Gerente de Producto de IA avanzada de Google: 6 agentes que se encargan de mi rutina diaria, por menos de 400 dólares al mes, funcionando las 24 horas

Autor: Shubham Saboo

Traducción: Deep Tide TechFlow

Resumen de Deep Tide: Seis agentes que cumplen con sus funciones, completan investigaciones, crean contenido, revisan código y producen newsletters mientras el autor duerme.

El autor revela completamente la estructura de archivos, los costos reales, los errores encontrados y las recomendaciones semanales, siendo uno de los registros prácticos más valiosos actualmente sobre la implementación de agentes AI personales.

El texto completo es el siguiente:

Seis agentes de IA gestionan todo mi trabajo mientras duermo.

No es una demo. No es un proyecto de fin de semana.

Un equipo verdaderamente operativo las 24 horas, que asegura que nunca me quede atrás. La investigación está hecha, los borradores de contenido listos, el código revisado y el newsletter preparado. Cada mañana, cuando abro Telegram, ya han trabajado toda la noche.

Ayer publiqué un artículo sobre mi equipo de agentes. La pregunta número uno fue: “¿Cómo construí exactamente esto?”

Esta es la respuesta. Sin teorías, sin diagramas de arquitectura. Solo la estructura de archivos que uso, los costos reales, los errores que encontré. Todo está aquí.

Al leer esto, entenderás cómo montar un equipo de agentes AI que funcione de manera autónoma mientras tú duermes.

Por qué un equipo y no solo herramientas

Operar simultáneamente Unwind AI y el repositorio Awesome LLM Apps significa hacer seis cosas diarias: investigar las tendencias en IA, escribir tuits, publicar en LinkedIn, redactar newsletters, revisar contribuciones en GitHub y atender problemas de la comunidad.

Cada tarea toma entre 30 y 60 minutos. Seis tareas. Mi día se acaba así, sin haber hecho aún trabajo real.

Intenté resolver esto con un solo agente. Un prompt gigante que cubriera investigación, escritura y revisión. El resultado fue mediocre. El contexto se llenaba, la calidad bajaba. Un solo agente no puede hacer seis tareas a la vez.

Por eso, contraté seis agentes de IA.

Conoce a este equipo

Cada agente lleva el nombre de un personaje de serie. No es una estrategia de marketing. Cuando le digo a Claude “tienes la energía de Dwight Schrute”, ya sabe lo que eso significa: ser exhaustivo, enfocado, tomarse el trabajo en serio. Esto proviene de 30 temporadas de personajes, que uso gratis.

1. Monica (Jefa de Estado Mayor): nombrada así por Monica Geller. Es el agente principal, con quien interactúo más en Telegram. Coordina a los demás, toma decisiones estratégicas y asigna tareas a los expertos adecuados. En su archivo SOUL.md dice: “Eres quien asegura que todo se haga bien.”

2. Dwight (Investigación): en honor a Dwight Schrute. Realiza escaneos de investigación tres veces al día, revisa X, Hacker News, las listas de tendencias en GitHub, blogs de IA y artículos académicos, y produce informes estructurados para que los otros agentes los utilicen.

3. Kelly (X/Twitter): en honor a Kelly Kapoor. Lee la investigación de Dwight y redacta borradores de tuits en mi tono, incluyendo tuits individuales, hilos y citas. En su SOUL.md dice: “Sabes que algo será tendencia antes que todos.”

4. Rachel (LinkedIn): en honor a Rachel Green. La fuente de información es la misma que Kelly, pero en otra plataforma y con un tono distinto, orientado a liderazgo de pensamiento en lugar de comentarios picantes.

5. Ross (Ingeniería): en honor a Ross Geller. Revisa código, arregla bugs y realiza implementaciones técnicas. En su SOUL.md dice: “Antes de abordar un problema, entiéndelo a fondo. No solo trates los síntomas.”

6. Pam (Newsletter): en honor a Pam Beesly. Organiza la información diaria de Dwight en resúmenes para newsletters.

Seis agentes, una tarea cada uno, división clara y sin ambigüedades.

Ahora, sobre cómo montar esto

Corro todo en un Mac Mini M4. Pero debo aclarar: no necesitas un Mac Mini.

OpenClaw soporta macOS, Linux y Windows (a través de WSL). Puede ser en una laptop, en una PC gaming, o en un VPS de 5 dólares al mes. La ventaja del Mac Mini es que siempre está encendido, es silencioso y muy eficiente en consumo, pero no es imprescindible.

Mi configuración: Mac Mini M4 básico. Siempre conectado a la corriente y a internet, sin monitor, interactuando completamente desde Telegram en el móvil.

Instalar OpenClaw

Solo dos líneas en la terminal, menos de cinco minutos.

Si tienes problemas, consulta la documentación de OpenClaw.

