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

Después de leer esto, entenderás cómo construir un equipo de Agentes AI que funcione de manera autónoma mientras tú duermes.

Autor: Shubham Saboo

Traducido por: Deep潮 TechFlow

Guía de Deep潮: 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 obstáculos enfrentados y las recomendaciones semanales, siendo uno de los registros prácticos más valiosos sobre la implementación personal de Agentes AI.

El texto completo:

Seis Agentes AI 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 terminado toda una jornada.

Ayer publiqué un artículo sobre mi equipo de Agentes. La primera pregunta que surgió fue: “¿Cómo construí exactamente esto?”

Esta es la respuesta. Sin teorías, sin diagramas de arquitectura. Con la estructura de archivos que uso en la práctica, los costos reales que pagué, los errores que cometí. Todo está aquí.

Después de leer esto, entenderás cómo construir un equipo de Agentes AI que funcione de manera autónoma mientras tú duermes.

Por qué un equipo y no una sola herramienta

Operar simultáneamente Unwind AI y el repositorio Awesome LLM Apps significa hacer seis cosas cada día: 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: todo mediocre. El contexto se llenaba, la calidad bajaba. Un solo Agente no puede hacer seis cosas a la vez.

Por eso, contraté seis Agentes AI.

Conoce a este equipo

Cada Agente recibe el nombre de un personaje de serie. No es una broma. Cuando le digo a Claude “tienes la energía de Dwight Schrute”, ya sabe qué significa: ser exhaustivo, enfocado, tomarse el trabajo como una misión. Esto proviene de 30 temporadas de personajes, que aprovecho gratis.

1. Monica (Jefa de Estado): nombrada así por Monica Geller. Es la Agente principal, con la que 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. Ejecuta escaneos de investigación tres veces al día, revisa X, Hacker News, las listas de tendencias en GitHub, blogs y papers de Google AI, y genera informes estructurados para que los otros Agentes los usen.

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 los demás.”

4. Rachel (LinkedIn): en honor a Rachel Green. La misma fuente de información 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 solucionar un problema, entiéndelo a fondo. No solo trates los síntomas.”

6. Pam (Newsletter): en honor a Pam Beesly. Organiza los informes diarios de Dwight en resúmenes para newsletters.

Seis Agentes, un trabajo cada uno, sin ambigüedades en la división.

Ahora, cómo construirlo

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). Un portátil funciona, una PC de juegos también, y un VPS de 5 dólares al mes también sirve. 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.

Instalación de 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 espacio de trabajo

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

Mi estructura de directorios en realidad es así:

Monica vive en la raíz. Es la Agente principal con la que interactúo directamente. Los otros Agentes son subagentes que Monica puede delegar o que corren en sus propios cron jobs.

No necesitas crear los 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 sucesivas.

¿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 es el archivo más importante del sistema.

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

Fíjate en 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.

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 cada sesión, y lo bastante detallado para que su comportamiento sea estable y coherente.

Coordinación entre Agentes

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

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 newsletter.

El mecanismo de coordinación es el sistema de archivos.

El SOUL.md de Dwight le indica exactamente dónde escribir:

El AGENTS.md de Kelly le indica exactamente dónde leer:

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

Suena demasiado simple. Y lo es. Por eso funciona. Los archivos no fallan, no tienen problemas de autenticación, no requieren manejo de API rate limits; simplemente están allí.

Datos estructurados en JSON, resúmenes legibles en markdown. Los Agentes leen markdown, JSON es la fuente de verdad para deduplicar y hacer 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 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 aprendizajes, preferencias detectadas y patrones observados.

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

Estos Agentes mejoran con el tiempo. No por cambios en el modelo, sino porque el contexto que cargan se vuelve más rico.

Kelly aprende a no usar emojis ni hashtags en su escritura, y eso ahora está en su memoria. Dwight aprende qué historias encajan con el “filtro Alex” (perfil de nuestro público objetivo) y cuáles no, y eso también queda en su memoria.

Durante cada ciclo, los Agentes revisan los registros diarios y extraen insights importantes en MEMORY.md. Los archivos diarios son registros originales, MEMORY.md es la síntesis de la sabiduría acumulada.

Programación

Los Agentes deben despertarse de forma autónoma. OpenClaw usa un scheduler cron interno para ello.

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 contenido.

Mecanismo de auto-reparación con heartbeat

Las tareas cron a veces fallan. Reinicios, tareas colgadas, interrupciones de red en llamadas API. Es parte de la infraestructura, y la infraestructura tiene fallos.

El archivo HEARTBEAT.md ofrece una red de seguridad. Cada vez que se ejecuta el heartbeat, el Agente principal verifica si las tareas cron se ejecutaron realmente:

Si alguna tarea falla o se pierde la ventana, el heartbeat lo detecta y fuerza su re-ejecución. Auto-reparación, sin intervención humana.

Este mecanismo es útil cuando se pueden agrupar varias verificaciones o cuando los tiempos pueden variar ligeramente. Cron es mejor para programación precisa y tareas que deben estar aisladas de la sesión principal.

Telegram como interfaz de interacción

No hay panel de control, interfaz web ni backend de gestión. Solo interactúo con los Agentes a través de Telegram.

Es una elección deliberada. No quiero acceder a un panel, no quiero 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 en Telegram. Le 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. Los otros Agentes, cuando generan contenido que requiere revisión, también pueden contactarme directamente.

