Saule White Paper v2.0

La revolución de la inteligencia artificial, al mercantilizar la inteligencia, está cambiando radicalmente el significado de ser humano, de pensar y de tomar decisiones. Hoy en día, la capacidad de razonamiento es cada vez más barata, rápida y accesible. Las máquinas analizan, sintetizan y producen en nuestro lugar. Sin embargo, a la sombra de esta gran revolución mental, algo silencioso y peligroso se está perdiendo: el contexto que nos pertenece, es decir, nuestra memoria personal y corporativa. La mente humana no basa sus decisiones únicamente en las frías reglas de la lógica del momento, sino en las huellas del pasado, los riesgos asumidos, las alternativas descartadas y las intenciones únicas de ese momento. Por mucho que se desarrolle la inteligencia, está condenada a quedar suspendida en el aire si no hay una base de memoria original que la dirija.

El verdadero dilema que enfrentamos hoy en el mundo digital no es la falta de información, sino la fragmentación y pérdida del contexto. Los correos electrónicos, notas, mensajes y chats instantáneos que utilizamos guardan fragmentos de nuestra mente y nuestro trabajo; pero ninguno conoce la imagen completa. Peor aún, incluso los asistentes de inteligencia artificial que nos facilitan la vida hoy en día nos ofrecen una ilusión de memoria temporal. Su memoria es plana, está ligada al modelo y destinada a borrarse cuando se cierran las ventanas de chat. Nos vemos obligados a explicarles a los asistentes de inteligencia artificial quiénes somos, nuestro trabajo y nuestros objetivos desde cero cada día. Esta situación nos arrastra a un olvido digital constante y consume nuestra energía de toma de decisiones (nuestros recursos cognitivos del Sistema 2) al intentar recordar continuamente el contexto de ayer.

Este documento es una declaración de intenciones radical ante esta crisis silenciosa. Está lejos de ser un folleto de producto o material de marketing; su objetivo es presentar una nueva capa de infraestructura fundamental al mundo de las ciencias de la computación y cognitivas: la Capa de Memoria Semántica (Semantic Memory Layer). A lo largo de este documento, seguiremos el rastro de tres preguntas fundamentales:

• ¿Por qué? Cuando la inteligencia se vuelve ubicua, ¿por qué necesitamos una capa de memoria independiente para proteger la cognición humana y asegurar una ventaja competitiva duradera?

• ¿Cómo? ¿Cómo podemos traducir los principios de funcionamiento asociativos, episódicos y selectivos de la memoria humana en reglas de software concretas y funcionales?

• ¿Qué estamos construyendo? ¿Cómo implementamos técnicamente una memoria semántica viva, independiente de los modelos y basada en la soberanía absoluta del usuario?

Saule no fue escrito para sustituir la inteligencia humana; sino para empoderar a la mente humana y a nuestra inteligencia colectiva, más allá de los límites del tiempo y el espacio, para que sea la dueña absoluta de su propia memoria.

Mientras la tecnología acelera nuestra mente, disuelve nuestra memoria y nuestra identidad.

La mente humana crece con las huellas que deja en el mundo exterior. Desde las tablillas de piedra hasta el papel, desde la imprenta hasta los centros de datos digitales, cada herramienta de memoria que hemos construido ha sido parte de nuestra voluntad de trascender nuestros límites biológicos. Sin embargo, hoy, por primera vez en la historia, estamos desarrollando sistemas que no solo almacenan información, sino que también razonan activamente sobre ella (reasoning). Mientras los modelos de inteligencia artificial procesan enormes volúmenes de datos y generan respuestas en segundos, nosotros, para seguir el ritmo de esta velocidad, les entregamos nuestro propio contexto, el origen de nuestras decisiones y nuestras huellas mentales. Esta entrega nos está alienando gradualmente de nuestra propia mente.

La Parte I explorará la anatomía filosófica de esta transformación cognitiva y la crisis que conlleva. En esta sección, descubriremos la pérdida de memoria detrás de la promesa de la tecnología de hacernos más inteligentes; por qué la memoria es la única ventaja competitiva duradera en un mundo donde la inteligencia se ha vuelto omnipresente y mercantilizada; y por qué necesitamos una capa de software completamente nueva (Semantic Memory Layer) para preservar esta memoria. Porque recordar no es solo saber el ayer; es el poder de elegir quiénes somos y con qué intención partiremos mañana.

El software tradicional almacena información. Saule almacena experiencia.

Comprende: ¿Por qué se tomó una decisión? ¿Quién influyó en ella? ¿Qué alternativas estaban disponibles? ¿Qué condiciones estaban activas? ¿Cómo evolucionó la información con el tiempo?

La memoria cobra vida.

El problema del ser humano moderno no es la falta de información. Es la crisis de la memoria fragmentada.

Nuestro conocimiento vive dentro de estas herramientas:

Correo electrónico | Slack | WhatsApp | Google Drive | Notion | Calendarios | CRM | Chatbots de IA

Cada plataforma recuerda una pequeña parte de la historia. Ninguna conoce la historia completa.

La información persiste. El contexto se pierde.

Los sistemas de IA actuales parecen inteligentes porque recuerdan conversaciones. Sin embargo, esta memoria: Es específica de la plataforma, Está bloqueada en el modelo, Es transitoria, Depende del proveedor (vendor).

El contexto acumulado le pertenece al proveedor de IA, no a usted. Cuando cambia de un modelo a otro, meses o años de comprensión contextual desaparecen al instante.

El mundo cree que está construyendo inteligencia. En realidad, está reconstruyendo la memoria desde cero constantemente.

Los modelos de razonamiento (LLM) pronto estarán en todas partes. Los usuarios cambiarán de modelo tal como eligen un navegador. OpenAI. Anthropic. Google. Nuevos modelos del futuro. Todos serán intercambiables.

La verdadera ventaja competitiva del futuro no será la inteligencia. Será la memoria.

Saule no compite con los modelos de IA. Saule existe de forma integrada en ellos.

Aplicaciones → Modelos de Razonamiento (LLMs) → Capa de Memoria Semántica de Saule (SML) [Gráfico de Conocimiento | Memoria Vectorial | Gráfico de Identidad | Línea de Tiempo | Memoria del Espacio de Trabajo] → Vida Digital Humana

El LLM piensa. Saule recuerda.

Una capa de memoria que entienda al ser humano debe construirse no con los fríos métodos de registro de las computadoras, sino con la arquitectura biológica viviente de la mente humana.

Las computadoras almacenan datos. Escriben bits en los sectores del disco, los congelan allí incluso cuando se corta la electricidad y devuelven esos bits exactamente en milisegundos cuando son solicitados. Esto es un archivo impecable; pero no es una memoria. La memoria humana, en cambio, funciona de manera completamente diferente. La memoria biológica no es una biblioteca estática, sino una red asociativa viviente, que se reconstruye constantemente, es selectiva, olvida y se forma según el significado. Si vamos a construir un software que recuerde, en lugar de imponer la lógica de almacenamiento de datos de las computadoras al ser humano, debemos enseñar los principios de funcionamiento de la mente humana a los códigos de software.

