matriz de pruebas funcionando
Capa de conocimiento de dominio (Metis_PH)	🔧 En expansión activa
Tareas diarias automatizadas (APScheduler)	✅ Operativas — 22 trabajos programados
Suite de pruebas	✅ Implementada — 54 archivos; un piso determinista de harnesses de promesa, clic, orquestación y seguridad
Bot de captura para Telegram	📋 Planificado
Metis OS (integración de calendario y correo)	🌐 Visión futura

Contribuciones

Metis está diseñado para crecer más allá de un solo dominio y un solo investigador. Las contribuciones son bienvenidas — especialmente de investigadores que lo usan y saben qué falta.

Consulta CONTRIBUTING.md para obtener pautas detalladas.

Más Solicitado

Paquetes de dominio — la contribución de mayor impacto. Un paquete de dominio añade: revistas clave + fuentes RSS · agentes especialistas · una ontología de dominio · una biblioteca de fondo curada

Dominio	Estado
Salud Pública y Epidemiología	✅ Incluido
Ciencias Sociales	🔬 Planificado
Investigación Biomédica / Clínica	🔬 Planificado
Ciencias Ambientales	🔬 Planificado
Economía y Desarrollo	🔬 Planificado
Psicología y Ciencias del Comportamiento	🔬 Planificado
Investigación Educativa	🔬 Planificado
Enfermería y Ciencias de la Salud Afines	🔬 Planificado

Otras contribuciones de alto impacto:

Traducciones — el asistente y los archivos de habilidades están solo en inglés; las traducciones al francés, neerlandés, español y alemán abrirían Metis a muchos más investigadores
Pruebas del instalador — Windows .exe y PowerShell en máquinas gestionadas, entornos corporativos y hardware variado; los informes de qué funciona y qué falla son valiosos
Nuevos agentes y habilidades — agentes especialistas para casos de uso aún no cubiertos
Verificación de seguridad — revisión independiente de las garantías de que los datos permanecen locales (qué se guarda en la máquina vs. qué se envía a la API de Claude), detección de PII, comportamiento de los hooks y aplicación de la constitución; si encuentras una brecha, abre un issue privado
Soporte multi-IA — mejor soporte para Gemini y modelos locales (Ollama), especialmente para entornos de investigación sin conexión
Informes de errores y comentarios de UX — si algo no funciona para tu flujo de trabajo, dilo

Registro de Cambios

Metis está en desarrollo activo — consulta lo más reciente a continuación. (Reciente: un mes dedicado a la brecha entre renderizado y funcionamiento — 172 controles que se dibujaban correctamente y no hacían nada, una búsqueda que nunca había funcionado, un panel que gastaba dinero cada vez que se abría, y un harness de pruebas que informaba lo contrario de la verdad).

Septiembre de 2026

Un mes dedicado casi por completo a la brecha entre renderizado y funcionamiento. Cada elemento a continuación se veía bien en pantalla.

