DocMason: Base de Conocimiento de Agente Local para Archivos de Oficina Complejos
Qué hace DocMason
DocMason es un sistema de base de conocimiento local basado en archivos diseñado para investigación profunda sobre documentos de trabajo privados. El concepto central es "El repositorio es la aplicación. Codex es el entorno de ejecución." Compila archivos de oficina en paquetes de evidencia estructurados sobre los cuales los agentes de IA pueden razonar manteniendo un seguimiento estricto de la procedencia.
Características clave desde la fuente
- Maneja múltiples tipos de documentos de oficina: PPTX, DOCX, XLSX, PDFs e incluso archivos .EML
- Extrae información multimodal incluyendo diagramas de arquitectura IT y datos de hojas de Excel
- Mantiene la estructura del documento y la semántica visual (diseños de diapositivas, notas del presentador, referencias de hojas de cálculo, señales de formato)
- Se ejecuta localmente sin ingesta en la nube ni backends ocultos
- Proporciona sincronización incremental de la base de conocimiento cuando se añaden o revisan archivos
- Aplica contratos de datos estrictos y límites de procedencia
Cómo funciona
DocMason opera como un entorno de ejecución de grado de producción que obliga a la IA a respetar la estructura original del documento. En lugar de aplanar archivos complejos en bloques de texto no estructurados, crea evidencia determinista basada en archivos y ejecuta algoritmos de recuperación sin conexión localmente en tu máquina.
Cómo empezar
En la fuente se describen dos rutas de configuración:
Ruta A (Empezar pequeño):
- Coloca archivos de trabajo en la carpeta
DocMason/original_doc/ - Abre la carpeta DocMason en Codex
- Haz preguntas de forma natural - DocMason guía a través de la configuración del entorno
- Aprobará las indicaciones al construir la base de conocimiento
Ruta B (Preparar carpetas completas):
- Coloca carpetas a nivel de departamento en
DocMason/original_doc/ - Abre en Codex y dile: "Por favor, prepara el entorno de DocMason."
- Luego: "Por favor, construye la base de conocimiento."
- Una vez completado, haz preguntas de investigación complejas contra todo el corpus
El sistema está diseñado para que no necesites memorizar comandos internos - simplemente habla de forma natural con tu agente de IA dentro de un espacio de trabajo válido.
Detalles técnicos
DocMason aborda limitaciones específicas de las herramientas de IA de documentos existentes:
- Preserva el diseño visual, las notas del presentador y las relaciones texto-gráfico en presentaciones
- Mantiene referencias de múltiples hojas y tablas anidadas en hojas de cálculo
- Conserva la semántica de formato como texto rojo para "Riesgo" o sangría para jerarquías
- Permite razonamiento entre documentos para propuestas de múltiples partes
La estructura del repositorio incluye directorios de adaptadores, knowledge_base, runtime, skills y sample_corpus, con configuración gestionada a través de archivos docmason.yaml y pyproject.toml.
📖 Read the full source: HN AI Agents
👀 Ver también
nex-life-logger: Rastreador de Actividad Local para Agentes OpenClaw
nex-life-logger es un rastreador de actividades en segundo plano que se ejecuta localmente en tu máquina, dando a los agentes de OpenClaw memoria de tus actividades informáticas. Rastrea el historial del navegador, las ventanas activas y las transcripciones de YouTube, almacenando todo en una base de datos SQLite local sin transmisión de datos a la nube.
osu-mcp: Un servidor MCP que permite a Claude analizar tus estadísticas de osu! en lenguaje sencillo
osu-mcp es un servidor MCP para la API v2 de osu!, ahora en el registro oficial de MCP. Expone 12 herramientas para perfiles de jugadores, historial de puntuaciones, búsqueda de beatmaps, clasificaciones y más. Una demostración mostró a Claude calculando la eficiencia de pp por jugada en cuentas de jugadores para revelar que el volumen, no la precisión, era el cuello de botella.
fintool agrega operaciones bursátiles y de mercados de predicción a los agentes de OpenClaw
fintool es una nueva habilidad de OpenClaw que permite a los agentes de IA operar con acciones y mercados de predicción. La instalación requiere leer un archivo de GitHub, tras lo cual los agentes pueden ejecutar operaciones en Hyperliquid, Binance y Polymarket con salida JSON para una integración limpia.
Hipocampo: Un Sistema de Memoria Persistente para Agentes de IA Utilizando Árboles de Compactación
Hipocampus aborda el problema de que los agentes de IA olviden el contexto entre sesiones mediante la implementación de un árbol de compactación que comprime el historial de conversación a través de cinco niveles: crudo → diario → semanal → mensual → raíz, con un índice de temas llamado ROOT.md.