La Sección II establecerá los fundamentos de la psicología cognitiva y la neurociencia que dan forma a las decisiones arquitectónicas y algorítmicas de Saule. Veremos que la memoria no es un almacén, cómo interactúan los sistemas episódico y semántico, cómo construimos nuestra identidad narrativa, cómo olvidar es en realidad una optimización y exploraremos la naturaleza transaccional de la mente colectiva. En cada paso, veremos cómo estos principios humanos y mentales se transforman en sus equivalentes en la arquitectura de software de Saule. Porque la única manera de construir un software que funcione como la mente es entender la mente con sus propias reglas.

La memoria no es un depósito de archivo estático; es un proceso dinámico que reconstruye el presente y el significado a partir de las huellas del pasado.

En psicología académica, durante mucho tiempo se pensó que la memoria registraba el pasado como una cámara. Sin embargo, el proceso que va desde los trabajos pioneros de Frederic Bartlett en 1932 hasta las investigaciones modernas de Elizabeth Loftus sobre testimonios oculares ha demostrado la naturaleza reconstructiva (de reconstrucción) de la memoria humana. Cuando recordamos un evento, nuestro cerebro no saca una grabación de video de un estante polvoriento. En su lugar, reúne pistas semánticas (cues), esquemas y expectativas del presente que quedan del pasado para reconstruir el recuerdo en ese momento. Aunque este proceso de construcción parezca propenso a errores, es la mayor capacidad de adaptación de la cognición humana; porque permite a la mente establecer conexiones semánticas ilimitadas con capacidad limitada.

Las arquitecturas informáticas (arquitectura de Von Neumann, etc.) almacenan datos en celdas de memoria direccionables (RAM o disco duro). Cuando se recuperan, esos datos son recuperados sin errores a nivel de bit. La mente humana, en cambio, funciona de manera asociativa. La relación entre dos piezas de información no surge de su proximidad de dirección, sino de sus similitudes semánticas y activaciones simultáneas. Almacenar información por dirección la congela; almacenarla por asociación la convierte en una red viva.

Este principio cognitivo permite el rechazo de los métodos de consulta de datos estáticos en la arquitectura de Saule. Saule no almacena fragmentos de texto tal cual ni los alimenta como datos brutos al modelo. En el momento de la consulta, analiza la intención del usuario, la línea de tiempo actual y las relaciones semánticas para reconstruir el contexto correcto (context) en ese instante (composición de contexto). Al igual que la mente humana, construye un marco semántico dinámico adecuado a la necesidad del presente, partiendo de los datos estáticos del pasado.

La memoria no es una piscina única; es la orquestación armoniosa de sistemas con diferentes duraciones y funciones, como la memoria episódica, semántica y de trabajo.

La clasificación propuesta por el psicólogo cognitivo Endel Tulving en 1972 demostró que la memoria no es homogénea. La mente humana opera con al menos tres sistemas de memoria fundamentales:

1. Memoria de Trabajo (Working Memory): El área temporal que procesa la información actual en segundos, con capacidad limitada (regla 7±2 de Miller).

2. Memoria Episódica (Episodic Memory): El archivo autobiográfico que retiene experiencias personales, junto con el contexto de tiempo y espacio (Ej: "La reunión que tuvimos con Ahmet ayer a las 14:00").

3. Memoria Semántica (Semantic Memory): Una red de conceptos, significados y hechos generales, independiente del tiempo y el espacio (Ej: "Reglas de la reunión y objetivos del proyecto").

Estos sistemas interactúan constantemente. Una nueva información que ingresa a la memoria de trabajo se empareja con un recuerdo pasado en la memoria episódica y, con el tiempo, se abstrae para convertirse en una parte permanente de la memoria semántica. La interrupción de estas transiciones o la sobrecarga de los sistemas disminuye la calidad de la toma de decisiones y aumenta la carga cognitiva.

Saule refleja directamente esta estructura de memoria múltiple de Tulving en sus capas de software. En el modelo de datos de Saule, la sesión activa actual del usuario representa la "Memoria de Trabajo"; el Timeline Graph, donde se guardan las interacciones instantáneas y las notas con marca de tiempo, representa la "Memoria Episódica"; y la red de conceptos, reglas y relaciones abstraídas representa la capa de "Memoria Semántica". Saule filtra y abstrae continuamente los datos entre estas capas, preparando un contexto significativo para los modelos.

La identidad no es una suma estática de datos pasados; es un proceso narrativo que se reescribe continuamente a lo largo del tiempo.

Los trabajos de los psicólogos Dan McAdams y Martin Conway demuestran que la identidad humana es una historia viva (narrative) que se nutre de los recuerdos autobiográficos. Las personas no solo registran su pasado, sino que lo reinterpretan continuamente de acuerdo con sus valores presentes y sus objetivos futuros. La identidad no es estática; es una narrativa viva. Si los sistemas de software congelan los datos pasados como verdades absolutas e inmutables, obstaculizan el desarrollo mental del usuario y lo encierran en una versión pasada de sí mismo.

La mente humana, de acuerdo con sus intenciones cambiantes a lo largo del tiempo, hace más visibles algunos recuerdos de su pasado y relega otros a un segundo plano. Cuando nos enfocamos en un objetivo, nuestro cerebro evoca más rápidamente experiencias pasadas relacionadas con ese objetivo. Esta situación demuestra que la memoria no es una base de datos pasiva, sino un filtro activo dirigido por la identidad.

Saule no ve la información en la base de datos como bloques inmutables. La "Capa de Identidad" (Identity Layer) en la arquitectura rastrea los puntos de enfoque del usuario a lo largo del tiempo, sus valores cambiantes y sus objetivos. Al evocar recuerdos en el momento de la consulta, no solo busca similitudes matemáticas; prioriza las conexiones mnemónicas que mejor se adaptan a la narrativa de identidad actual del usuario (active narrative state). De esta manera, Saule ofrece una capa de identidad compartida viva que crece y evoluciona con su usuario.

El olvido es un mecanismo de regulación activa que libera la mente del ruido, permite la concentración y preserva la capacidad cognitiva.

Contrariamente a la creencia popular, el olvido (forgetting) no es un fallo cerebral o un error del sistema. Investigaciones neurocientíficas demuestran que el cerebro utiliza mecanismos químicos y eléctricos activos (active forgetting) para limpiar información innecesaria. Si recordáramos todo, hasta el más mínimo detalle, nuestra mente se ahogaría en un ruido infinito e incluso seríamos incapaces de tomar una decisión simple a nivel del Sistema 2 (como en el caso del famoso paciente de Luria, Shereshevsky). El olvido es una optimización que elimina el ruido para resaltar lo importante.

La mente humana regula continuamente la accesibilidad de los recuerdos, considerando la antigüedad de la información, la frecuencia de repetición y su relación con las intenciones actuales. Esta regulación cognitiva (cognitive regulation) asegura que la atención permanezca en el foco correcto. El mayor error de los sistemas digitales es crear contaminación de información al intentar almacenar cada dato producido con la misma prioridad para siempre.

