Artículo ·
Construí un chat para recuperar lo que aprendo en YouTube
Por qué construí YouTube Knowledge Base, cómo lo uso para pensar el marketing de un proyecto y qué todavía no he comprobado.
Fuente original: github.com
Me pasaba algo con YouTube: veía vídeos que me parecían muy buenos, pero después me costaba recuperar esas ideas cuando quería hacer algo con ellas.
A veces guardaba el vídeo. Otras veces pasaba la información a notas en Obsidian. Esas notas casi nunca las volvía a mirar, salvo que me acordara de haber visto algo relacionado con el problema que tenía delante.
Había ideas que seguían ahí, al fondo de la memoria. Lo difícil era tenerlas a mano cuando las necesitaba.
Por eso construí YouTube Knowledge Base. La idea es seleccionar un canal, convertir sus vídeos en material que se pueda consultar y hacerle preguntas sobre una situación concreta.
La pregunta que quería hacer
Me interesaba recuperar cómo aborda un tema alguien a quien sigo. Si estoy pensando en marketing, quiero consultar las ideas de un creador cuyo contenido conozco y ver cuáles pueden servirme para el proyecto en el que estoy trabajando.
Lo usé hace poco de esa manera. Le conté a la herramienta un emprendimiento que estaba llevando a cabo y le pregunté qué podía hacer con las publicaciones en redes sociales, usando como referencia el contenido de Kallaway.
En la conversación sobre la estrategia de contenido de Resiana, la respuesta organizó el plan alrededor de problemas de posibles compradores y contenido educativo.
Me devolvió un plan. Mientras lo leía, reconocía cosas que había escuchado en los vídeos. Algunas las recordaba; otras no las tenía tan claras hasta que aparecían relacionadas con lo que quería hacer.
Eso me vino muy bien para pensar cómo ejecutar el marketing de ese proyecto. Me interesaba ir entrando en una comunidad y encontrar una forma de comunicar lo que estábamos haciendo.
Ahora suelo tener la herramienta corriendo en el ordenador y voy a preguntarle cuando lo necesito. También la uso para consultar ideas sobre SEO de creadores que sigo.
Qué hay detrás del chat
La herramienta obtiene las transcripciones, divide el contenido en fragmentos y construye un índice local. Cuando hago una pregunta, busca material relevante dentro del canal seleccionado y se lo pasa al modelo que prepara la respuesta. Combina búsqueda por palabras con búsqueda por significado.
Las respuestas pueden incluir referencias al vídeo y al momento del que procede la información. El repositorio del proyecto explica el proceso y cómo instalarlo.
La base de conocimiento está en mi ordenador. Para generar las respuestas utilizo modelos a través de OpenRouter, que reciben la pregunta y los fragmentos recuperados. La limpieza de patrocinios también puede recurrir a un modelo externo. Tener el índice local no significa que todo el procesamiento sea local.
Lo que busco con este sistema es darle al modelo material concreto del autor que me interesa consultar. La respuesta sigue siendo una elaboración de una IA a partir de ese material; no es una recomendación personal del creador.
Lo que me sorprendió y lo que todavía no comprobé
La duda principal que tenía era si me iba a servir. Lo que más me sorprendió fue lo útil que me resultó al hacer preguntas sobre algo en lo que ya estaba trabajando.
Hasta ahora, mi forma de valorar las respuestas ha sido bastante informal: leo lo que dice y reconozco ideas que recuerdo de los vídeos. No he hecho una evaluación sistemática para comprobar si está alucinando o si interpreta correctamente cada referencia.
Reconocer una idea ayuda, pero no basta para demostrar que la respuesta es correcta. Para comprobarlo mejor habría que contrastar respuestas concretas con los fragmentos originales. Los enlaces facilitan esa revisión; no la sustituyen.
En mi caso lo estoy usando para explorar enfoques de marketing y pensar cómo llevarlos a un proyecto. Lo que cuento aquí es esa experiencia de uso.
Lo que quiero explorar después
Para este uso prefiero trabajar con vídeos largos y he dejado fuera los Shorts. Me interesa que las ideas tengan contexto. Sospecho que el contenido muy condensado puede complicar la recuperación de algunos conceptos, aunque no he comparado ambos formatos para comprobarlo.
También me gustaría darle una vuelta al uso de un modelo local. Hoy priorizo la capacidad del modelo que consulto por OpenRouter. Ejecutar también las respuestas en el ordenador es una posibilidad que queda por explorar, con sus propios compromisos.
La herramienta nació de una necesidad mía bastante cotidiana: volver a usar algo que había aprendido. Me interesa seguir viendo hasta dónde sirve esa misma idea para otros archivos de contenido que vamos acumulando.
¿Qué información tenés guardada que te cuesta recuperar cuando llega el momento de aplicarla?