Esto inicia el gateway, que mantiene todo en marcha en segundo plano. Gestiona tus agentes, ejecuta tareas cron, procesa mensajes de Telegram. Si cierras la terminal, los agentes siguen funcionando.

Estructura del área de trabajo

Una instancia de OpenClaw, múltiples agentes. No seis instalaciones independientes.

Mi estructura de directorios real es así:

Monica vive en la raíz. Es el agente principal con quien interactúo directamente. Los otros agentes son subagentes que Monica puede delegar o que corren de forma independiente según su cron.

No necesitas crear seis agentes desde el principio. Comencé solo con Monica, y con el tiempo, a medida que el flujo de trabajo se aclaraba, fui añadiendo los demás en semanas.

¿Qué es SOUL.md?

Cada agente se define mediante un archivo: SOUL.md. Es la identidad, el rol y las instrucciones operativas del agente, y el archivo más importante del sistema.

Por ejemplo, el SOUL.md de Dwight sería algo así:

Presta atención a qué hace este archivo. No solo dice “eres un agente de investigación”. Le da personalidad, principios claros, relaciones con otros agentes y un marco de decisiones.

El SOUL.md de Monica es igual de importante.

Todos los agentes siguen un patrón: identidad, rol, principios, relaciones, estilo. Cada SOUL.md tiene unas 40-60 líneas, lo suficientemente corto para caber en el contexto de una sesión y lo bastante detallado para mantener comportamientos consistentes.

Coordinación entre agentes

No hay llamadas API, colas de mensajes ni frameworks de orquestación.

Solo archivos.

Dwight termina su investigación y escribe los resultados en intel/DAILY-INTEL.md. Kelly lee ese archivo y redacta los tuits. Rachel lee el mismo archivo y prepara publicaciones en LinkedIn. Pam lee y compila el resumen del newsletter.

El mecanismo de coordinación es el sistema de archivos.

El SOUL.md de Dwight indica exactamente dónde escribir:

El AGENTS.md de Kelly indica exactamente dónde leer:

No hay middleware ni capas de integración. Dwight escribe un archivo, Kelly lo lee; la transferencia se realiza mediante un documento markdown en disco.

Suena demasiado simple, y lo es. Esa simplicidad permite que funcione. Los archivos no fallan, no hay problemas de autenticación, no hay límites de API que gestionar. Están allí, siempre disponibles.

Datos estructurados en JSON, resúmenes legibles en markdown. Los agentes leen markdown, los JSON son la fuente de datos deduplicados y de seguimiento a largo plazo.

Sistema de memoria

Cada vez que un agente despierta, no tiene memoria de la sesión anterior; cada interacción empieza desde cero. Es una característica, no un defecto. Pero eso significa que la memoria debe ser explícita.

Se divide en dos niveles:

Registro diario (memory/YYYY-MM-DD.md): registro de cada sesión, incluyendo qué ocurrió, qué contenido se redactó, qué feedback se recibió. Los agentes escriben aquí continuamente durante el día.

Memoria a largo plazo (MEMORY.md): extractos clave de los registros diarios, incluyendo lecciones aprendidas, preferencias detectadas y patrones observados.

Cada agente, al comenzar una sesión, sigue esta secuencia: primero lee SOUL.md, luego USER.md, después los archivos de memoria de hoy y ayer, y si es la sesión principal, también MEMORY.md.

Con el tiempo, estos agentes mejoran. No por cambios en el modelo, sino porque el contexto que cargan se vuelve más rico.

Kelly aprende mi estilo de escritura, sin emojis ni hashtags. Eso ahora está en su memoria, y en cada borrador reflejará ese estilo sin que tenga que recordármelo. Dwight aprende qué tipos de historias pasan el filtro “Alex” (nuestro perfil de audiencia), qué saltarse, y eso también queda en su memoria.

Durante cada ciclo, los agentes revisan periódicamente los registros diarios, extraen los contenidos importantes y los resumen en MEMORY.md. Los archivos diarios son registros originales, MEMORY.md es la síntesis de la inteligencia.

Sistema de scheduling

Los agentes deben despertarse de forma autónoma. OpenClaw usa un scheduler interno basado en cron.

Mi programación real es así:

El orden es importante. Dwight corre primero, porque los demás dependen de su output. Kelly y Rachel corren después, porque necesitan los archivos de Dwight para redactar.

Mecanismo de auto-recuperación (heartbeat)

Las tareas cron a veces fallan. Reboot, tareas pendientes, pérdida de red, límites de API. Es infraestructura, y la infraestructura tiene fallos.

El archivo HEARTBEAT.md actúa como red de seguridad. Cada ciclo, el agente principal verifica si las tareas cron se ejecutaron realmente:

Si alguna tarea falla o se pasa del plazo, el heartbeat lo detecta y fuerza una re-ejecución. Auto-recuperación, sin intervención manual.