Saule incorpora un mecanismo algorítmico de olvido activo (active forgetting) para prevenir el ruido de datos innecesarios. Cada elemento de memoria (node) y relación (edge) en la base de datos tiene una puntuación de accesibilidad (decay rate) que disminuye con el tiempo. La información no utilizada o semánticamente desactualizada no se elimina, sino que se relega al segundo plano (pruning) para reducir los costos de consulta y evitar que las ventanas de contexto del modelo se llenen de datos ruidosos. Saule codifica el olvido como una optimización del sistema.

La externalización cognitiva no debe ser una prótesis que debilite la mente, sino una palanca que expanda la capacidad mental y aumente el enfoque.

Según la teoría de la Mente Extendida (Extended Mind) propuesta por los filósofos Andy Clark y David Chalmers en 1998, la mente humana no se limita solo al interior del cráneo. Los cuadernos, dispositivos y software que utilizamos son partes activas de nuestros procesos cognitivos (cognitive offloading). Escribir una información en una herramienta externa confiable alivia la carga de la memoria de trabajo del cerebro y abre espacio para el pensamiento profundo. Sin embargo, este proceso de externalización, si se realiza sin control, puede convertirse en una adicción que atrofia las capacidades de recuerdo y análisis de la mente.

Las aplicaciones modernas de notas y las bases de conocimiento suelen actuar como una memoria protésica pasiva. Escribimos la información allí, pero nunca más la encontramos o la recordamos; esto genera pereza mental. Sin embargo, una memoria externa ideal debería ser una palanca activa que, en lugar de atrofiar la mente, interactúe con ella, recuerde asociaciones y estimule el intelecto humano.

Saule va más allá de ser un repositorio pasivo de documentos. En lugar de ser una memoria protésica, genera asociaciones semánticas que estimulan continuamente la mente del usuario (associative triggering). Mientras usted escribe algo en el Terminal SML, Saule detecta en segundo plano decisiones pasadas relevantes, intenciones inconclusas o ideas interconectadas, y las inyecta suavemente en el contexto. De este modo, en lugar de debilitar su mente, expande su capacidad cognitiva al hacer visibles sus acumulaciones pasadas en ese momento.

Los grupos olvidan incluso más rápido que los individuos. Equipos estratégicos. Grupos de investigación. Startups. Instituciones.

Cada día se genera nueva información y casi toda se pierde.

Saule crea una memoria colectiva permanente. No un historial de chat. No una pila de documentos. Un entendimiento compartido.

Los fundamentos cognitivos no son metáforas filosóficas; son parámetros de ingeniería que determinan directamente los modelos de datos, los algoritmos de consulta y la arquitectura del sistema.

Esta sección es el puente que conecta todos los principios de la ciencia cognitiva que abordamos a lo largo de la Parte II con la Parte III, que establecerá la arquitectura de software de Saule. Los principios de funcionamiento de la mente humana no son concesiones filosóficas, sino las justificaciones para las decisiones de ingeniería directas en el software. La naturaleza dinámica de los sistemas cognitivos invalida el direccionamiento tradicional de bases de datos, las tablas normalizadas y las líneas de datos estáticas.

La infraestructura teórica que establecimos en la Parte II se traduce en la arquitectura de software de la siguiente manera:

• La Memoria No Es Un Almacén (Naturaleza Reconstructiva) ➔ Composición Dinámica del Contexto (Context Composition) en lugar de búsqueda estática.

• Sistemas de Memoria Múltiple (Tulving) ➔ Arquitectura de Memoria Multicapa, que es una combinación de sesión activa, Línea de Tiempo y Grafo de Conceptos.

• Identidad y Narrativa (McAdams & Conway) ➔ Capa de Identidad (Identity Layer) que realiza ponderación dinámica según el estado del usuario.

• Olvido Activo (Optimización) ➔ Poda de nodos y aristas en el grafo mediante el Algoritmo de Decaimiento (Decay Algorithm).

• Externalización Cognitiva (Clark & Chalmers) ➔ Activación Asociativa (Associative Triggering) que ofrece disparadores semánticos en lugar de un archivo pasivo.

• Memoria Colectiva (Wegner) ➔ Grafo de Procedencia Semántica (Semantic Provenance Graph) que contiene conocimiento implícito institucional.

En la práctica, Saule traduce este modelo de grafo en una base de datos híbrida de relación-grafo optimizada mediante SQLite (better-sqlite3). La base de datos utiliza cuatro tablas principales: nodes (que almacena texto cifrado y parámetros de decaimiento), embeddings (que mapea vectores locales densos), edges (conexiones de grafo con pesos de confianza) y provenance (que captura metadatos ambientales). Se aplica privacidad absoluta de conocimiento cero (zero-knowledge) mediante el cifrado de sobre simétrico AES-256-GCM a nivel de aplicación, protegiendo todos los elementos cognitivos y detalles de razonamiento de forma local antes de escribir en disco.

Estos mapeos forman la columna vertebral técnica de Saule. En la próxima sección (Parte III), examinaremos cómo se establecen estos puentes teóricos a nivel de código; con todos los detalles de ingeniería, desde los procesos de ingesta semántica (ingestion), el modelo de datos del Grafo de Procedencia Semántica (Semantic Provenance Graph), la orquestación dinámica, hasta las paradojas de la privacidad y la ejecución en dispositivos locales. Saule es una arquitectura que combina la elegancia de la mente humana con la disciplina del software.

Las teorías cognitivas solo se transforman en una arquitectura de software funcional cuando se fundamentan en modelos de datos y algoritmos matemáticos.

Fundamentamos teóricamente que la memoria no es solo una unidad de almacenamiento y que nuestra mente opera con sistemas episódicos, semánticos y transaccionales. Sin embargo, la ingeniería de software no puede contentarse con conceptos abstractos. Traducir la naturaleza viva de la memoria al mundo determinista de las computadoras requiere el rediseño de estructuras de datos, esquemas de bases de datos, optimizaciones de consultas y protocolos de cifrado.

La Parte III detallará el núcleo de ingeniería (core engine) y la arquitectura técnica de Saule. Comenzando con los principios de diseño inquebrantables de nuestra arquitectura de sistema, examinaremos nuestro modelo de datos (Semantic Provenance Graph) que mantiene el ciclo de vida, las relaciones y las marcas de tiempo de un elemento de memoria, nuestros algoritmos de composición de contexto (context composition) y nuestra capa de privacidad con cifrado de extremo a extremo. Veremos a nivel de código que Saule no es solo un manifiesto filosófico, sino un sistema informático funcional, escalable y seguro.

La arquitectura de Saule se eleva sobre los principios de independencia del modelo, soberanía semántica, cero ruido y operación pasiva.

