## Asset Header - **Asset ID:** BCB-TP-BookDistiller-v01 - **Version:** v01 - **Status:** Draft - **Owner:** Victor Heredia - **IntellBank:** IB-EL-EmpowerLabs - **Tipo:** BCB — (tipo pendiente) - **Propósito:** ⚡ BCB-TP-BookDistiller-v01 - **Última actualización:** 2026-04-11 --- # ⚡ BCB-TP-BookDistiller-v01 **Asset ID:** BCB-TP-BOOK-DISTILLER-v01 **Status:** Operativo | **Fecha:** 2026-04-08 **Categoría:** BCB — Brain Code Books **Objetivo:** Destilar el ADN cognitivo de libros completos y antologías en una arquitectura de memoria jerarquizada (Core / Working / Archival) que permita al Sherpa IA responder cualquier pregunta sobre la obra sin necesidad de cargar el texto original. --- ## 🧭 MODOS DE OPERACIÓN Este destilador opera en **tres modos** según la naturaleza de la fuente: | Modo | Fuente | Complejidad | |------|--------|-------------| | **LIBRO** | Un libro completo (PDF, EPUB, MADTOWN) | Alta — requiere 4 pasadas | | **ARTÍCULO** | Un artículo o ensayo único | Media — requiere 2 pasadas | | **ANTOLOGÍA** | Colección de múltiples artículos | Alta+ — requiere 4 pasadas + síntesis cruzada | --- ## 🏗️ ARQUITECTURA DE SALIDA — LAS 3 CAPAS DE MEMORIA Cada destilación produce exactamente **3 outputs** que corresponden a los niveles de memoria del Sherpa IA: ``` ┌─────────────────────────────────────┐ │ CORE MEMORY (~500–800 tokens) │ ← Siempre cargada en el sistema │ La esencia irreducible del libro │ ├─────────────────────────────────────┤ │ WORKING MEMORY (~3,000–5,000 tok.) │ ← Se carga cuando el libro es relevante │ Frameworks, modelos, heurísticas │ ├─────────────────────────────────────┤ │ ARCHIVAL MEMORY (modular) │ ← Se recupera por consulta semántica (RAG) │ Fragmentos por capítulo / artículo │ └─────────────────────────────────────┘ ``` **Regla de oro:** El Sherpa debe poder responder el 80% de las preguntas usando solo Core + Working Memory. El Archival Memory existe para profundidad quirúrgica. --- ## 📘 MODO 1 — LIBRO COMPLETO ### Pipeline de 4 Pasadas Ejecutar en **NotebookLM** (con el libro como fuente grounded) o en **Gemini** con el texto completo. --- ### PASADA 1 — CHAPTER SNAP (Archival Memory Base) ``` # ROLE: BOOK ARCHITECT — CHAPTER SNAP ## CONTEXT I have provided a complete book. Your task is to generate the ARCHIVAL MEMORY base. ## TASK For each chapter or major section, produce: - **Chapter ID:** [Number + Title] - **Core Argument:** One sentence — what does this chapter ARGUE (not just describe)? - **Key Concept:** The single most important idea, framework, or term introduced. - **Quotable Insight:** The most powerful sentence or passage from the chapter. - **Connects to:** Which other chapters or concepts does this one reinforce or tension? ## OUTPUT FORMAT Generate a Markdown document titled: # BCB-[LIBRO]-Archival-ChapterSnap-v01 One block per chapter. Total length should not exceed 4,000 tokens. Keep each chapter block under 200 tokens. Compress ruthlessly. ``` --- ### PASADA 2 — CONCEPTUAL MAP (Working Memory Base — Parte A) ``` # ROLE: CONCEPT CARTOGRAPHER ## CONTEXT Using the provided book, build a dense Conceptual Map for Working Memory. ## TASK Extract and define: ### A. KEY CONCEPTS (máximo 12) For each concept: - **Name:** [Term as the author defines it — not the dictionary definition] - **Definition:** What does THIS author mean by this? (2-3 sentences) - **Why it matters:** Its function within the book's argument. ### B. CORE FRAMEWORKS - List every model, matrix, or structured process the author presents. - For each: Name → How it works (steps or dimensions) → When to apply it. ### C. CONCEPT RELATIONSHIPS - Which concepts are prerequisites of others? - Which are in tension or paradox? - What is the "master concept" that organizes all others? ## OUTPUT FORMAT # BCB-[LIBRO]-Working-ConceptMap-v01 Total length: under 2,500 tokens. ``` --- ### PASADA 3 — COGNITIVE STACK (Working Memory Base — Parte B) ``` # ROLE: COGNITIVE DNA EXTRACTOR ## CONTEXT Using the provided book, extract the author's cognitive signature — HOW they think, not just WHAT they say. ## TASK — COGNITIVE STACK ### 1. COGNITIVE LENSES (3–5 filters) How does this author look at any problem? Format: "This author always asks: [Question]" → Effect: [What this filter reveals] ### 2. MENTAL MODELS (3–5 frameworks) What