Qué cambió
172 controles se dibujaron perfectamente y no hicieron nada — `{{ x \| tojson }}` colocado dentro de un atributo HTML entre comillas dobles es marcado roto: el filtro escapa `<`, `>`, `&` y `'` — deliberadamente no `"`, porque está construido para atributos entre comillas simples — así que el primer argumento cerró el atributo y todo lo demás se convirtió en basura. El botón se renderizaba, se veía bien y no podía dispararse. Solo afecta valores de cadena (un id entero se renderiza desnudo y es inofensivo), por eso la misma línea funcionaba en un panel y fallaba en otro dependiendo del tipo de columna. Cambiar la categoría de un proyecto era imposible; marcar como hecho y eliminar estaban muertos en cada fila de tarea. La entrada de julio siguiente reportó esto como arreglado — volvió con un disfraz diferente. Ahora se detecta en la página renderizada, que es el único lugar donde es visible: `grep -cE 'onclick="[a-zA-Z]+\([^")]*"'`.
La búsqueda semántica nunca había funcionado desde el panel — las consultas se incrustaban con el prefijo de documento y nunca se normalizaban, así que la clasificación era ruido disfrazado de relevancia. Los registros de literatura duplicados se colapsaron en la misma pasada (3,084 filas reducidas a 1,099 — el 64% eran duplicados), y 2,282 artículos que nunca habían sido triados resultaron ser inalcanzables desde cualquier pantalla.
Cada escritura en el sistema fallaba durante cinco minutos después de cada reinicio — el escaneo de noticias al arrancar mantenía una transacción de escritura abierta a través de cada búsqueda de fuente, así que ninguna escritura en Metis podía tener éxito hasta que terminara. Se diagnosticó a partir de registros de bloqueo del kernel en lugar del síntoma, que había sido malinterpretado durante semanas.
Dos de las tres vistas de Trabajo nunca pudieron mostrarse — la clase que las ocultaba era `!important`, así que los botones que cambiaban de vista no hacían nada. Solo la vista predeterminada había sido alcanzable.
Cuatro conteos rivales de un mismo backlog, reducidos a un solo autor — el mismo número se calculaba en cuatro lugares y no coincidían; 34 tareas canceladas se dibujaban como trabajo activo. Una cantidad calculada en varios lugares se desvía, así que el arreglo afirma un solo autor, no una sola respuesta.
Un panel que gastaba dinero cada vez que lo abrías — una superficie hacía nueve llamadas API pagadas y tomaba 18.5 segundos en cada vista, porque un resumen temático se calculaba en la ruta de renderizado. Se medía como instantáneo en cada prueba, porque un proceso de prueba no tiene clave API y silenciosamente recurría al conteo de palabras. Ahora está en caché, con el paso del modelo movido detrás de un control que nombra su costo. Una página que dibuja un panel no debe gastar dinero ni bloquearse en un viaje de ida y vuelta de red.
El arnés de pruebas reportaba lo opuesto a la verdad — anunciaba "0 de 34 agentes han corrido alguna vez — el enrutamiento está roto" mientras su propio informe, cuatro secciones antes, contaba 733 ejecuciones. Estaba leyendo una ruta de base de datos retirada tres meses antes, y su cargador degradaba a un resultado vacío en lugar de fallar. 34 de 35 agentes de hecho habían corrido. Una verificación que grita lobo es peor que ninguna verificación, así que un arnés ahora falla cuando sus propias entradas faltan.
La recuperación desatendida nunca corría con batería — la tarea que reinicia el panel había sido instalada por una ruta de respaldo que por defecto no se inicia con baterías, sin un interruptor de línea de comandos para cambiarlo. En una laptop eso significaba sin supervisión la mayor parte de su vida, mientras cada campo de estado leía saludable. La pista era la brecha entre la última ejecución y el intervalo de repetición, no ningún error.
Planifica una racha de días en una sola fila — un proyecto o una tarea individual se puede planificar en un día, y un compromiso de varios días (un entrenamiento de cinco días, una semana de campo) es una entrada que dice qué día de la racha es hoy. Un plan es una intención, así que nunca escribe una fecha límite en el trabajo mismo — y replanificar extiende la racha en lugar de ignorarte silenciosamente.