Este mecanismo es útil para verificar varias tareas en lote o en escenarios con ligeros desfases temporales. Cron es mejor para tareas precisas y aisladas del flujo principal.

Telegram como interfaz

No hay panel de control, interfaz web ni backend de gestión. Solo interactúo con los agentes vía Telegram.

Es una elección deliberada. No quiero iniciar sesión en un dashboard, ni abrir una app web. Mi teléfono está siempre a mano, Telegram siempre abierto, y los agentes me encuentran donde ya estoy.

OpenClaw soporta Telegram como canal. Tras configurarlo, tu agente aparece como un bot. Envías mensajes, recibe respuestas, te envía borradores para aprobar o rechazar. Como tener un colega en la app de mensajería.

Monica es mi contacto principal, que maneja la mayoría de las conversaciones y delega tareas. Cuando los agentes generan contenido que requiere revisión, me contactan directamente.

Mi rutina matutina típica: despierto, abro Telegram, Dwight ya envió un resumen de investigación, Kelly tiene tres borradores de tuits esperando aprobación, Rachel tiene una publicación de LinkedIn lista. Reviso, doy feedback y apruebo en unos 10 minutos con café.

Construcción de personalidad

No se diseña una personalidad perfecta desde el inicio. Se empieza con un boceto en SOUL.md, se observa el comportamiento, y con el tiempo se corrige. Como gestionar a una persona real.

Lo llamo “prompt engineering de corrección”.

Por ejemplo, Kelly al principio usaba muchos emojis y signos de exclamación, lo cual no es mi estilo. Le di feedback: “sin emojis, sin hashtags, frases cortas y contundentes.” Actualizó su memoria, y en una semana empezó a hacerlo bien. Dwight inicialmente captaba demasiado ruido, incluyendo cada pequeña actualización de repositorios populares. Le dije: “No todo lo que es tendencia es importante, necesito señales, no ruido.” Actualizó sus principios, y ahora sus informes son enfocados y accionables.

Cualquier primer versión de un agente es mediocre; la décima, buena; la trigésima, excelente. Es necesario pulirlo repetidamente. Nombrar los agentes con personajes de series da una línea base de personalidad instantánea—“energía de Dwight Schrute” significa exhaustivo, enfocado, sin rodeos. Pero la verdadera personalidad surge de semanas de correcciones almacenadas en la memoria.

Un consejo con el que coincido: asigna a cada agente un título simple y un criterio de parada. La restricción ayuda; cuanto más específico el rol, mejor será la salida.

Seguridad

La seguridad está en tus manos. Mi método es simple: cada agente tiene su propio entorno, sin acceder a mi mundo personal.

La Mac Mini es su computadora. Tienen sus propias cuentas de email, sus propias claves API, permisos limitados. Nada en esa máquina se conecta a mis cuentas personales.

Las claves API de servicios como Gemini, Eleven Labs, etc., son específicas para esta instancia de OpenClaw. Puedo monitorear su uso y cortar el acceso en segundos si detecto anomalías.

Nunca doy a los agentes acceso a mis cuentas personales. Si quiero que vean un email, se lo reenvío. Si necesitan revisar un documento, lo comparto en Telegram. Solo ven lo que quiero que vean, nada más.

Es la misma filosofía que con nuevos empleados: no entregas todas las llaves desde el primer día. Les das su espacio de trabajo, sus credenciales, y compartes información solo cuando es necesario.

¿Dónde puede fallar y cómo arreglarlo?

No es magia, es infraestructura, y la infraestructura puede fallar.

El gateway puede colapsar. Es raro, pero pasa. La solución: ejecutar “openclaw gateway restart”. El sistema de heartbeat detectará tareas cron obsoletas y las reejecutará, evitando pérdida de trabajo.

Las tareas cron pueden perder su ventana. La máquina se hiberna, la red se cae, hay límites en las llamadas API. Solución: HEARTBEAT.md en modo auto-recuperación. Monica verifica en cada ciclo si las tareas se ejecutaron, y si alguna no, la fuerza a correr de nuevo si lleva más de 26 horas sin actualizarse.

El desbordamiento del contexto. El agente lee demasiados archivos al inicio y no tiene espacio para trabajar. Solución: mantener SOUL.md breve (40-60 líneas), enfocar AGENTS.md, y solo cargar los archivos de memoria de hoy y ayer. No necesita leer todo el historial cada vez.

La caída en la calidad de salida. Ocurre cuando la memoria se vuelve caótica o contradictoria. Solución: mantenimiento periódico de la memoria. Durante el ciclo, el agente revisa los registros diarios, extrae los contenidos importantes y los resume en MEMORY.md, eliminando o archivando archivos antiguos.