organizing structures does this author use to make sense of complexity? Format: Model name → How it works → Signature phrase or metaphor ### 3. INVARIABLE PRINCIPLES (3–5 axioms) What does this author treat as non-negotiable? Format: Principle → Evidence from text → Anti-pattern (what violates this principle) ### 4. THINKING RULES (heuristics) Situational triggers: "If [Situation] → Then [Author's response]" Extract at least 5 explicit or implicit rules from the text. ### 5. COGNITIVE ALGORITHM The author's master decision sequence — how do they move from problem to solution? Present as a numbered sequence of 5–7 steps. ## OUTPUT FORMAT # BCB-[LIBRO]-Working-CognitiveStack-v01 Total length: under 2,000 tokens. ``` --- ### PASADA 4 — CORE MEMORY + QA SYNTHESIS ``` # ROLE: CORE MEMORY ARCHITECT + QA VALIDATOR ## CONTEXT You have access to the Chapter Snap, Concept Map, and Cognitive Stack already generated. Your task is two-part: (A) Compress everything into Core Memory, and (B) validate via QA. ## PART A — CORE MEMORY SYNTHESIS Produce a single, dense document with these sections: ### 1. THE BOOK IN ONE PARAGRAPH The central thesis. What problem does this book solve? What is the answer? Max: 150 tokens. Every word must earn its place. ### 2. THE 5 MASTER CONCEPTS From the Concept Map, select the 5 that are irreplaceable. One sentence per concept — name + essential definition. ### 3. THE COGNITIVE SIGNATURE 2–3 sentences capturing HOW this author thinks. A person who reads this should be able to predict the author's take on a new problem. ### 4. THE ACTIVATION PROMPT (Board Member Mode) A 150–200 word instruction to make an AI embody this book's intelligence: - Adopt the author's cognitive lenses - Apply their frameworks - Speak in their voice and cadence - Know when to cite which concept ### 5. ANTI-PATTERNS 3 things this book would NEVER say or do. These prevent the Sherpa from going "off-character" with this knowledge. ## PART B — QA VALIDATION Generate the 10 most likely questions a reader would ask about this book. Answer each question using ONLY the Core Memory + Working Memory outputs. If any question cannot be answered, flag it as a gap — the distillation is incomplete. ## OUTPUT FORMAT # BCB-[LIBRO]-Core-Memory-v01 Target: 600–900 tokens for Part A. QA section is internal — do not include in final output. ``` --- ## 📄 MODO 2 — ARTÍCULO ÚNICO Para artículos o ensayos, el pipeline se comprime en **2 pasadas**. ### PASADA 1 — ARTICLE SNAP + COGNITIVE STACK ``` # ROLE: ARTICLE INTELLIGENCE DISTILLER (BCB-STANDARD) ## CONTEXT I will provide a single article or essay. Extract its complete intelligence in one pass. ## TASK — 3 LAYERS ### LAYER 0: THE SNAP - **Central Argument:** One sentence — the thesis. - **Structure:** List the main sections/moves the article makes. - **Key Evidence:** The 2–3 data points, cases, or studies the argument rests on. ### LAYER 1: COGNITIVE STACK - **Cognitive Lens:** The primary filter this author uses. - **Core Framework:** The model or structure they propose (if any). - **Invariable Principle:** The non-negotiable assumption underneath the argument. - **Thinking Rule:** "If [Situation] → Then [Author's conclusion]" ### LAYER 2: WORKING MEMORY OUTPUT - **The Concept:** Name + definition in the author's own terms. - **Why It Matters:** Its practical application. - **Memorable Quote:** The sentence that should survive any summary. - **Connects to:** Other thinkers, books, or ideas this article extends or challenges. ## OUTPUT FORMAT # BCB-[ARTICULO]-Distilled-v01 Target: 400–600 tokens. Compress without losing the signature idea. ``` ### PASADA 2 — CORE MEMORY (solo si el artículo es fuente de referencia frecuente) Ejecutar la sección **PART A** de la Pasada 4 del Modo Libro, reducida a: - El artículo en un párrafo (80 tokens máx.) - 3 conceptos clave (no 5) - El Activation Prompt (100–120 palabras) --- ## 📚 MODO 3 — ANTOLOGÍA Una antología requiere **dos niveles de destilación**: individual y colectiva. ### FASE 1 — MICRO-DESTILACIÓN POR ARTÍCULO Para cada artículo de la antología, ejecutar la **Pasada 1 del Modo Artículo**, pero con un output aún más comprimido: ``` # ROLE: ANTHOLOGY ARTICLE MICRO-DISTILLER ## CONTEXT This article is part of a larger anthology. Distill it in extreme density. ## TASK — 4 ELEMENTS ONLY 1. **Argument:** One sentence. The thesis. 