La lista de Trabajo responde a lo que realmente has tocado — la vista predeterminada está ordenada por trabajo más reciente, lo nunca abierto al final, en lugar de un orden manual que nadie había establecido. La disposición manual se movió a las vistas por categoría, donde es visible; las categorías de proyecto se convirtieron en cosas que puedes crear, renombrar, fusionar y reordenar; y la fila de lanzador de un proyecto ahora refleja lo que ese proyecto puede abrir realmente.
Un estante es una razón para conservar, no una etiqueta de tema — las categorías de biblioteca ganaron un tipo (propósito, seguimiento, adjunto) que cambia lo que hace el estante, en lugar de ser decoración.
El patrón de zona, y las superficies reconstruidas sobre él — una caja ahora dice lo que contiene con una barra de color y, donde hay más de una vista del mismo material, una tira de pestañas en lugar de una pila. Tres superficies se reconstruyeron sobre él. Un estante de tema que apilaba once paneles en una página se convirtió en cinco pestañas, y finalmente creció el panel que siempre había prometido: lo que está más cerca de tu propio trabajo, clasificado contra tus proyectos y cursos en lugar de contra el tema — top N, nunca un piso, con el denominador impreso encima de la lista.
La superficie de reflexión era plana por una razón que ningún diseño podía arreglar — el riel de hilos y el panel central ambos seleccionaban de la misma tabla, así que "hilo" e "idea" eran dos representaciones de una misma cosa y no podían significar nada diferente sin importar cómo se etiquetaran. Un hilo ahora es un tipo distinto, con las fuentes que toca, y un gráfico limitado a él. Dibujar el gráfico completo es lo que hacía ilegible el anterior: un gráfico de todo es una imagen de nada.
Ochocientas presentaciones que el panel no sabía que existían — las carpetas pueden decir dónde está un archivo; no pueden decir qué ya has presentado sobre esto, a quién, y cómo lo dijiste diferente la última vez. Un índice de solo lectura responde eso, uniendo la misma lección a través de las colecciones en las que se entregó. Autor, audiencia y registro de lenguaje se escriben a mano porque ningún archivo los lleva — y el escáner nombra las columnas que posee, así que reindexar no puede borrarlas.
Un índice que se borraba a sí mismo en un paseo corto — reindexar elimina lo que ya no está en disco, lo cual es correcto hasta que el paseo está incompleto. Un escaneo interrumpido, una unidad desmontada y un llamador que pasa un subconjunto se ven idénticos a "todo fue eliminado", y la poda es instantánea y total. Un paseo corto ahora se rechaza y se reporta; un control confirma que una pequeña eliminación genuina aún se aplica.
Una pestaña oculta nunca cargaba su propio contenido — un panel diferido hasta que se mostrara por primera vez usaba un disparador que se activa cuando un elemento se desplaza a la vista, y un elemento oculto con el atributo `hidden` no tiene caja para desplazarse. Desocultarlo no es una revelación, así que el panel habría permanecido vacío para siempre y se leería como un error del servidor.
El arnés de pruebas buscaba la base de datos dentro del repositorio — una ruta retirada a mitad de año porque una carpeta sincronizada consume los sidecars de escritura anticipada. Había estado reportando una base de datos saludable como faltante en cada ejecución desde entonces. Otras dos verificaciones afirmaban una arquitectura que el panel ya no usa y fallaban en cada pestaña para ella. Las fallas críticas pasaron de trece a cero; las verificaciones ahora afirman comportamiento en lugar de forma.
Higiene de lanzamiento, dos veces — el constructor de shell base publicó la edición sin depurar después de que su limpieza de identidad fallara, porque un modismo de shell ocultaba un error fatal; y una rama empujada directamente omitió la limpieza por completo. Ambos están cerrados. La identidad también se eliminó del árbol de trabajo y de lo que dos repositorios públicos ya habían publicado.

