El Framework Baraldi es una colección estructurada de Skills y prompts que guían a modelos de IA (Claude, GPT, Gemini y otros) a través de las fases del diseño de productos digitales de manera agéntica, funcionando como un copiloto en todo el proceso de diseño.
A diferencia de un asistente genérico, obliga a razonar, producir artefactos y aprender entre proyectos.
¿Cómo llegué a esto?
Cuando comenzó la implementación de la IA en el día a día, me encontré con un escenario familiar. En mi caso particular, como ocurre con toda nueva tecnología desde que me dedico a esto hace casi 30 años, todo es cambiante y nada es concreto. Soy de la generación que no da nada por sentado; al contrario, aprendí a no “enamorarme” de una herramienta porque mañana las cosas serán distintas.
Comencé utilizando los modelos típicos de chat web principalmente como consultores para indagar o expandir el conocimiento. El mayor problema que enfrentaba era cómo organizar y mantener una estructura relacional con cada proyecto. Lo que sucede a menudo es que saltamos entre diferentes productos, clientes y requerimientos, creando combinaciones inimaginables de posibilidades.
En ese contexto, la IA se volvía imposible como banco de conocimiento inteligente; era más bien “boba” en algunos casos. Los síntomas que por momentos se olvidaba de las cosas que hace un momento conversaste. Deliraba con temas ajenos a otros proyectos y llegaba al punto de recomendar soluciones que estaban lejos de ser óptimas.
Los hitos de la evolución
Considero que sucedieron grandes hitos que me ayudaron a sacar provecho de esta tecnología. Soy consciente de que, a medida que aprendemos a utilizarla, le exigimos más y quedan en evidencia sus carencias. Esto me recuerda mucho a cuando, de niño, llegó a casa la primera computadora: una XT286 con monitor de fósforo blanco. Entre los disquetes de 5 ¼ había un programa llamado Banner Mania, que realizaba gráficas prediseñadas a partir de un texto. ¡Hermoso! Jugaba horas con las formas, pero lo alucinante es que nunca era suficiente. Me pregunté: “¿Cómo plasmo este diseño en un tangible para que sea útil y funcional?”. La respuesta fue “imprimir” (simple pero impactante). Sin saberlo, estaba marcando mis inicios en el diseño gráfico y pensamiento en producto.
Otro hito fundamental fue la consolidación de la IA como realidad. Recuerdo que en 2016, en un espacio de Design Thinking tipo hackathon, se planteó la necesidad de automatizar y dar inteligencia a los servicios de ayuda en línea. Una de las innovaciones era un modelo de lenguaje humano para interactuar en tiempo real (problema → soluciones) con el fin de mejorar los tiempos de respuesta. En aquel entonces me voló la cabeza, pero faltaba muchísimo para verlo en acción.
Luego, la primera versión de ChatGPT se convirtió en eso que soñábamos, ¡otra empresa lo había logrado de manera fantástica! Pero tampoco era suficiente, al interactuar dejaba en evidencia fallos comunicativos básicos. Posteriormente se implementaron herramientas para agrupar proyectos por carpetas, aprendimos a manipular prompts más complejos y el lanzamiento de múltiples modelos agregó la dificultad de probar cuál era el adecuado para cada tarea.
El gran cambio, a mi criterio como usuario, fue la llegada de los agentes. Fue el punto de inflexión donde los límites dejaron de ser rígidos y pudimos soñar con más. Los avances en la capacidad de entrada de contexto LLM de datos y los nuevos protocolos como MCP (Model Context Protocol) han generado un avance vertiginoso. ¿Estamos conformes? No; cuanto más recibimos, más queremos. De escribir en un chat, ahora pasamos a desear múltiples agentes trabajando en tareas coordinadas desatendidos, colaborando entre sí y realizando el trabajo con requisitos de calidad.
Soy lo que hicieron de mí
En definitiva, ¿por qué no clonarse uno mismo? ¿Acaso no fantaseamos todos con eso en algún punto? Pero esto conlleva varias cuestiones: ¿para qué?, ¿debe ser igual o mejor que mi versión de carne y hueso?, ¿debo acaso aprender ahora qué sé hacer bien y qué no tanto?, ¿puedo decidir qué delegar y qué no? ¿Hasta qué punto la calidad esperada no se pierde?
Ante este sinfín de preguntas, decidí avanzar y probar respuestas. Así nace el Framework Baraldi: no como una copia de mí, sino como un colaborador sintético que me ayuda a pensar (divergencia) y descubrir; un amplificador de mis necesidades de entender. Por otro lado, busca compensar con tareas generativas, recursivas y lógicas realizadas bajo parámetros de calidad, liberándome para enfocarme en lo estratégico.
