El proyecto de código abierto second-brain propone una solución para uno de los problemas habituales al desarrollar software con agentes de inteligencia artificial: acumular referencias de interfaces, repositorios, herramientas y artículos que después rara vez se vuelven a consultar. Su planteamiento consiste en transformar ese material en una wiki privada en Markdown que los agentes pueden leer antes de diseñar una interfaz, elegir una biblioteca o resolver una tarea de desarrollo.
La herramienta, publicada bajo licencia MIT, utiliza modelos de visión y procesamiento de texto para analizar el material compartido, clasificarlo y relacionarlo con otras referencias guardadas. También genera un perfil de preferencias de diseño y un archivo DESIGN.md que puede servir de guía a los agentes de programación. El código está disponible en GitHub y la wiki se almacena en un repositorio privado controlado por el usuario.
Las claves de second-brain en 20 segundos
- Guarda referencias desde redes sociales, páginas web, repositorios de GitHub, vídeos, capturas y fotografías.
- Clasifica el contenido en cuatro categorías: diseño, funcionalidades, herramientas y prácticas de desarrollo.
- Construye una wiki privada en Markdown que pueden consultar Claude Code y otros agentes compatibles.
- Genera un
DESIGN.mda partir de los patrones visuales que se repiten en las referencias. - Registra qué fuentes se han utilizado al construir un proyecto, para distinguir las ideas útiles de las que solo se guardaron.
La idea va más allá de organizar enlaces en una lista de favoritos. Second-brain intenta convertir las referencias en información estructurada que pueda intervenir en el trabajo diario. Si una persona guarda varias interfaces con estilos similares, por ejemplo, el sistema puede extraer patrones de composición, colores, tipografías y espaciados. Si guarda un artículo sobre una práctica de ingeniería, puede registrar sus ideas y explicar cuándo aplicarlas.
El resultado se mantiene en archivos que un agente de programación puede consultar sin tener que revisar de nuevo todas las publicaciones originales. El proyecto busca así reducir la distancia entre encontrar una buena referencia y utilizarla en una implementación real.
De las publicaciones de redes sociales a una wiki privada
Second-brain permite capturar publicaciones de X, Instagram y LinkedIn, incluidos determinados contenidos con imágenes, vídeos o carruseles. También admite repositorios de GitHub, vídeos de YouTube, Vimeo, TikTok y Bluesky, además de artículos y páginas web. Otra posibilidad es compartir una captura de pantalla o una fotografía sin necesidad de incluir un enlace.
La forma de capturar depende del dispositivo. En iPhone y Mac puede utilizarse un atajo de Apple Shortcuts; en Android y ordenadores con navegador, el proyecto ofrece una página para enviar las referencias. El material pasa a una bandeja de entrada y un proceso de trabajo lo analiza para incorporarlo a la wiki.
El sistema intenta recuperar el contenido disponible en cada fuente. En un repositorio de GitHub puede leer la descripción y el archivo README, además de utilizar imágenes o vídeos incluidos en él. En una página web puede extraer el texto principal y las figuras. Para los vídeos, el proceso puede descargar el contenido y seleccionar fotogramas; también puede transcribir parte del audio en la máquina que ejecuta el trabajador.
Las capacidades dependen de la fuente y de los permisos de acceso. El proyecto documenta, por ejemplo, que Instagram y LinkedIn pueden necesitar cookies del navegador para acceder a ciertos contenidos, una automatización que sus responsables advierten que puede entrar en conflicto con las condiciones de uso de ambas plataformas. En Instagram, el tratamiento de fotografías y carruseles puede limitarse a la imagen de portada.
La información se organiza en cuatro categorías:
- design: patrones de interfaz, composición, tipografías, colores, formas y movimiento.
- features: funcionalidades de producto e ideas sobre lo que podría construirse.
- tools: herramientas, bibliotecas y servicios, con información sobre su utilidad y cuándo recurrir a ellos.
- practices: métodos de trabajo, flujos de ingeniería y aprendizajes extraídos de artículos o experiencias.
Cada captura conserva una nota de origen con el contenido extraído y un enlace a la fuente. Las páginas temáticas se construyen a partir de esas notas y pueden incluir apartados sobre cómo funciona un patrón, cuándo conviene utilizarlo o qué limitaciones presenta. El proyecto también permite añadir una nota personal al guardar algo, para explicar por qué llamó la atención y orientar mejor el análisis posterior.
Hay una condición importante: si el sistema no encuentra texto, imágenes o vídeo que pueda analizar, no debería inventar el contenido de la referencia. En esos casos, solicita que se vuelva a compartir con una nota. Esa regla reduce las interpretaciones basadas únicamente en un enlace sin información accesible, aunque no elimina por completo el riesgo de errores en el análisis del modelo.
DESIGN.md convierte las preferencias visuales en instrucciones para los agentes
Una de las funciones más interesantes de second-brain es la generación automática de DESIGN.md, un documento con instrucciones de diseño que puede utilizar un agente al construir una interfaz. El proyecto toma como referencia el formato difundido por Google Labs, que permite describir sistemas visuales mediante tokens, pautas de composición y reglas de uso.