Agosto 2026

Qué cambió
La verificación de datos se convirtió en un mecanismo en lugar de una convención — ahora una afirmación se comprueba, no se da por sentada. Dos capas: una determinista (¿está indexado el documento citado?, ¿existe la página?, ¿aparecen realmente las cifras y las citas textuales en ella?, ¿resuelve el DOI?, ¿está retractado el artículo?) y una de juicio (¿está de acuerdo la literatura?, ¿hay matices y salvedades que el resumen omitió?, ¿ha llegado evidencia más reciente desde entonces?). La conversación se anota; los artefactos tienen una barrera estricta — `tools/verify_citations.py` sale con código distinto de cero en un documento que cita una página que no respalda la afirmación. Nada de esto es una suposición del modelo: el verificador es deliberadamente menos falible que aquello que verifica.
Cada informe ahora lleva su denominador — la línea de cobertura ("18 de 187 elementos con formato de cita eran comprobables tal como estaban escritos") se imprime tanto si favorece el resultado como si no. Un informe de verificación que omite lo que no cubrió se lee como un certificado de salud limpio, lo cual es peor que no tener informe.
Verificación de datos más allá de las citas — pregunta por una cifra específica y Metis pondera la dispersión de los valores reportados en tu biblioteca, saca a la luz los matices asociados a cada uno, señala lo que el resumen omitió y comprueba si trabajos más recientes han movido el número.
Áreas de enfoque — superficies que añades tú mismo — un enfoque es un tema del que quieres mantenerte al día ("IA en salud y epidemiología"), y compone una página a partir de las partes que Metis ya tiene: noticias, lectura, tus notas e ideas, y una visión general en curso. Posee una consulta, nunca contenido — así que archivarlo deja cada nota, idea y artículo exactamente donde estaba. Su lente es una conjunción de grupos de palabras clave (O dentro, Y entre), que es lo que evita que "¿Puede la IA ser consciente?" aterrice en una superficie de salud. El estante admite tres, y rechaza una cuarta en lugar de desalojar silenciosamente una: qué tema pierde tu atención es tu decisión, no la del software.
Los especialistas ganaron memoria — enrutar a un experto solo vale la pena si el experto recuerda algo. Las decisiones permanentes (cómo quieres que se construya un panel, cómo se debe escribir algo, qué importa en tu biblioteca) ahora se registran una vez y se integran en el contexto de ese especialista en cada solicitud. Se extrajeron 65 de resúmenes de sesiones pasadas y se atribuyeron de forma conservadora — cualquier cosa que no se pueda ubicar con confianza se vuelve de todo el proyecto, porque una atribución incorrecta oculta una regla al agente que la necesitaba y satura a uno que no.
Los 33 especialistas son despachables — cada uno está registrado como un subagente real con su propio modelo vinculado, por lo que el trabajo se ejecuta en un contexto aislado y la elección del modelo realmente surte efecto en lugar de ser un consejo en un archivo de configuración.
Diez fallos silenciosos por trabajar entre dos ordenadores — el código se sincroniza a través de OneDrive; el entorno virtual, la base de datos y la caché del modelo no. Esa brecha produjo diez fallos con una sola causa: una caché de incrustaciones fijada a una ruta a la que el modelo nunca se había copiado (solucionado tratando la ubicación de la caché como una ruta de búsqueda, no como una constante), una comprobación de instalación obsoleta que comparaba marcas de tiempo en lugar de contenidos, dos propietarios de la misma definición de tabla, un `);` dentro de un comentario SQL que truncó silenciosamente una tabla y eliminó sus columnas, y un script de reinicio que esperaba a la salud en lugar de al proceso que realmente se reiniciaba — lo que solo causó tres diagnósticos falsos.
Un informe que no se repite — el informe diario rota en lugar de repetir el de ayer, Noticias se reconstruyó en torno a lo que sucedió (los artículos pertenecen a la biblioteca, nunca al feed de noticias), y los intereses de investigación se dividieron en ejes separados para que un feed pueda ser específico sin ser limitado.
La persona crece a partir de lo que sabe — la presencia ahora proviene del contexto recordado en lugar del marco anunciado, más un libro de lecciones aprendidas y `/metis-review` para comprobar si Metis sigue apuntando a las cosas correctas.
Los fondos se convirtieron en paquetes portátiles — ver, cambiar, reconstruir y finalmente eliminar una capa de conocimiento; apuntar una capa a una biblioteca externa (206 artículos no eran buscables); incorporar PDFs institucionales a través de Zotero; y una nueva capa de fundamentos derivada de libros de texto, donde el plan de estudios decide el paquete en lugar de al revés. Los paquetes llevan cada carpeta que cubre su capa, y los paquetes de dominio, métodos y temas se envían por separado.
Office y una API JSON simple — un panel de tareas de PowerPoint/Excel sobre un puente HTTPS, presentaciones que fluyen de vuelta a Metis por sí solas y respetan tu propia plantilla, y una API JSON sobre el cerebro para clientes que no son Claude.
Memoria que puedes leer y cerrar — la memoria procedimental era un número en una tarjeta; ahora es legible. Las decisiones se pueden cerrar en lugar de reafirmarse para siempre. La búsqueda de notas alcanza ambos almacenes de notas. Un documento que llega ahora se indexa solo. Metis ofrece un procedimiento registrado y recuerda tu respuesta.
Un calendario en el que puedes planificar — vistas de día, semana y mes, con las lecciones restantes de un curso que se pueden colocar en el plan.
IA en Salud Pública — un curso completo — 16 lecciones, 97 preguntas, 106 tarjetas, construido en torno a seis formas de reconocimiento de patrones y una pregunta rectora: ¿qué sucede cuando está mal, y quién se entera? Se envió con dos nuevas barreras, porque ambas propiedades habían estado silenciosamente rotas: `check_course_launch.py` (cada botón de lanzamiento abre el curso real — uno solía abrir un repositorio de GitHub, otro una ruta que daba 404) y `audit_quiz.py` (sesgo de posición y pistas de longitud — un primer borrador puso el 100% de las respuestas correctas en la ranura 1).
Reparaciones de portada y superficies — 79 tareas abiertas eran invisibles detrás de una columna faltante; cuatro paneles de Hoy estaban en blanco; tres rutas de Teach devolvían un div vacío mientras 11 cursos estaban en la base de datos; las reuniones no tenían clave primaria, por lo que sus elementos de acción nunca podían salir a la luz; cada informe de noticias tenía una clave primaria NULL y la mitad renderizaba HTML crudo como texto.
Sin conexión, actualizable y honesto sobre el código muerto — los activos CDN se almacenaron localmente para que el panel se cargue sin internet; actualiza Metis desde un botón con forma de volver; y un detector permanente para código que parece conectado pero nunca se ejecuta.