Para replicar este copiloto agéntico —esta dupla tipo Batman y Robin— primero tuve que entender mi propio proceso. Descubrí que no es lineal; no todo es A, B y C. Todo depende del qué, para quién, para cuándo, las limitaciones y el valor del tiempo invertido.
Cuando somos jóvenes, recurrimos a fuentes de conocimiento y referentes (Double Diamond, Design Thinking, Systems Thinking, Jobs To Be Done, Shape Up y DCU) como recetas para asegurar parámetros mínimos de calidad. Pero, como el zorro que sabe por viejo, con los años nos alejamos de los purismos y nos volvemos más intuitivos. Lo humano es saber cuándo algo “se siente” de una forma u otra. ¿Cómo plasmamos eso en el agente?
Arquitectura core del framework
La respuesta fue el aprendizaje a través de la acción. Si la IA necesita aprender, necesita recordar con orden. Los modelos metodológicos tradicionales parecen haber caducado, tiene sentido porque estos en sus flujos ni soñando algunos consideraron la IA; es momento de actualizarlos y expandirlos de forma transversal. No me sirve solo el entregable si no conozco las razones de por qué se llegó a ese lugar.
Por ejemplo, ahora cuando lanzamos un proyecto nuevo o para reanudar, el Agente busca en su memoria (local) si trabajamos antes con este proyecto, toda la base acumulada de conocimiento (contexto), como también los aprendizajes que se capitalizo en este y otros proyectos:
“Proyecto A: definimos X decisión”
“Proyecto B: la IA me recordó X”
“Resultado: evitamos repetir error / ahorramos tiempo / mantenemos consistencia”
Por ello, el framework se apoya en 5 puntos técnicos fundamentales, que lo convierten en un sistema ejecutable:
- Memoria Persistente y MCP: Utilizo el protocolo MCP para conectar la IA con una memoria persistente (inspirado en proyectos como Engram de Alan Buscaglia). Esto le otorga la capacidad de recordar y aprender bajo un modelo cognitivo natural, impactando además en el ahorro de tokens.
- Protocolo de Boot: Repliqué el modelo de mi vieja 286. Para usar el sistema, primero hay que “bootear”. El boot setea parámetros globales, restricciones y contextos básicos antes de iniciar cualquier tarea.
- Arquitectura de Skills: El sistema se organiza en Skills y etapas (como la 01_discovery y 02_system_analysis), donde cada una tiene sus propios prompts de visión, feedback y cierre.
- Runtime CLI (ejecución local): El framework incluye un CLI que permite instalarlo y ejecutarlo en tu entorno local. No es solo una colección de prompts: es un sistema operativo de diseño que vive dentro del workflow real.
- Independencia de APIs públicas (por defecto): El enfoque está pensado para funcionar con ejecución local y memoria persistente, reduciendo dependencia externa y permitiendo continuidad real entre proyectos.
Este proceso no busca suplantar la capacidad cognitiva de aprender y progresar, sino buscar un complemento que nos recuerde lo que ya sabemos y, en aquello que desconocemos, nos invite a realizar el ejercicio de entender, asistir, valorar y ser un poquito mejores cada día.
Framework Baraldi es un sistema para convertir diseño de productos digitales en un proceso ejecutable, con IA y memoria persistente de punta a punta.
En principio comenzó como un skills y conjunto de prompts, pero fue evolucionando a algo mas grande y ahora siento que hace la gran diferencial para compartirlo:
- Memoria persistente local
- Orquestacion por etapas
- Criterios de cierre
- Executive runtime CLI nativo
- Foco en Outcomes, valor y entregables
Actualmente el framework está en proceso de construcción, pero ya es funcional. Le dedico horas extra durante la semana, fuera de mis tareas habituales, para seguir completándolo y evolucionándolo. En el repositorio podés ver toda la información técnica, el historial de cambios y la estructura completa del sistema.
Probalo hoy y sentí cómo te organiza el contexto y te recuerda decisiones anteriores. Solo necesitás Node.js y tu IDE preferido.
Ejecutá en tu terminal:
npx github:leobaraldi96/fwbaraldi
Podés usarlo desde Visual Studio Code, Antigravity o Cursor.
Si lo probás, me encantaría que me compartas feedback. Y si te interesa sumarte más en serio, también podés colaborar proponiendo ideas, abriendo issues, mejorando documentación o codeando nuevas etapas y skills.
👉 Repo y documentación técnica:
https://github.com/leobaraldi96/fwbaraldi
Nos vemos por ahí.