Mi rutina matutina: 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, apruebo. Todo en 10 minutos con café.

Construcción de la personalidad

No diseñas una personalidad perfecta desde el inicio. Comienzas con un boceto en SOUL.md, observas el comportamiento, y ajustas con el tiempo. 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 doy feedback: “sin emojis, sin hashtags, frases cortas y contundentes.” Ella actualiza su memoria, y en una semana, hace lo que le pido. Dwight inicialmente captaba demasiado ruido, incluyendo cada pequeña actualización de repositorios populares. Le digo: “No todo lo que es trending es importante. Quiero señales, no ruido.” Actualiza sus principios, y ahora sus informes son enfocados y accionables.

Cualquier Agente en su primera versión es mediocre; en la décima, bueno; en la trigésima, excelente. Es necesario pulirlo repetidamente. Nombrar los Agentes con personajes de serie da un impulso instantáneo a su personalidad: “energía de Dwight Schrute” significa exhaustivo, enfocado, sin rodeos. Pero la verdadera personalidad surge de semanas de correcciones en la memoria.

Un consejo que comparto: asigna a cada Agente un puesto 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 vida personal.

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

Las API keys 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 revisan un documento, comparto en Telegram. Solo ven lo que quiero que vean, nada más.

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

¿Qué pasa si algo falla y cómo arreglarlo?

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

El gateway puede colapsar. Rara vez pasa, pero pasa. La solución: ejecutar “openclaw gateway restart”. El sistema heartbeat detecta tareas cron obsoletas y las vuelve a correr, sin perder un día completo.

Las tareas cron pueden perder su ventana. La máquina se duerme, la red se cae, las llamadas API fallan. La solución: HEARTBEAT.md en modo auto-reparación. El Agente principal verifica en cada heartbeat si las tareas se ejecutaron, y si alguna no, la vuelve a correr 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. La solución: mantener SOUL.md breve (40-60 líneas), enfocar AGENTS.md, y solo cargar los archivos de memoria de hoy y ayer. El Agente no necesita leer todo el historial cada vez.

La baja en calidad de salida. Ocurre cuando la memoria se vuelve caótica o contradictoria. La solución: mantenimiento periódico de la memoria. Durante el heartbeat, el Agente revisa los registros diarios, extrae insights y los resume en MEMORY.md, eliminando o archivando archivos antiguos.

Conflictos de coordinación. Dos Agentes intentan modificar el mismo archivo. La solución: diseñar el flujo de archivos como “un escritor, múltiples lectores”. Dwight escribe en DAILY-INTEL.md, todos leen, nadie escribe allí más que él.

La lección más importante: empezar simple. Un Agente, una tarea, un scheduler. Hacerlo estable durante una semana, y luego agregar otro. Los que 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 cuesta desde 499 dólares, pero cualquier computadora siempre encendida funciona: laptops viejos, 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 pruebo modelos locales con Ollama para reducir costos.

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: open source y gratuito

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

Qué ha cambiado realmente

Dwight me ahorra de 2 a 3 horas diarias en 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 1-2 horas en redacción de contenido. Ross se encarga de tareas de ingeniería que antes hacía por la noche.

En total, ahorro unas 4-5 horas diarias.

Pero el valor real no está en un día, sino en semanas y meses continuos. Un Agente que investiga todos los días durante 30 días acumula señales, tendencias y patrones que ningún solo encuentro puede generar. He mejorado en X en frecuencia, calidad y estabilidad de publicaciones. El repositorio Awesome LLM Apps crece, y el newsletter tiene un flujo constante de investigación confiable.

Estos Agentes no hacen pensamiento original, ni cambios estratégicos radicales, ni innovaciones creativas. 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, obsérvalo una semana, corrige errores.

Segunda semana: añade memoria, ajusta. La primera versión será mediocre, es normal. Da feedback, observa cómo crece la memoria, ajusta SOUL.md. Para el final de la segunda semana, tu Agente debería producir resultados útiles.

Tercera semana: añade un segundo Agente. Ya tienes la necesidad: el Agente de investigación produce insights, pero aún escribes manualmente los tuits. Es hora de un Agente de contenido. Usa un sistema de archivos compartido: el primero escribe, el segundo lee, la coordinación es el sistema de archivos.

Cuarta semana y en adelante: construye en orden. Cuando sientas la necesidad, añade nuevos Agentes, no cuando pienses que “deberías”. 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 una contratación. No contratas seis empleados en tu primer día. Contrata uno, haz que funcione bien, y en función de la carga, añade más.

Cambio de mentalidad

Después de un mes con Agentes estables, algo cambia. Dejas de ver la IA como una herramienta que abres solo 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 y feedback, la línea entre agentes y humanos se difumina.

El modelo es la base, y cualquiera puede usar Claude, GPT o Gemini. Pero el sistema — SOUL.md, memoria, scheduling, coordinación, retroalimentación en archivos — es tuyo. Nadie tiene exactamente tu sistema, tus archivos, tu personalidad pulida.

Y ese sistema crece exponencialmente cada día.

Cada escaneo de Dwight en investigación enriquece su memoria. Cada feedback de Kelly afila sus borradores. Cada bug arreglado por Ross profundiza su entendimiento de tu código.

Eso es la verdadera ventaja competitiva. No solo el modelo, sino un sistema que aprende y se adapta.

Empieza hoy. Un Agente, una tarea, un scheduler.