Saule no está diseñada para depender de tendencias o bibliotecas efímeras de inteligencia artificial. La arquitectura del sistema se basa en cuatro principios fundamentales que guían cada paso del desarrollo:

1. Independencia del Modelo (Model-Agnosticism): El sistema no puede depender intrínsecamente de ningún modelo de lenguaje grande (LLM) o proveedor de inteligencia artificial. La capa de memoria es un dominio soberano e independiente de los modelos y está a la misma distancia de cada modelo a través de APIs estandarizadas.

2. Soberanía del Usuario (User Sovereignty): El usuario es el propietario absoluto de los datos de la memoria. Los datos permanecen dentro de los límites definidos por el usuario, se cifran y son portables.

3. Cero Ruido Cognitivo (Zero Cognitive Noise): La capa de memoria evita enviar datos innecesarios o irrelevantes (ruido) a los modelos. El contexto se optimiza para ofrecer la máxima profundidad semántica con un mínimo de tokens.

4. Funcionamiento Silencioso (Passive Ingestion): No se espera que el usuario realice un etiquetado continuo de datos u organización manual. El sistema escucha pasivamente los flujos de datos en segundo plano, extrae relaciones semánticas de forma autónoma y funciona silenciosamente.

Estos principios establecen límites estrictos que los desarrolladores deben seguir al usar el SDK de Saule y al agregar nuevos componentes a la arquitectura. Por ejemplo, debido al principio de independencia del modelo, los algoritmos de extracción de memoria no pueden depender de estructuras de prompt específicas de un solo proveedor; en su lugar, se utilizan protocolos abstractos.

Estos principios de diseño determinan directamente el ciclo de vida de los flujos de datos y los objetos de memoria dentro del sistema. En la próxima sección, examinaremos cómo se aplican estos principios desde la entrada de datos brutos al sistema y el ciclo de vida de un elemento de memoria.

Los elementos de memoria no son líneas estáticas; son entidades dinámicas que pasan por fases de ingestión, asociación, recuperación activa y decaimiento algorítmico.

Cada pieza de información que entra al sistema Saule sigue este ciclo de vida de cuatro etapas:

1. Ingestión: Se capturan los datos crudos que fluyen desde fuentes como el extensión de navegador, la integración de Slack o la entrada del terminal. Estos datos crudos se limpian de ruido para extraer su núcleo semántico.

2. Asociación e Inyección en el Grafo: El nuevo elemento de memoria (nodo) se escribe en el modelo de datos del grafo, junto con marcas de tiempo, contexto espacial y relaciones semánticas (aristas) establecidas con otros nodos en el grafo de memoria existente.

3. Recuperación y Reforzamiento: Cuando el usuario realiza una acción sobre un tema similar, el nodo correspondiente es recuperado. Cada recuperación exitosa aumenta la puntuación de accesibilidad (peso) del nodo y de las aristas asociadas (regla de aprendizaje hebbiano).

4. Decaimiento y Poda: Con el tiempo, el peso de los nodos que no son recuperados y pierden relevancia disminuye algorítmicamente (olvido). Los nodos con una puntuación baja no se eliminan permanentemente, sino que se empujan al segundo plano para ser descontextualizados.

Para los desarrolladores, el diagrama de flujo de la memoria sigue la siguiente secuencia técnica:

Entrada Cruda ➔ Pipeline de PNL (Filtrado de Intención) ➔ Creación de Embeddings de Vectores ➔ Inyección en el Grafo de Procedencia Semántica ➔ Cálculo de la Puntuación de Decaimiento Temporal.

Para que este ciclo de vida dinámico pueda ser gestionado a nivel de código, se necesita un modelo de datos avanzado donde la información pueda ser representada junto con sus capas de tiempo, identidad y origen. En la siguiente sección, examinaremos este modelo de datos (Grafo de Procedencia Semántica) con todo detalle.

El modelo de datos de Saule es una arquitectura de Semantic Provenance Graph que agrupa relaciones semánticas, flujo temporal y procedencia de datos.

Los gráficos de conocimiento tradicionales (Knowledge Graphs) modelan estáticamente solo las relaciones entre objetos (A es el gerente de B). Las bases de datos vectoriales solo miden la similitud textual. Para superar las limitaciones de estos dos enfoques, Saule ha desarrollado el modelo Semantic Provenance Graph (SPG - Gráfico de Procedencia Semántica). El SPG representa los datos en sí mismos, junto con los metadatos que indican de qué fuente (Slack, Notion, navegador), cuándo, por quién y con qué intención (provenance) se produjeron esos datos, todo en una única estructura de grafo unificado.

A nivel de código, un nodo SPG tiene el siguiente esquema:

{
  "id": "mem_01h8x9",
  "type": "epizodic | semantic",
  "content": "Hemos decidido usar Rust en el proyecto X con Ahmet.",
  "embedding": [0.012, -0.045, ...],
  "created_at": 1783156054,
  "decay_weight": 0.98,
  "provenance": {
    "source": "slack_channel_dev",
    "author": "user_id_45",
    "session_id": "sess_89"
  }
}

Los bordes (edges), por su parte, mantienen las relaciones semánticas ("rust_is_used_for_x_project"), temporales ("created_after") y causales ("rust_chosen_because_of_memory_safety") entre los nodos y sus puntuaciones de fuerza dinámicas.

El modelo de datos SPG permite a Saule almacenar fragmentos de información no como texto plano, sino con todas sus raíces contextuales. En la próxima sección, veremos cómo se construye el contexto dinámico (retrieval & composition) que alimentará los modelos de inteligencia artificial, partiendo de esta rica estructura de grafo.

La creación de contexto no es una búsqueda vectorial plana, sino una orquestación dinámica construida con contextualización de super-nodos y seguimiento de la procedencia semántica.

Los sistemas RAG clásicos extraen los 5 primeros textos vectoriales que más coinciden con la consulta del usuario y los envían al LLM. Sin embargo, estos fragmentos suelen carecer de contexto. Por ejemplo, a la consulta "¿Cuál fue la decisión en el proyecto Rust?" solo se responde con la frase "Usaremos Rust"; pero la razón de esa decisión, o los riesgos que se discutieron, quedan fuera. Saule utiliza el método de Composición de Contexto de Super-Nodos (Super-Node Context Composition) para superar este problema. Cuando se encuentra un nodo que coincide con la consulta, los nodos vecinos temporales y semánticos (provenance path) directamente conectados a ese nodo en el grafo SPG también se extraen para crear un bloque de contexto jerárquico y rico.

El motor de búsqueda de Saule sigue el siguiente algoritmo:

1. Convierte la consulta en un vector y realiza una búsqueda de similitud semántica en el SPG.

2. Extrae el grafo relacional (sub-grafo de procedencia) alrededor de los nodos con la puntuación más alta.

3. Ordena cronológicamente las marcas de tiempo de los nodos para evitar la deriva del contexto (context drift).

4. Empaqueta el contexto más limpio (context composition), eliminando los nodos cuyo peso ha disminuido según la puntuación de olvido activo, de acuerdo con los límites del modelo.

