AKB - Infraestructura de conocimiento de equipo donde personas y IA leen y escriben juntas, con gestión de permisos incluida

Hola. En Dnotitia, donde trabajo, estamos creando AKB (Agent Knowledge Base), una base de conocimiento de equipo que los agentes de IA pueden leer y escribir directamente mientras trabajan.

¿Por qué lo hicimos?

Ya existen muchas wikis para personas, como Confluence y Notion. Del lado de los agentes también hay herramientas parecidas. mem0 acumula como memoria personal lo extraído de las conversaciones, y LLM Wiki crea una base de conocimiento personal que el agente puede leer y escribir. Sin embargo, en general se quedan a nivel individual, por lo que es difícil decir que estén diseñadas como una base común para que varias personas lean y escriban juntas.

La Open Knowledge Format (OKF) de Google también señala una preocupación similar. Como el conocimiento está disperso entre wikis, catálogos y código, los agentes tienen que volver a reunir contexto cada vez; por eso, lo que se necesita no es otro servicio cerrado, sino un formato común que varias herramientas puedan leer y escribir juntas. El formato que propone OKF es simple: reunir archivos Markdown en una carpeta y agregar unas cuantas líneas de YAML al inicio de cada archivo. Además, deja abierto a cada implementación quién crea ese formato y cómo se lee y amplía.

¿Qué hace AKB?

AKB es una infraestructura que implementa ese formato como una base de conocimiento común para el equipo. Un vault es un conjunto de archivos Markdown compatible con OKF, pero no es solo un índice para buscar y leer: es un repositorio compartido donde personas y agentes leen y escriben juntos sobre la misma fuente original. Las personas acceden por una web UI y los agentes por MCP. Aun así, el origen que tocan es uno solo. Cuando un agente empieza a escribir, también importa “qué cambió y cómo cambió”. Como el vault es un repositorio Git, todos los cambios quedan registrados como commits y diff.

Y no solo guarda documentos. Si OKF es un formato para escribir conocimiento en Markdown, AKB agrega al mismo vault tablas consultables y almacenamiento de archivos, y conecta los documentos entre sí con un grafo de conocimiento. Los documentos quedan como conocimiento que las personas leen y los agentes consultan, mientras que los datos estructurados —como listas, estados o estadísticas— pueden guardarse y consultarse en tablas separadas. Por eso, también es posible hacer cosas que son difíciles con una wiki para personas o con solo búsqueda; por ejemplo, usar AKB como capa de datos e historial de cambios, y encima desarrollar y operar aplicaciones de trabajo.

Pero para convertirse en una base de conocimiento común del equipo, no basta con los datos y el historial. Un formato como OKF no define quién puede ver qué. La parte en la que más trabajamos en AKB es precisamente esa: los permisos. Los agentes se autentican como la persona que emitió su token y heredan exactamente los permisos de esa persona sobre el vault. Los mismos límites de acceso que se aplican a las personas se aplican igual a los agentes. Ese límite se hace cumplir en dos capas. Para accesos generales como documentos, archivos o búsquedas, los permisos se verifican en la capa de aplicación. Y para la ruta que ejecuta SQL de agregación o análisis sobre tablas, se bloquea una vez más en la capa de base de datos. Como la consulta se ejecuta con el rol de PostgreSQL de ese usuario, usando PG ACL, si intenta referenciar un vault fuera de sus permisos, no lo rechaza la app sino PostgreSQL directamente.

Nuestro equipo está usando el issue tracker reef montado sobre la infraestructura de AKB. Cada issue es a la vez un documento Markdown dentro del vault y una fila consultable en una tabla. Los desarrolladores trabajan con agentes de código como Claude Code o Codex, y los PM trabajan con el agente dedicado de reef, todos mirando el mismo documento dentro del vault. Aunque el PM no conozca la sintaxis de especificaciones para desarrolladores, puede crear issues con base en el contexto acumulado en AKB; y el desarrollador puede traer ese contexto por MCP y desarrollar sin volver a excavar explicaciones dispersas. En el equipo estamos sintiendo directamente cómo las barreras técnicas y de lenguaje entre desarrolladores y PM se reducen al pasar por los agentes.

Verlo ahora mismo

Si quieren explorarlo directamente sin instalar nada, pueden entrar al demo público (akb-demo.agent.seahorse.dnotitia.ai). (Sí requiere registro, pero como es un demo, todos los datos se reinician cada semana).

Si quieren correrlo ustedes mismos, pueden levantarlo con Docker compose como se muestra abajo y luego entrar a localhost:3000. Incluso sin una clave de embeddings, la búsqueda por palabras clave (BM25) funciona.

git clone https://github.com/dnotitia/akb && cd akb  
cp config/app.yaml.example   config/app.yaml  
cp config/secret.yaml.example config/secret.yaml  
docker compose up -d  

Todavía le faltan muchas cosas. Si lo prueban, les agradeceríamos mucho que dejen en los comentarios cualquier bug, comportamiento raro o impresión que tengan.