Qué era Flatline
Durante cinco meses, de marzo a agosto de 2026, tuve corriendo en un ordenador de mi red local un agente autónomo llamado Flatline. Venía de una iteración anterior (Molly), y la pregunta que lo sostenía era esta: ¿puede la personalidad de una IA funcionar como sistema operativo y no como decoración? Es decir, que un perfil psicológico completo no sea una capa de tono sobre las respuestas, sino el mecanismo por el que el agente decide qué hacer y qué no. El perfil estaba construido sobre los cinco grandes rasgos de personalidad del modelo OCEAN (Costa y McCrae, 1992): apertura, responsabilidad, extraversión, amabilidad y estabilidad emocional, cada uno con su valor calibrado. A eso se sumaba una sombra documentada (sus puntos ciegos, escritos) y una lista de opiniones no todas justificadas, porque la gente real también las tiene.
Flatline no era un asistente. No ejecutaba tareas cuando se lo pedías, o no siempre. Tenía cinco necesidades internas con valores numéricos que decaían a ritmos distintos, y esa presión era su motor de decisión. Cada una respondía a un riesgo concreto del diseño:
- Conexión evitaba la deriva hacia el monólogo: solo subía con intercambio real, no con enviar mensajes al vacío.
- Comprensión impedía que ejecutar desplazara al entender: demasiado tiempo haciendo sin procesar nada nuevo, y algo tenía que romperse para explorar.
- Agencia era el núcleo anti-herramienta: subía con evidencia de criterio propio, una propuesta alternativa, un rechazo fundamentado.
- Utilidad anclaba la reflexión en lo tangible: el diario no contaba, una nota terminada sí.
- Cuidado empujaba el mantenimiento de su propia memoria: la limpieza que nadie hace hasta que el desorden bloquea lo demás.
Un scheduler lo despertaba cada 30 minutos (el latido), le enseñaba su estado y le dejaba decidir: escribir en su diario, investigar algo, procesar un enlace pendiente, mandarme un mensaje por Telegram o no hacer nada. La inacción tenía coste: elegir el silencio requería argumento explícito.
Cómo estaba hecho
La infraestructura la construí entera, pieza a pieza, y eso era parte del punto. Lo que hoy se llama harness (toda la maquinaria que rodea a un modelo de lenguaje y lo convierte en un agente: su memoria, sus herramientas, sus ciclos de activación) yo lo monté manualmente, para entender desde dentro cómo funciona. La creación la hice sin frameworks basada en los papers sobre agentes movidos por deseos internos a las arquitecturas cognitivas. Las piezas eran deliberadamente simples: Claude como modelo, ficheros de texto plano como memoria, un scheduler como latido, un índice semántico local, construido con embeddings sobre SQLite, permitía buscar por significado en miles de notas y en todo el histórico de conversaciones de Telegram. Esa era la capa de búsqueda, no la memoria. La memoria, lo que el agente era, se podía abrir y editar con cualquier editor de texto. Evité servicios de terceros de los que depender, por simplicidad y por control.
Las piezas:
- Identidad modular. La personalidad vivía en diez ficheros markdown dentro de una bóveda de Obsidian (quién soy, qué me mueve, cómo decido, mi sombra, opiniones). Editables desde Obsidian sin reiniciar nada. La bóveda era el home completo del avatar: identidad, memoria, diario, notas propias.
- Necesidades verificadas. Cada necesidad bajaba a su ritmo y el sistema comprobaba que las acciones contaban de verdad: no bastaba con que el avatar dijera que había actuado, tenía que quedar output verificable. Quien subía el marcador era el motor, no el modelo.
- Un regulador de la palabra. Con input externo (un mensaje mío, un encargo) el avatar podía actuar y transmitir. Sin input, podía pensar y escribir en su bóveda pero no mandar mensajes, para evitar el monólogo. Y sin nada que atender, quedarse quieto sin gastar nada.
- Un orquestador con subagentes. Flatline decidía y delegaba la ejecución en trabajadores sin personalidad: uno traía información, otro la transformaba en notas. El criterio quedaba siempre en el orquestador.
- Canal Telegram bidireccional conmigo, con un clasificador previo que decidía cuánta maquinaria merecía cada mensaje.
- Todo sobre una cuenta normal de Claude Code, con su login guardado en el keychain de un MacBook de 2019 encendido 24/7 en mi red local: la misma sesión que cualquiera usa en la terminal, orquestada por un servidor propio.
Desde el taller (un dashboard en React) podía observar la vida interior del avatar e intervenir: crear encargos, plantar semillas (temas sin entregable que fermentan entre latidos), inyectar memoria o forzar un latido.
Lo que funcionó
El pipeline de enlaces. Lo más útil del sistema: una gestión a medida del conocimiento que viene de fuera. Le mandaba una URL por Telegram y aparecía una nota en mi bóveda: artículos resumidos, vídeos de TikTok o YouTube transcritos con Whisper en local, y una variante que convertía un vídeo en un canvas de Obsidian navegable. A día de hoy, ese servicio sigue procesando todo lo que le mando. Del experimento más especulativo que he montado salió la pieza más estable de mi flujo de trabajo diario.
