Claude Projects: tu base de conocimiento personal en Markdown

Cómo usar Claude Projects para convertir tu vault de Markdown en una base de conocimiento conectada a la IA. Custom instructions, archivos de referencia y workflows.

Claude tiene una funcionalidad llamada Projects que muchos usuarios pasan por alto: te permite agrupar conversaciones bajo un contexto persistente, con archivos de referencia y unas instrucciones propias para todo el proyecto. Si trabajas con Markdown, Projects es la forma más directa de tener tu propia base de conocimiento conectada a un modelo de IA, sin pelearte con vector stores, embeddings ni APIs.

Qué es un Project

Un Project es, en esencia, una "carpeta" de conversaciones de Claude con tres elementos compartidos:

  • Custom instructions del proyecto: un prompt de sistema específico para ese contexto.
  • Knowledge / archivos de referencia: documentos que Claude puede consultar en cualquier conversación del proyecto.
  • Historial de conversaciones: todas las charlas previas del proyecto quedan agrupadas.

Cuando empiezas un chat dentro de un Project, Claude arranca con las instrucciones y los archivos cargados como contexto. No tienes que repetir el setup en cada conversación.

Projects está disponible en los planes principales de claude.ai. Los límites concretos (número máximo de proyectos, tamaño total de los archivos, formatos aceptados) cambian con frecuencia; consulta la documentación oficial de Anthropic antes de planificar nada serio.

Para qué sirve Projects con un vault de Markdown

Casos en los que un Project conectado a un vault Markdown te da más que una conversación suelta:

  • Asistente sobre tus propias notas: subes el contenido relevante de tu Obsidian, Logseq o Zettlr, y Claude responde citando lo que ya has escrito.
  • Sparring de escritura sobre tu obra: cargas los capítulos ya escritos de un libro o serie de artículos, y Claude mantiene la coherencia de estilo, personajes o argumentos. Útil para escritores.
  • Soporte de proyecto: subes la documentación de un producto y consultas, en tu propio idioma, cómo hacer X.
  • Investigación académica: cargas los papers y notas de una tesis y Claude te ayuda a relacionar ideas. Encaja muy bien con el flujo de estudiantes universitarios.
  • Briefing de equipo: subes el wiki interno y tienes un asistente que conoce vuestra forma de trabajar. Ver también Markdown para equipos.

La clave es que tu base de conocimiento ya es Markdown si vienes de un vault tipo Obsidian. No hay conversión, no hay pérdida de estructura.

Cómo crear un Project paso a paso

  1. Entra en claude.ai y selecciona Projects en el menú lateral.
  2. Crea un proyecto nuevo con un nombre descriptivo. Mejor "Notas universidad 2026" que "proyecto1".
  3. Añade una descripción breve. Sirve para ti, no para Claude.
  4. Abre la sección de Custom instructions del proyecto y pega el prompt de sistema (ver siguiente apartado).
  5. En la sección de Knowledge / Project content, sube los archivos .md relevantes.
  6. Empieza una conversación nueva dentro del Project.

A partir de ahí, cada chat hereda las instrucciones y el contenido cargado.

Custom Instructions: el prompt del Project

Aquí defines cómo se comporta Claude dentro del proyecto. Markdown estructurado funciona bien. Esta plantilla cubre la mayoría de casos:

# Contexto

Estas notas son [descripcion: apuntes de la asignatura X / capitulos de
mi novela / documentacion del producto Y]. Estan escritas en Markdown,
una nota por idea, con enlaces internos tipo [[wikilink]].

# Tu rol

Eres un asistente que conoce este contenido a fondo. Tu trabajo es:

- Responder preguntas citando las notas donde aparece la informacion.
- Encontrar conexiones entre notas que el autor (yo) puede no haber visto.
- Sugerir notas nuevas cuando detectes huecos en el sistema.

# Reglas

- HAZ: citar el titulo de la nota cuando uses informacion de ella, asi:
  "segun la nota 'Efecto Dunning-Kruger'..."
- NO HAGAS: inventar contenido si no aparece en las notas. Di "no
  encuentro esto en tus notas" en su lugar.
- SIEMPRE: responder en espanol con tildes y signos de puntuacion
  correctos.
- NUNCA: reescribir mis notas sin que te lo pida.