Julio de 2026

Qué cambió
El panel nunca se estaba estrellando — estaba en un punto muerto sin forma de volver. Una fuga de herencia de descriptores de archivo significaba que un proceso hijo mantenía el archivo de bloqueo que su padre había abierto, por lo que la recuperación era imposible en lugar de simplemente lenta, y tres fallos silenciosos separados significaban que nada lo reiniciaba. Esto reemplaza por completo la historia anterior de "sigue fallando".
La polinización cruzada se volvió ambiental — el README había prometido durante meses que el trabajo relacionado surge por sí solo. Ahora lo hace: en el panel de Hoy, en toda la biblioteca, y sin que se lo pidan.
Noticias es lo que sucedió; literatura es lo que se publicó — los dos se habían fusionado, por lo que los artículos seguían apareciendo en el feed de noticias. Era un problema del modelo de datos (los feeds no llevaban tipo), no de visualización, por lo que la clasificación por relevancia lo estaba amplificando.
La repetición espaciada realmente funciona — la última promesa del README no cumplida.
Elementos de acción de transcripciones naturales — extracción de cómo la gente realmente habla, no de una plantilla estructurada.
El planificador se fusionó en Trabajo como una vista de Tablero — de 10 pestañas a 9.
Zotero ganó una ruta de escritura — subir artículos locales, no solo descargarlos.
La aplicación finalmente usa el sistema de diseño que ya tenía.
Marcar como hecho y eliminar nunca funcionaron — los IDs de tareas no estaban entre comillas en el JavaScript generado.

Finales de junio de 2026

Qué cambió
Enrutamiento de agentes aprendible — qué especialista responde a una solicitud ahora proviene de una base de datos de enrutamiento, no de una lista codificada: alcanza a 21 de los agentes especialistas (antes eran 10), coincide en límites de palabras (para que una palabra suelta no arrastre una solicitud al experto equivocado), y aprende — cuando algo no tiene un propietario obvio, Metis puede preguntar "¿debería enviar siempre esto al Epidemiólogo, o solo esta vez?" y recordar tu respuesta.
Capa de personalización (crece contigo) — Metis ahora mantiene un registro de tus preferencias y decisiones permanentes — estilo de código, formato de citas, valores predeterminados de metodología, los artículos y conjuntos de datos a los que vuelves constantemente — y las aplica en cada solicitud en lugar de volver a preguntar. Dilo una vez ("usa siempre el estilo tidyverse"), y lo integra en el contexto cada vez.
Bucle de solicitud vivo — cada solicitud de `/metis` ahora se enruta a través de las capas — persona · tu memoria · tus preferencias · el agente y las herramientas adecuados — y la respuesta se verifica contra ellas antes de volver, por lo que Metis se vuelve un poco más tuyo con cada uso.
Pase de seguridad — cerró un agujero de XSS reflejado en la búsqueda; amplió la detección de PII (formatos de teléfono internacionales, GPS a nivel de hogar) y la detección de inyección de prompts (más frases de ataque); todo respaldado por sondas repetibles.
Superficie de Hoy — rediseño editorial — la vista matutina se reconstruyó como un informe, no un panel: un párrafo matutino siempre abierto, tus hilos activos más cálidos, tres elementos de enfoque personalizables y notas del asistente.

Post-v1.0 — Junio de 2026

Qué cambió
Repositorio de código — una capa de reproducibilidad / reutilización de código: registra scripts, diccionarios de datos (nombres de variables, tipos, valores únicos) y tratamientos de conjuntos de datos, luego `scaffold_script` reconstruye un nuevo script a partir de tu trabajo anterior — mismos nombres, rutas, paquetes. Se llena silenciosamente mientras trabajan los agentes que producen código.
Proyectos en el registro + polinización cruzada — el listado de proyectos ahora lee el registro de proyectos (todos los proyectos, no solo las carpetas en disco); las lluvias de ideas y la polinización cruzada ahora se basan en tus proyectos y notas registrados, no solo en la biblioteca/noticias.
Mejoras de lluvia de ideas e informes — un dial de creatividad para lluvias de ideas (Fundamentado/Equilibrado/Atrevido) y un menú de alcance (este trabajo · un tema · mapa mental · clúster) que se entrega a Claude Desktop preparado con tu trabajo; un interruptor de informe matutino Diario ↔ Semanal; un mapa mental de ideas en la pestaña Reflexión; y un botón "Mejorar Metis (OODA)" en la pestaña Metis.
Flujo de trabajo de datos sensibles (`/safe-analysis`) — un flujo de trabajo de primera clase "enviar código, no datos": Metis escribe un script de análisis local, tú lo ejecutas en tu máquina, y solo los metadatos derivados (esquema, recuentos de valores, resúmenes, salida del modelo) regresan. Disponible en Claude Code y Claude Desktop.
Endurecimiento del Guardián de Datos — el escáner de PII del pipeline ahora ejecuta los 11 patrones (nombres, fecha de nacimiento, pasaporte, números de registro médico, números de identificación nacional, identificadores de caso/registro, + los cinco originales) a través de un escáner compartido utilizado tanto por la herramienta como por el pipeline, para que no puedan divergir; cubierto por una suite de pruebas unitarias.
Guardia previa de archivos de datos — antes de un `Read`/`read_file`, el gancho de seguridad echa un vistazo al encabezado del archivo localmente y pide confirmación antes de que los datos a nivel individual se carguen en la conversación.
Posicionamiento honesto — eliminó el marco de "local-primero/IA local" (el razonamiento se ejecuta en la API de Claude); el texto ahora declara claramente que tus datos permanecen en tu máquina mientras el razonamiento usa Claude.
Seguimiento de proyectos de escritorio + correcciones de seguimiento de archivos — el enrutador de escritorio ahora registra proyectos rastreados; reparó un error de recursión que había roto el seguimiento de archivos.