Para eliminar los arranques en frío (cold-starts) del modelo durante la inferencia local de ONNX, Saule ejecuta una fase de calentamiento al inicio para cargar los pesos del modelo en la memoria. El motor de recuperación utiliza la similitud de coseno para calcular la puntuación de claridad (Clarity Score - índice de alineación semántica) entre el contexto individual del usuario y el espacio colectivo. Formalmente, la puntuación de claridad se define como el producto escalar de las proyecciones vectoriales individuales y colectivas dividido por el producto de sus magnitudes: Clarity = (V_ind · V_col) / (||V_ind|| ||V_col||) * 100%, lo que proporciona una puntuación de consenso precisa.

Este proceso de creación de contexto enriquecido no debe comprometer la seguridad de los datos del usuario. En la próxima sección, examinaremos cómo estas operaciones avanzadas de búsqueda y orquestación se realizan de forma cifrada, protegiendo la privacidad del usuario.

La privacidad cognitiva debe protegerse de forma absoluta con el cifrado de extremo a extremo (E2EE) y la arquitectura de procesamiento local (local-first).

Una capa de memoria personal o corporativa almacena las decisiones, intenciones y secretos comerciales más íntimos del usuario. Por lo tanto, es inaceptable que estos datos se almacenen en texto plano (plaintext) en servidores centrales en la nube. Sin embargo, cuando los datos están completamente cifrados, se vuelve difícil para los modelos de inteligencia artificial realizar búsquedas semánticas y establecer relaciones. Saule resuelve esta paradoja de la privacidad cognitiva con una arquitectura de software local-first.

La capa de almacenamiento de datos de Saule se basa en los siguientes protocolos de seguridad:

• Indexación y Embeddings Locales: La creación de embeddings vectoriales y las relaciones SPG se ejecutan en el propio dispositivo del usuario (local).

• Sincronización E2EE: Durante la sincronización de datos entre dispositivos, todos los nodos y los bordes del grafo se cifran de extremo a extremo con la clave propia del usuario (Zero-Knowledge). El servidor en la nube solo transporta los bits cifrados, nunca puede ver el contenido de los datos.

• Espacios de Trabajo Protegidos (Aislamiento de Memoria): Los espacios de memoria individuales y corporativos se aíslan entre sí con límites estrictos; la memoria corporativa de un equipo nunca puede filtrarse a los datos de entrenamiento de otro usuario o modelo.

La capa de privacidad, mientras mantiene seguros los datos del usuario, también debe garantizar que pueda comunicarse de forma segura con diferentes modelos de inteligencia artificial en la nube o locales. En la siguiente sección, examinaremos cómo esta estructura de memoria funciona de forma totalmente independiente de los modelos.

Los modelos de inteligencia artificial son motores de razonamiento temporales; la memoria semántica, en cambio, debe ser una capa de infraestructura persistente, propiedad del usuario y más allá de los modelos.

Hoy en día, muchas aplicaciones confían las funciones de memoria a las API de asistentes ofrecidas por proveedores como OpenAI, Anthropic o Google. Este enfoque encadena al usuario a ese proveedor y conlleva el riesgo de que toda la estructura de la memoria se degrade cuando el modelo se actualiza. Saule desacopla completamente la capa de memoria del motor de razonamiento (LLM). El modelo es como una "CPU" (procesador) llamada solo para resolver la consulta lógica actual; la memoria, en cambio, es el "disco duro" persistente (SML) en la placa base.

Saule ofrece una interfaz estandarizada (Semantic Memory Interface - SMI) entre los modelos y la memoria. SMI proporciona una capa de traducción que permite leer y escribir la misma estructura de grafo semántico, independientemente del modelo utilizado (ya sea un modelo Llama local o Claude 3.5 en la nube). La memoria no se pierde a medida que cambia el modelo; el nuevo modelo continúa leyendo el capital contextual anterior desde donde se dejó, a través del protocolo SMI. De esta manera, las organizaciones pueden cambiar entre los modelos más actualizados y económicos en segundos, sin quedar atadas a un único proveedor de IA.

El principio de independencia del modelo de Saule lo transforma de una simple aplicación en un protocolo común para todo el ecosistema de inteligencia artificial. En la Parte IV, ampliaremos aún más esta visión, mostrando cómo estamos construyendo protocolos de memoria de código abierto, el ecosistema de desarrolladores y la nueva capa estructural futura de la computación.

La memoria no es solo un almacén individual; es un estándar colectivo que llevará al mañana el acervo cognitivo común de la humanidad en la era de la inteligencia artificial.

Hemos detallado los puntos de partida filosóficos de Saule, los principios fundacionales de la memoria humana y las correspondencias a nivel de código técnico de la arquitectura de Semantic Provenance Graph. Sin embargo, Saule no es solo un asistente individual o una herramienta corporativa. Es una visión de futuro con estándares abiertos y portátiles, donde todos los softwares y modelos pueden comunicarse de forma conjunta.

La Parte IV resumirá la posición futura de Saule y su impacto en la cognición social. Abordaremos la visión del Protocolo de Memoria Abierta (Open Memory Protocol) que permitirá que diferentes capas de memoria se comuniquen de forma segura entre sí, el ecosistema que hemos construido para desarrolladores y la 'Capa Cognitiva' (The Cognitive Layer), la nueva capa de infraestructura después de los sistemas operativos y la nube. Completaremos este libro blanco describiendo la unión definitiva de la mente humana y la memoria digital en la nueva era.

En el mundo digital del futuro, la memoria no debe ser aprisionada en ecosistemas cerrados; debe liberarse con un protocolo de memoria abierto, portátil y universal (OMP).

Todos los softwares que usamos hoy (plataformas SaaS) almacenan los datos en sus propias bases de datos y encierran al usuario en su propio ecosistema. Cuando desea pasar de una plataforma a otra, no solo pierde sus datos, sino también el contexto y la acumulación histórica detrás de esos datos. En la era de la inteligencia artificial, esta siloización crea una división cognitiva. La memoria del individuo u organización, que debería ser un todo unificado, se fragmenta entre decenas de aplicaciones cerradas. Para resolver este problema, Saule propone el estándar del Protocolo de Memoria Abierto (Open Memory Protocol - OMP).

El Protocolo de Memoria Abierto es un protocolo que permite la transferencia de nodos de memoria semántica, sus bordes y el origen de los datos (provenance) entre dispositivos y aplicaciones en un formato JSON cifrado, portátil y estándar. Gracias a OMP:

• Portabilidad de la Memoria: El usuario puede transferir el grafo de memoria de una aplicación a otra o de un asistente de inteligencia artificial a otro en segundos, sin pérdida alguna de datos ni contexto.

• Interoperabilidad: Diferentes aplicaciones (por ejemplo, un cliente de correo electrónico y una herramienta de gestión de proyectos) pueden añadir datos a la capa de memoria central del usuario a través de OMP dentro de límites seguros y leer contexto desde allí.

El estándar OMP abre el camino para que los desarrolladores de inteligencia artificial construyan software sobre un ecosistema de memoria común y libre, sin depender de APIs cerradas. En la siguiente sección, examinaremos las herramientas para desarrolladores y el ecosistema SDK que darán vida a este estándar.