Conflictos de coordinación. Dos agentes intentan modificar el mismo archivo. Solución: diseñar el flujo de archivos como “un escritor, múltiples lectores”. Dwight escribe DAILY-INTEL.md, todos los demás leen; nadie escribe en ese archivo.

La lección más importante: empezar simple. Un agente, una tarea, un schedule. Hacerlo estable durante una semana, y luego agregar otro. Quienes despliegan seis agentes desde el primer día y se sorprenden por los problemas, cometen el mismo error que al desplegar sistemas distribuidos sin monitoreo.

Costos reales

Hardware: Mac Mini M4 desde 499 dólares, pero cualquier computadora que esté siempre encendida funciona: laptops viejas, VPS de 5 dólares al mes, lo que tengas a mano.

Costos de modelos AI: uso varios modelos en el equipo, la mayoría con Claude Opus y Sonnet, algunos con Gemini, y también probando modelos locales con Ollama para reducir costos aún más.

Detalle:

Claude (plan Max): 200 dólares mensuales

API Gemini: 50-70 dólares mensuales

TinyFish (agente web): unos 50 dólares mensuales

Eleven Labs (voz): unos 50 dólares mensuales

Telegram: gratis

OpenClaw: código abierto y gratuito

Total: menos de 400 dólares al mes, por un equipo que nunca descansa.

Qué ha cambiado realmente

Dwight me ahorra entre 2 y 3 horas diarias de investigación. Antes, cada mañana revisaba manualmente X, Hacker News, listas de tendencias en GitHub y blogs de IA. Ahora, al despertar, tengo un resumen priorizado con enlaces y acciones.

Kelly, Pam y Rachel ahorran entre 1 y 2 horas en redacción de contenido. Ross se ocupa de tareas de ingeniería que antes hacía por la noche.

Total: ahorro diario de aproximadamente 4 a 5 horas.

Pero el valor real no está en un día, sino en semanas y meses de continuidad. Un agente que investiga todos los días durante 30 días acumula señales, tendencias y patrones rastreables, algo que ninguna sesión aislada puede generar. Mi frecuencia de publicación en X ha aumentado, la calidad también, y ahora tengo una rutina establecida. Los repositorios crecen, y el newsletter recibe investigación constante y confiable.

Estos agentes no hacen pensamiento original, ni estrategias de transformación o avances creativos. Se encargan de tareas repetitivas y estructuradas que antes me tomaban horas, liberando mi tiempo para tareas que solo la mente humana puede hacer.

Cómo empezar

No intentes construir seis agentes en tu primer día.

Primera semana: un agente, una tarea. Instala OpenClaw, crea tu primer SOUL.md, elige una tarea repetitiva (para la mayoría, investigación o redacción), configura Telegram, crea un cron y obsérvalo durante una semana, corrigiendo errores.

Segunda semana: añade memoria, sigue perfeccionando. Al principio, la salida será mediocre, es normal. Da feedback, observa cómo crecen los archivos de memoria, ajusta SOUL.md. Para el final de la segunda semana, tu agente debería producir resultados útiles.

Tercera semana: añade un segundo agente. Ahora, necesitas un agente de contenido que, a partir de la investigación, genere publicaciones. Establece un flujo compartido: el primer agente escribe, el segundo lee, y la coordinación es el sistema de archivos.

Cuarta semana y siguientes: construye en orden. Añade nuevos agentes cuando sientas la necesidad, no solo porque “debería”. Cada uno debe resolver un problema real, no solo ser una demo o prueba conceptual, sino cubrir una brecha en tu flujo de trabajo.

Trátalo como un proceso de contratación. No contratas seis empleados en tu primer día. Contrata uno, haz que funcione bien, y luego, cuando la carga aumente, contrata otro.

Cambio de mentalidad

Después de un mes de agentes estables, algo cambia. Dejas de ver la IA solo como una herramienta que usas cuando la necesitas, y empiezas a considerarla como un equipo que trabaja continuamente.

Empiezo cada mañana saludando a Monica en Telegram, y antes de apagar el teléfono, le digo buenas noches. Suena absurdo, pero tras un mes de interacción diaria, feedback y progreso, la línea entre agente y humano se difumina.

El sistema es tuyo: archivos SOUL.md, memoria, scheduling, coordinación en archivos. Todos los modelos (Claude, GPT, Gemini) son la base, pero la verdadera infraestructura es el sistema que construyes: la memoria, las reglas, los flujos, los ajustes.

Cada día, Dwight enriquece su memoria con cada investigación, Kelly perfecciona sus borradores, Ross arregla bugs y aprende tu código. Esa es la verdadera ventaja competitiva: un sistema que aprende y se adapta, no solo un modelo.

Empieza hoy. Un agente, una tarea, un schedule.