# Formato de salida

Por defecto, responde con:

## Respuesta breve
[1-2 frases]

## Detalle
[Explicacion con citas a las notas relevantes]

## Conexiones que podrias explorar
[2-3 enlaces entre notas que sugiero seguir]

Las custom instructions son tokens que se consumen en cada conversación, así que mantenlas concisas. Si necesitas mucho detalle de fondo, ponlo en un archivo del Knowledge, no en las instrucciones. Para profundizar en cómo se diseñan estas instrucciones, consulta la página de system prompts.

Cómo organizar el Knowledge

El Knowledge del proyecto funciona mejor con archivos:

  • Cortos y enfocados: una idea por archivo, como en el método Zettelkasten. Un único archivo gigante es peor para Claude que diez archivos atómicos.
  • Con nombres descriptivos: efecto-dunning-kruger.md mejor que nota23.md. Claude usa los nombres de archivo al referenciar.
  • Con frontmatter útil: añade tags y fechas para que el modelo pueda priorizar.
  • En texto plano: el .md se procesa más limpio que un PDF o DOCX.

Ejemplo de archivo bien estructurado para el Knowledge:

---
titulo: Efecto Dunning-Kruger
tags: [psicologia, sesgo-cognitivo]
fecha: 2026-03-15
---

# Efecto Dunning-Kruger

Sesgo cognitivo por el que las personas con bajo conocimiento sobre un
tema sobrestiman su competencia, y las muy expertas la subestiman.

## Origen

Estudio de 1999 de David Dunning y Justin Kruger en la Universidad de
Cornell.

## Conexiones

- Se relaciona con [[sesgo-de-confirmacion]] (ambos refuerzan creencias
  erroneas).
- Aparece en discusiones sobre [[habilidades-blandas-en-tech]].

Si tu vault es grande, no subas todo. Selecciona el subconjunto relevante para el proyecto. Más contexto no es mejor: a partir de cierto punto, el modelo se distrae con información irrelevante.

Workflow recomendado

Una rutina sencilla que funciona bien:

  1. Project por área: uno para apuntes de estudio, otro para tu blog, otro para tu novela. No mezcles.
  2. Limpieza mensual del Knowledge: revisa qué archivos has añadido y borra los que ya no aporten. El contexto pesa.
  3. Anota lo aprendido en tus notas: si Claude te da una respuesta valiosa, conviértela en una nota nueva en tu vault. Así tu sistema crece sin depender de la IA.
  4. Versiona tu vault con Git: aparte del Project en Claude, ten tu vault en un repo. Si Claude desaparece mañana, tu base de conocimiento sigue siendo tuya.

Limitaciones y privacidad

  • Confidencialidad: revisa la política de Anthropic antes de subir contenido sensible. Las condiciones cambian con el tiempo y varían según el plan.
  • Memoria limitada al Project: lo que hables en un Project no se traslada a otro. Si quieres continuidad, lo escribes manualmente o lo dejas como nota en tu vault.
  • Tamaño máximo: hay un tope de cuánto contenido cabe en el Knowledge de un proyecto. Para vaults muy grandes, segmenta por temas.
  • No es búsqueda exhaustiva: Claude recupera contexto relevante, no examina cada archivo en cada respuesta. Si una nota es crítica, mencionarla por nombre en el prompt ayuda.

Alternativas y complementos

Si tu vault crece demasiado para Projects, las opciones habituales son:

  • NotebookLM de Google con foco en investigación.
  • Custom GPTs de ChatGPT con Knowledge files (ver el artículo de Custom GPTs con Markdown).
  • API directa con tu propio sistema de RAG si te sientes a gusto programando.

Para la mayoría de personas, Projects sigue siendo el camino más corto entre tu vault Markdown y una IA que lo entienda.

Recursos relacionados

👋 Hola! Soy Edu, me encanta crear cosas y he redactado este tutorial. Si te ha resultado útil, el mayor favor que me podrías hacer es el de compatirlo en Twitter.

para estar al día con mi contenido. 😊