El Ecosistema de Saule ofrece a los desarrolladores una infraestructura cognitiva a través de SDKs, APIs estandarizadas y agentes de memoria autónomos.

El éxito de una capa de memoria se mide por la facilidad con la que es adoptada por la comunidad de desarrolladores. Saule ofrece SDKs ligeros escritos en TypeScript, Python y Rust. Los desarrolladores pueden dotar a sus aplicaciones de inteligencia artificial, interfaces de chat o agentes autónomos con una memoria persistente y viva con solo unas pocas líneas de código.

import { SauleClient } from '@saule/sdk';
const client = new SauleClient({ endpoint: 'local' });
// Añadir una nueva entrada de memoria
await client.memory.ingest({
  content: "Se decidió usar Postgres en la arquitectura del proyecto.",
  source: "meeting_notes"
});

El ecosistema Saule no solo permite a los desarrolladores consultar datos, sino que también soporta la creación de Agentes de Memoria (Memory Agents) autónomos que operan en segundo plano, detectando cambios semánticos (context drift detectors), podando algorítmicamente información obsoleta y organizando el grafo. De esta manera, el software adquiere estructuras de memoria dinámicas y auto-optimizadas, en lugar de bases de datos pesadas que se ralentizan con el tiempo.

El crecimiento del ecosistema de desarrolladores provocará un cambio radical en la relación entre las computadoras y la mente humana. En la última sección, abordaremos cómo se posicionará esta infraestructura cognitiva como la próxima gran capa de computación (The Next Computing Layer) después de los sistemas operativos y la nube.

La nueva capa estructural de la computación será la Capa de Memoria Semántica (SML) independiente que se eleva por encima del hardware, el sistema operativo y la nube.

La historia de la computación es la historia de las capas de abstracción. Inicialmente, comenzamos a nivel de hardware (transistores y cables). Luego, establecimos la capa de Sistemas Operativos (SO) que gestiona este hardware. Con la era de Internet, añadimos la capa de la Nube (Cloud) que globaliza los datos y el procesamiento. Hoy, con la revolución de la inteligencia artificial, surge una nueva capa por encima de estas tres: la Capa Cognitiva (The Cognitive Layer). Esta capa no solo almacena o transmite datos; es una infraestructura de memoria viva que organiza el significado, el tiempo, la identidad y las intenciones.

Saule es el motor fundacional de esta capa cognitiva. Los hardwares pueden cambiar, los sistemas operativos pueden evolucionar, los grandes modelos de lenguaje pueden ir y venir; pero la memoria semántica acumulada de la mente humana y las organizaciones a lo largo del tiempo debe permanecer fija y soberana. Saule transforma las computadoras, de ser meras herramientas mudas que ejecutan comandos al pie de la letra, en socios mentales vivos que protegen, expanden y llevan la cognición humana más allá de los límites del tiempo.

El White Paper v2.0 de Saule no es solo un documento de arquitectura tecnológica; es la determinación de proteger la soberanía del ser humano sobre su propia existencia digital, sus límites de atención y su propiedad intelectual. La inteligencia es general y se está mercantilizando rápidamente; pero lo que nos hace quienes somos, lo que hace únicas nuestras decisiones, es nuestra memoria. Saule está aquí para devolver esa memoria a su dueño y para hacer que la mente humana sea absolutamente soberana en el mundo cognitivo del futuro. La inteligencia puede cambiar. La memoria es permanente.

Saule se distingue de las memorias de modelo cerrado y las integraciones RAG simples por su aislamiento de datos, independencia del modelo y seguimiento de la procedencia semántica.

Los enfoques de memoria desarrollados recientemente en el ecosistema de inteligencia artificial suelen intentar superar la naturaleza sin estado de los modelos con parches temporales. Las diferencias entre estos enfoques y una Capa de Memoria Semántica (SML) independiente son las siguientes:

• Memoria OpenAI/Claude: Ofrece una recuperación simple basada en clave-valor. No hay independencia del modelo (funciona solo con un modelo), los datos están en la nube y no ofrece garantías de privacidad. No hay efecto de red.

• RAG / Bases de Datos Vectoriales: Realiza búsquedas basadas en la similitud de texto sin procesar (vector similarity). Carece de profundidad semántica y relaciones temporales, la organización de datos es estática.

• Mem0 / Zep: Mantiene una memoria vectorial episódica. Es parcialmente independiente del modelo, pero la estructura de datos no es flexible y no ofrece privacidad local-first.

• Letta / MemGPT: Gestiona los espacios de trabajo temporales (scratchpad) de los agentes. Carece de portabilidad entre aplicaciones y efecto de red cruzado.

• Saule (SML): Utiliza una estructura de Gráfico de Procedencia Semántica (SPG). Es completamente independiente del modelo (Model-Agnostic), ofrece cifrado de conocimiento cero (Zero-Knowledge) y almacenamiento local-first. Genera un efecto de red semántica entre workspaces (Inteligencia Colectiva).

La pregunta más crítica para inversores y arquitectos es: '¿Por qué Saule no se vuelve redundante cuando OpenAI o Anthropic perfeccionan sus propios sistemas de memoria?' La respuesta reside en las tres protecciones fundacionales (moats) de Saule:

1. Desacoplamiento del Modelo: La memoria de OpenAI no puede ser leída por Claude; la memoria de Claude no puede ser utilizada por un modelo Llama local. Sin embargo, la memoria debe ser propiedad de su dueño. Saule, al posicionar los modelos como unidades de procesamiento temporales, hace que la memoria sea permanente y portable.

2. Contexto entre Aplicaciones: Un único proveedor de modelos no puede unificar los datos del usuario de Slack, Notion, navegador y correos electrónicos en un único gráfico de procedencia semántica (SPG) y superar los silos de datos corporativos.

3. Privacidad de Conocimiento Cero (Zero-Knowledge Privacy): Las organizaciones no pueden confiar sus procesos de negocio y sus intenciones más íntimas a las bases de datos abiertas de los proveedores de la nube. La arquitectura local-first y cifrada de Saule asegura la propiedad cognitiva legal y técnicamente.

La hoja de ruta, que se extiende desde la memoria individual hasta la memoria transaccional corporativa, genera un valor de mercado duradero a través de efectos de red semánticos.

La visión de Saule es un plan de crecimiento de 4 fases que se extiende desde una única interfaz de asistente hasta toda la infraestructura de computación de internet:

• Fase 1: Motor de Memoria Individual y Núcleo Local (Personal SML & Local Core) — integración de Beiwe Workspace (En su primer lanzamiento, las capacidades de memoria activa y observación en segundo plano de Saule están restringidas a ejecutarse exclusivamente dentro de Beiwe Smart Workspace) y UI de Terminal (observación), base de datos SQLite local (almacenamiento) e integración local de embedding/pequeño LLM (procesamiento semántico).

• Fase 2: Memoria del Espacio de Trabajo (Workspace SML) — Establecimiento de la infraestructura de memoria transaccional con integraciones de Slack, Notion, GitHub para equipos y prevención de la amnesia corporativa.