En lugar de definir una apariencia desde cero en cada proyecto, second-brain analiza las referencias acumuladas e identifica características recurrentes. El código calcula valores de color a partir de los píxeles de las imágenes y puede extraer información CSS de interfaces web en directo, como fuentes, tamaños de texto, radios de borde, espaciados, sombras y transiciones.
Con esos datos construye un perfil de preferencias y genera tokens para elementos como la paleta, la tipografía, los bordes y la profundidad visual. El documento resultante incluye reglas sobre qué hacer y qué evitar, de forma que el agente pueda aplicarlas cuando genere componentes o páginas.
El proyecto también contempla referencias que no siguen un único estilo. Si las capturas presentan una división clara entre interfaces claras y oscuras, puede generar versiones separadas del documento, como DESIGN.md y DESIGN.dark.md. Así evita combinar automáticamente paletas que podrían responder a decisiones visuales diferentes.
La extracción de colores tiene límites: una fotografía puede contener tonos que no pertenecen al diseño de la interfaz. La documentación contempla niveles de confianza para algunos colores y advierte al agente cuando debe comprobarlos contra las capturas originales. Las duraciones exactas de animaciones tampoco pueden deducirse de imágenes estáticas, por lo que el proyecto distingue entre propiedades observables y datos que no puede medir con fiabilidad.
El formato puede resultar útil para equipos que trabajan con Claude Code, Cursor, Windsurf o Zed. Claude Code dispone de una habilidad específica para consultar la wiki, mientras que otros clientes pueden acceder mediante un servidor del Protocolo de Contexto de Modelo (MCP, por sus siglas en inglés). Este servidor ofrece operaciones de lectura para consultar el índice, buscar temas, recuperar páginas y mostrar capturas, sin escribir en la wiki ni llamar a modelos por su cuenta.
El historial de uso permite comprobar qué referencias sirven
Second-brain también incorpora un registro de uso. Cuando un agente construye algo basándose en una o varias referencias guardadas, la habilidad puede anotar qué capturas influyeron en el trabajo, qué proyecto se modificó y qué cambio o solicitud de integración permite comprobarlo.
El objetivo es que la wiki no sea solo un archivo de inspiración. Con el tiempo, el registro puede mostrar qué patrones se han reutilizado y cuáles permanecen guardados sin llegar a aplicarse. Esa información alimenta el índice y ayuda a distinguir las referencias que han influido en el código de las que únicamente se han consultado.
El perfil de preferencias y el DESIGN.md se actualizan periódicamente a partir de las capturas procesadas. La documentación describe un flujo semanal que cuenta rasgos recurrentes, revisa la organización de los temas y recompone las páginas a partir de sus fuentes. De esta manera, las preferencias pueden cambiar si el usuario acumula referencias nuevas con características distintas.
La wiki se guarda en un repositorio privado separado del repositorio público que contiene el motor de second-brain. Esta separación permite publicar el código sin hacer públicas las capturas y las notas que contienen publicaciones de terceros. La licencia MIT se aplica al proyecto de software, pero no convierte en libre de derechos el contenido que se guarda: sus autores siguen siendo los titulares de ese material y la documentación recomienda mantener privada la wiki.
Para ponerlo en marcha se necesita una cuenta de GitHub, la herramienta de línea de comandos gh autenticada y una clave de acceso para el modelo elegido. El proyecto ofrece Ollama como opción predeterminada y contempla proveedores como OpenAI, Anthropic, Gemini y OpenRouter. El procesamiento puede ejecutarse mediante GitHub Actions o en un equipo propio, según la configuración elegida.
El código está publicado, pero su utilidad real dependerá de la calidad de las referencias, de la precisión de los modelos y de la integración con el flujo de trabajo de cada equipo. Second-brain propone una forma de convertir el material que normalmente queda disperso entre redes sociales, marcadores y capturas en una memoria consultable por agentes, con la posibilidad de revisar posteriormente qué decisiones de diseño y desarrollo proceden de esas fuentes.
Preguntas frecuentes
¿Qué es second-brain para agentes de IA?
Es un proyecto de código abierto que transforma referencias visuales, artículos, repositorios y vídeos en una wiki privada en Markdown. Los agentes pueden consultar esa información al desarrollar software.
¿Qué contenido puede guardar second-brain?
Admite publicaciones de redes sociales, repositorios de GitHub, vídeos, páginas web, artículos, capturas de pantalla y fotografías. El contenido que puede extraer depende de la fuente y de los permisos de acceso.
¿Cómo genera second-brain un archivo DESIGN.md?
Analiza las referencias guardadas, identifica patrones visuales y calcula tokens de diseño, como colores, tipografías, radios y espaciados. Después genera un documento que los agentes pueden utilizar como guía para construir interfaces.
¿Dónde se almacenan las referencias guardadas?
La wiki se mantiene en un repositorio privado de GitHub separado del repositorio público del motor. El usuario controla ese repositorio y puede ejecutar el procesamiento mediante GitHub Actions o en su propio equipo.