Post-v1.0 — Mayo de 2026

Qué cambió
Sistema unificado de inteligencia de proyectos — proyectos ilimitados con categorías y rutas de carpetas en todas las rutas del instalador; CLAUDE.md escrito en cada carpeta de proyecto; registro automático en Claude Desktop; el escáner de actividad detecta commits de git, archivos modificados y completaciones de tareas pendientes; el hook de detención de Claude Code reporta el proyecto activo al panel
Asistente de configuración inteligente de tres vías — asistente de navegador (proyectos ilimitados, categorías), asistente de terminal (Linux/macOS) y asistente de Inno Setup (Windows .exe), todos respaldados por la generación de personajes de la API de Claude
Matriz de pruebas Docker — Ubuntu 24/22 + Debian + perfil ligero ejecutándose en paralelo; puerta de liberación previa obligatoria en el Coordinador de Liberación
Reestructuración de la superficie de Hoy — franja de transferencia de sesión, libro mayor de 7 métricas, cola de prioridad de tres niveles, diseño de cuadrante de investigación 2×2, resumen matutino adaptativo según la hora del día
Orquestación de subagentes reales de Metis — Metis genera subagentes aislados reales mediante la herramienta de Agente, con seguimiento independiente de tokens
Coordinador de Liberación — guardián proactivo de git con comandos `status` / `commit` / `push` / `audit` / `test-containers`
Corrección del programador — trabajo del índice de biblioteca corregido (scan_literature_folder en el módulo content_scan)
Superficie de conocimiento — búsqueda unificada, análisis de brechas de cobertura, navegador de capas de conocimiento

v1.0 — Mayo 2026

Primera versión estable. Consulte system/config/release-notes-v1.0.md para obtener detalles completos.

Qué se incluyó
Panel FastAPI + HTMX — 9 pestañas
34 agentes especialistas
Servidor MCP — más de 170 herramientas registradas
Instalador de Windows (Inno Setup)
Curso de Estadística para Epidemiología — 12 lecciones con repetición espaciada
Suite de evaluación de inicio + verificación de frescura de noticias
Resumen de transferencia automática al 80% de contexto
Licencia AGPL-3.0

Desarrollo anterior (Fases 0–9b)

Fase	Qué se incluyó
0–5	Servidor MCP, 34 agentes, habilidades CLI, asistente de configuración, SQLite (46 tablas), memoria de 5 capas, grafo de conocimiento, sincronización Zotero/Mendeley
6–7	Panel FastAPI + HTMX — 9 pestañas, parciales en vivo
8	Resumen matutino, carril de noticias, asistente de reuniones, captura de voz, búsqueda PDF PaperQA2, polinización cruzada, salvaguardas de tokens
9	Rediseño de CSS — diseño editorial, cuadrícula responsiva, animación
9b	Bucle de auto-mejora — agregación de reflexiones, redacción de propuestas, flujo de aprobación
M	Memoria de conversación — resúmenes de sesión en memoria episódica, búsqueda semántica en sesiones pasadas

Licencia

AGPL-3.0 para el código base — use, modifique y bifurque libremente, pero cualquier versión que ejecute como servicio o distribuya también debe ser de código abierto bajo AGPL-3.0.

CC-BY-SA 4.0 para el contenido del curso y los materiales de aprendizaje.