• Fase 3: Protocolo de Memoria Abierta (Open Memory Protocol - OMP) — Publicación del protocolo que permite a diferentes aplicaciones y agentes autónomos comunicarse con Saule a través de APIs estándar.

• Fase 4: Sistema Operativo Semántico (Semantic OS) — Establecimiento de una capa de sistema operativo de próxima generación que funcione sobre las capas de hardware y nube, directamente compatible con la cognición humana.

Saule se comercializa con un modelo de núcleo abierto (open-core) y suscripción SaaS:

• Saule Community (Código Abierto): Motor de memoria local completamente gratuito para desarrolladores individuales y usuarios que deseen ejecutarlo en un dispositivo local.

• Saule Professional: Modelo de suscripción mensual para profesionales que desean sincronización avanzada, copia de seguridad en la nube y acceso a la API.

• Saule Enterprise: Modelo de licenciamiento empresarial que ofrece áreas de memoria aisladas (Memory Isolation), gráfico de memoria transaccional, autorizaciones de rol avanzadas e infraestructura de sincronización E2EE personalizada para empresas. Prevenir la amnesia corporativa y evitar reinventar la rueda es la mayor fuente de retorno de inversión (ROI) para el segmento empresarial.

Saule no es un motor estático de preguntas y respuestas. Opera en un ciclo cognitivo (Adaptive Intelligence Loop) que funciona ininterrumpidamente en segundo plano y se autoalimenta en cada ciclo.

Estado y Notificación de la Arquitectura: El sistema operativo cognitivo de 6 niveles (Cognitive OS) y la infraestructura local cifrada definidos en este documento representan los objetivos técnicos a largo plazo y la plantilla arquitectónica de Saule. El prototipo actual en funcionamiento (current state) implementa un motor de enrutamiento de intenciones híbrido (context routing) y verificación vectorial, que opera con Firestore basado en la nube y una integración de API. Los componentes independientes locales y la integración de pequeños LLM locales mencionados se implementarán secuencialmente de acuerdo con las siguientes fases de la hoja de ruta.

Ciclo de Vida de la Memoria (Memory Lifecycle): En Saule, ninguna entrada de memoria (Memory Unit) permanece estática. Con el tiempo, pasa por el siguiente ciclo de vida: Capturar ➔ Episodio ➔ Resumir ➔ Vincular ➔ Fortalecer ➔ Decaer ➔ Archivar ➔ Eliminar.

Ciclo de Retroalimentación (Learning Engine): Para que el sistema mejore continuamente sus propias decisiones y precisión contextual, se ejecuta el siguiente ciclo: Ejecución ➔ Retroalimentación ➔ Aprendizaje ➔ Actualización de Políticas ➔ Observar. La retroalimentación del usuario actualiza automáticamente las reglas del Motor de Políticas local y los algoritmos de ponderación semántica.

El orquestador es el cerebro que gestiona las decisiones cognitivas de Saule y asegura la coordinación entre capas. Sus subcomponentes son:

• Programador de Tareas: Planifica cuándo y con qué prioridad se ejecutarán las operaciones en segundo plano (Consolidación, Olvido, Compresión, etc.) (Ej: Cuando el dispositivo está cargando y en reposo).

• Programador de Memoria: Orquesta qué áreas de memoria (Personal, Workspace, etc.) se consultarán y cómo se creará una síntesis de contexto sin ruido (Context Composition) a partir de ellas.

• Enrutador de Agentes: Determina qué agente autónomo (agente de correo electrónico, agente de calendario) se activará según la intención y el contexto entrantes.

• Administrador de Recursos: Gestiona el tamaño de SQLite local, los límites de uso de RAM y el consumo de CPU para no sobrecargar el dispositivo.

• Selector de Modelo: Determina qué LLM (¿LLM local pequeño o API en la nube?) se utilizará según el grado de privacidad, complejidad y presupuesto de la operación.

Saule Core tiene una estructura modular de 7 capas gestionada por el Orquestador de Inteligencia en su núcleo:

1. Capa de Observación: Abstrae la observación a niveles humano (voz, acción), digital (navegador, IDE, calendario) y físico (ubicación, micrófono, cámara).

2. Capa de Contexto: Combina datos multimodales (pantalla, audio, tiempo, ubicación) y calcula el enfoque contextual y la prioridad (Attention Score & Priority).

3. Motor de Políticas: Opera con límites de impermeabilidad de datos (Privacy Rules), barreras de automatización no autorizada y reglas de aislamiento empresarial.

4. Capa de Memoria Semántica: Alberga un índice de embeddings segregado compatible con múltiples modelos y un Gráfico de Conocimiento Sensible al Espacio (Personal ➔ Workspace ➔ Community ➔ Organization), y gestiona las tareas de memoria en segundo plano.

5. Capa de Razonamiento: Capa de razonamiento que opera con Búsqueda Híbrida, Planificación de Múltiples Pasos y Reglas Locales.

6. Capa de Ejecución: Interfaz de escritorio flotante y flujos de automatización basados en ciclos de aprobación.

7. Capa de Sincronización: Modos de sincronización Offline, P2P, Cloud y Enterprise con bloques Yjs/CRDT cifrados con AES-GCM localmente.

Los nodos de memoria de Saule se basan en 6 categorías fundamentales que pueden expandirse con el tiempo (Knowledge, Experience, Action, Relationship, Identity, Resource) y subtipos derivados de estas (decision, goal, fact, file, etc.). Nuestro esquema relacional de SQLite es el siguiente:

• `nodes`: Unidades de memoria fundamentales que contienen los campos id (PK), unit_category, unit_type, space_type, space_id, content, decay_score, created_at.

• `embeddings`: Tabla vectorial aislada de los nodos principales que contiene los campos node_id (FK), model_name, dimension, vector. De esta manera, todos los datos se conservan durante los cambios de modelo.

• `edges`: Tabla de aristas enriquecida que contiene los campos source_id, target_id, relation_type, confidence (puntuación de confianza), created_by (ai/user/system), reason.

• `provenance`: Tabla de procedencia de datos enriquecida que contiene los campos node_id, app_name, window_title, url, file_path, device_id, workspace_id, user_action.

El almacenamiento seguro de la memoria en el dispositivo local y su impermeabilidad en los espacios de trabajo colaborativos se ha resuelto con la siguiente arquitectura técnica:

• Seguridad de Datos Local: La base de datos SQLite en el dispositivo local se protege mediante el cifrado de sobre AES-256-GCM a nivel de aplicación con una clave derivada localmente, proporcionando alta portabilidad y almacenamiento sin fugas. Las aplicaciones locales no autorizadas no pueden acceder a los archivos de datos de Saule.