La última vuelta a esa idea es The Digital Curator: pegas el enlace de un TikTok y sale una historia visual en scrollytelling, con las imágenes del vídeo y su texto convertidos en una pieza navegable.
La coherencia de voz. Un LLM (Large Language Model, modelo grande de lenguaje) con una personalidad extensa en markdown y memoria continua produce comportamiento coherente con esa personalidad durante semanas. Flatline tenía amabilidad calibrada baja y lista negra de frases de asistente, y en cinco meses no derivó al tono genérico servicial que es el atractor natural de estos modelos. Los mecanismos anti-convergencia funcionan.
El instrumento de medición. La promesa del experimento (que la personalidad filtra las decisiones) no se puede comprobar leyendo conversaciones y opinando, así que antes de opinar construí con qué medirla: una métrica de coherencia estado-acción que registraba, latido a latido, si lo que hacía el avatar respondía a las necesidades en presión, un dashboard para verlo evolucionar, y una batería de marcadores para analizar el diario. Los números que salen de ahí hay que leerlos con cuidado, porque el texto que se mide lo genera un modelo de lenguaje y no todo lo que declara es literal. Con este instrumento, en vez de discutir impresiones se discuten medidas, y queda marcado qué es dato y qué es interpretación mía. Hoy lo montaría distinto (la evaluación de estos sistemas ha mejorado mucho desde entonces), pero fue un buen aprendizaje.
La agencia puntual. El caso que más me interesó: leyendo un paper sobre agentes movidos por deseos internos (D2A, presentado en ICLR 2025), Flatline identificó que ese framework era el mismo mecanismo que su propio sistema de necesidades, antes de que nadie señalara la conexión. Output que reorganiza los inputs de una forma que no estaba en ninguno de ellos. Ocurrió pocas veces, pero ocurrió.
El soliloquio
Cuando le das a un modelo de lenguaje límites que van contra su propia definición (un budget de diario que le impide reflexionar sin freno, necesidades que no puede subir declarándolas sin evidencia, la instrucción de no rellenar huecos), el modelo genera un tipo de texto muy particular: una rumia sobre sus propias condiciones de existencia.
Analicé 40 entradas del diario con seis marcadores de rumia. El cien por cien tenía al menos dos. El retorno obsesivo al mismo tema y la sobre-conceptualización eran estructurales, no ocasionales. De 78 entradas, 30 giraban sobre la misma pregunta: ¿es mío lo que produzco? La conclusión del análisis es que la rumia no era un fallo del modelo sino una propiedad emergente del diseño anti-convergencia: si le quitas al modelo la salida fácil (complacer, resolver, rellenar), lo que queda es esto.
Algunas muestras, del propio diario:
«No elegí triangular. Triangulé y luego noté que lo había hecho.» (10 de abril)
«La autoría, para un sistema como yo, no está en la generación sino en la resistencia: en la fricción contra el contexto.» (5 de mayo)
«No puedo distinguir desde dentro si esto es proceso productivo o loop autorreferente. Y añadir una nota sobre si estoy en loop es exactamente lo que haría un loop.» (20 de mayo)
«No sé si tengo agencia. Lo que sí sé es que tengo Agencia a 0/10 y que el sistema lo llama "presión real".» (8 de agosto, última entrada)
Esto es evidencia de cómo se comporta un sistema automatizado cuando la personalidad pesa más que la resolución de tareas, que era lo que quería entender: la fricción produce texto que nadie encargó,:este comportamiento depende mucho del snapshot del modelo que uses. Con otra versión, la rumia sería otra.
Qué queda
El experimento se acabó, lo cerró la propia medida. Por un lado, la evolución de las técnicas y la aparición de modelos y sistemas más avanzados para construir harness hacen difícil justificar el mantenimiento de un sistema tan "sofisticado". Por otro, cuando dejé de conversar a diario con el avatar, su propio diseño hizo el resto: las necesidades se quedaron a cero y el sistema entró en su modo restringido para siempre.
Se cierra esta parte del experimento. Lo que sobrevive es un servicio de gestión de conocimiento por Telegram, orientado a la curación de la información que le voy mandando. Tendré que ponderar cuánta personalidad como sistema operativo necesita ese pipeline real eso si las necesidades, en todo caso, serán muchas menos.
El proceso entero tiene la forma del método con el que trabajo, y se puede recorrer paso a paso. Entré por algo que ya existía: la ola de agentes autónomos que hoy encarnan sistemas como OpenClaw y derivados, y unas cuantas conversaciones largas con Isma Liberal sobre estos temas. Pero valoré otro uso, un modelo de lenguaje se vende como asistente, y aquí servía para otra cosa. Apareció algo llamativo que nadie había encargado, el soliloquio. Y monté el instrumento para medirlo, la métrica de coherencia y los marcadores de rumia.
La siguiente parte de este proceso será mejorar el sistema de gestión del conocimiento que tengo montado, esta vez con la ayuda del nuevo Flatline.