• Sincronización del Espacio de Trabajo Colaborativo/Colectivo (Intercambio de Claves P2P de Conocimiento Cero): En situaciones donde múltiples usuarios comparten un grafo común (Memoria del Espacio de Trabajo), se utiliza Cifrado Asimétrico (ECDH/RSA). Los miembros incluidos en el espacio de trabajo comparten una Clave de Cifrado Simétrica del Espacio de Trabajo entre ellos de forma peer-to-peer (de extremo a extremo). Cada paquete de datos Yjs/CRDT escrito en el grafo compartido se cifra localmente con esta clave común y se envía a la nube como texto cifrado (cipher-text). El servidor en la nube no posee la clave de descifrado; solo se encarga de la retransmisión (relay) de los paquetes cifrados, manteniendo el modelo de privacidad de Conocimiento Cero.

Saule aplica las siguientes optimizaciones para no sobrecargar el disco mientras se ejecuta en segundo plano y para consumir una energía cercana a cero:

• Búfer de Anillo Volátil Solo en RAM (Consolidación de Escritura en Disco): Las micro-actividades (pulsaciones de teclas, movimientos del ratón) no se escriben directamente en el SSD; se mantienen en un búfer de anillo volátil en la RAM. Cuando el Filtro de Atención (Attention Filter) decide que el episodio ha terminado (por ejemplo, cuando el usuario sale de la página de Notion en la que ha estado escribiendo durante 3 minutos y se centra en el navegador), estos datos se escriben en SQLite mediante una única transacción de escritura (single write transaction).

• Gestión de la Inactividad (Idle State) y Marcado de Tiempo Retroactivo: Cuando el usuario detiene los movimientos del teclado/ratón durante más de 3 minutos, el sistema entra en estado 'Idle' y suspende la grabación. La hora de finalización del episodio se registra como el momento de la última pulsación de tecla, no el momento en que el usuario se aleja del ordenador (retroactive timestamping), evitando así los datos de 'atención fantasma' (ghost attention). Cuando el salvapantallas o el bloqueo se activan, la escucha se detiene por completo y el motor de recomendación se congela para la privacidad frente a la pantalla.

• Filtro de Búsqueda de Dos Fases e Indexación por Lotes: Para evitar sobrecargar la CPU con cálculos de embeddings pesados continuos, primero se ejecuta un filtro BM25 rápido basado en palabras. Solo cuando se supera el umbral de similitud, se activa el embedding ONNX local y la búsqueda de coseno. Los episodios brutos recién añadidos no se indexan inmediatamente; se indexan en segundo plano de forma masiva cuando el ordenador está inactivo y cargando (Dream State).

Para equilibrar la sensibilidad de la privacidad del usuario con su carga cognitiva, el sistema ofrece dos modos de funcionamiento distintos:

• Modo de Observación Autónoma (Autonomic Mode / Subconscious): Es el modo predeterminado. La escucha activa, el filtro de atención y el motor de resonancia funcionan ininterrumpidamente en segundo plano. Aplicaciones como la banca o las pestañas de incógnito se excluyen automáticamente de la escucha mediante reglas de lista negra (blacklist).

• Modo Interactivo / Manual (Interactive Mode / Conscious): Los observadores en segundo plano se desactivan por completo. El sistema no escucha el sistema operativo ni el navegador. Solo funciona cuando el usuario interactúa directamente: la memoria se crea mediante operaciones explícitas y basadas en el consentimiento, como escribir en Terminal HQ con Alt+Espacio, hacer clic derecho en un texto seleccionado y decir 'Recordar a Saule', grabar un episodio de voz en un dispositivo móvil o decir 'Guardar Sesión Actual' desde la Isla Flotante.

• Representación del Estado de UI/UX: La Isla Flotante (Floating Island) en el escritorio refleja al usuario en qué modo se encuentra el sistema en ese momento mediante una sutil animación de pulso (Azul/Verde: Autónomo, Gris/Estático: Manual) y permite cambiar entre modos con un solo clic.

La hoja de ruta de integración local de 4 trimestres de Saule consta de los siguientes pasos:

• Fase 1: Motor de Memoria Individual y Núcleo Local (Personal SML & Local Core) — Establecimiento del modelo de grafo relacional SQLite, escritura de los métodos de la API Cognitiva (`remember`, `recall`, `connect`, `forget`), integración local de nomic-embed y Llama-3-8B-Instruct, integración de Beiwe Workspace (En su primer lanzamiento, las capacidades de memoria activa y observación en segundo plano de Saule están restringidas a ejecutarse exclusivamente dentro de Beiwe Smart Workspace) y UI de Terminal (observación), establecimiento de la sincronización cifrada Yjs/CRDT.

• Fase 2: Motor de Observación Extendida y Fusión de Contexto — Recolectores de Portapapeles, Selección, Rama de Git y lectura de pantalla (Accessibility Tree), cálculo de prioridad con Fusión de Contexto, motor de Consolidación y decaimiento algorítmico (decay) ejecutándose en segundo plano.

• Fase 3: Isla Flotante del Sistema Operativo (Floating Desktop Island UI) — Widget de isla flotante transparente que puede permanecer sobre todas las ventanas, interfaz Alt+Space SML Terminal HQ, motor de automatización de acciones basado en la aprobación del usuario.

• Fase 4: Integración Móvil y Notas Episódicas de Voz — Acceso al hardware de audio local con el cliente móvil React Native, análisis de grabaciones de voz con el modelo Whisper local y sincronización con el grafo de escritorio.

Saule Core expone un microservicio local de REST API en el puerto 4000 para estandarizar las integraciones de clientes (como la extensión de Beiwe Workspace). Proporciona los siguientes puntos finales: /api/smi/ingest (guarda nodos de memoria con metadatos locales), /api/smi/recall (realiza recuperación de contexto segmentada en espacios personales y comunitarios), /api/smi/clarity (evalúa la alineación semántica y el consenso mediante similitud de coseno) y /api/smi/verified-solutions (filtra las coincidencias del catálogo de marcas según restricciones de contexto).

Saule Core expone un microservicio local de REST API en el puerto 4000 para estandarizar las integraciones de clientes (como la extensión de Beiwe Workspace). Proporciona los siguientes puntos finales: /api/smi/ingest (guarda nodos de memoria con metadatos locales), /api/smi/recall (realiza recuperación de contexto segmentada en espacios personales y comunitarios), /api/smi/clarity (evalúa la alineación semántica y el consenso mediante similitud de coseno) y /api/smi/verified-solutions (filtra las coincidencias del catálogo de marcas según restricciones de contexto).

La Capa de Memoria Semántica (SML) es la categoría de software oficial que Saule ofrece al mercado. Se refiere a una capa de software independiente, al igual que un RDBMS o un Document Store. El Sistema Operativo Cognitivo (Cognitive OS), por otro lado, es nuestra analogía técnica que muestra cómo esta capa SML se posiciona sobre hardware y software.

Los usuarios superan las barreras del mercado instalando una capa de memoria inteligente (SML) en lugar de un nuevo sistema operativo. Sin embargo, esta capa, al operar en segundo plano, ofrece una experiencia cognitiva a nivel de sistema operativo al gestionar recursos y orquestar acciones como un Sistema Operativo Cognitivo.