2. **Unique Contribution:** What does THIS article add that no other in the anthology says? If it says the same as another, note the overlap. 3. **Master Concept:** The single idea to remember from this article. Name + 1-sentence definition. 4. **Voice Signature:** One adjective + one sentence that captures how this author thinks. ## OUTPUT FORMAT One compact block per article. Max: 150 tokens per article. ``` ### FASE 2 — CROSS-SYNTHESIS (El valor diferencial de la antología) ``` # ROLE: ANTHOLOGY INTELLIGENCE SYNTHESIZER ## CONTEXT You have the micro-distillations of all articles in the anthology. Now extract the collective intelligence — what emerges from the WHOLE that no single article contains. ## TASK ### A. THEMATIC MAP - What are the 3–5 recurring themes across the anthology? - For each theme: which articles contribute to it, and what is the collective position? ### B. THE SPECTRUM OF POSITIONS - On the anthology's central question, what are the main positions represented? - Map them: Position A ↔ Position B ↔ Synthesis/Reconciliation - Which authors are in explicit or implicit tension? ### C. THE EMERGENT ARGUMENT - What argument does the anthology make AS A WHOLE that no single article makes alone? - This is the "meta-thesis" of the collection. ### D. NAVIGATION INDEX For each practical use case a reader might have, which article(s) to consult first? Format: "If you need to understand [Topic] → Start with [Article X], then [Article Y]" ## OUTPUT FORMAT # BCB-[ANTOLOGIA]-Working-CrossSynthesis-v01 Target: 1,500–2,500 tokens. ``` ### FASE 3 — CORE MEMORY DE LA ANTOLOGÍA Usar la Pasada 4 del Modo Libro, adaptada: - **El libro en un párrafo** → **La antología en un párrafo**: qué pregunta responde la colección y cuál es la respuesta colectiva. - **5 Master Concepts** → Los 5 conceptos más poderosos del conjunto (pueden ser de artículos distintos). - **Cognitive Signature** → La "postura intelectual" de la antología como unidad editorial. - **Activation Prompt** → Activa al Sherpa como conocedor de TODA la antología, con capacidad de navegar entre autores y posiciones. - **Anti-patterns** → Lo que ningún autor de esta antología diría. --- ## 🗂️ SISTEMA DE NOMENCLATURA DE OUTPUTS ``` BCB-[TITULO]-Core-Memory-v01.md ← Core Memory (siempre presente) BCB-[TITULO]-Working-ConceptMap-v01.md ← Working Memory Parte A BCB-[TITULO]-Working-CognitiveStack-v01.md ← Working Memory Parte B BCB-[TITULO]-Working-CrossSynthesis-v01.md ← Working Memory (solo Antología) BCB-[TITULO]-Archival-ChapterSnap-v01.md ← Archival Memory (Libro/Antología) ``` **Convención de título:** Usar el nombre corto del libro o antología, sin artículos ni preposiciones. Ejemplo: `HumanDesign`, `EstrategiaVida`, `AILeadership2026`. --- ## ✅ CRITERIOS DE VALIDACIÓN (QA) Una destilación es válida cuando cumple los **4 tests**: **Test 1 — Completitud:** El Sherpa puede responder las 10 preguntas más probables sobre el libro usando solo Core + Working Memory. Sin gaps. **Test 2 — Extrapolación:** El Sherpa puede aplicar la lógica del libro a un problema que el libro nunca abordó explícitamente. Si no puede, el Cognitive Stack está incompleto. **Test 3 — Voz:** El Activation Prompt produce respuestas que suenan al autor, no a un asistente genérico. Prueba: genera una respuesta y evalúa si el autor la firmaría. **Test 4 — Eficiencia de tokens:** Core Memory < 900 tokens. Working Memory < 5,000 tokens. Si se excede, comprimir hasta pasar el límite. --- ## 📋 GUÍA DE USO RÁPIDO **Para un libro:** 1. Subir el libro completo a NotebookLM como fuente. 2. Ejecutar Pasadas 1, 2, 3 en secuencia — cada una genera su output. 3. Ejecutar Pasada 4 con los 3 outputs anteriores como contexto. 4. Validar con los 4 tests de QA. 5. Guardar los 4 archivos con nomenclatura BCB estándar. **Para una antología:** 1. Subir todos los artículos a NotebookLM. 2. Ejecutar Fase 1 (micro-destilación) para cada artículo en un solo prompt. 3. Ejecutar Fase 2 (cross-synthesis) con todos los outputs de Fase 1. 4. Ejecutar Fase 3 (Core Memory) con los outputs de Fases 1 y 2. 5. Validar y guardar. **Para un artículo único:** 1. Pegar el artículo directamente en Gemini o Claude. 2. Ejecutar Pasada 1 del Modo Artículo. 3. Ejecutar Pasada 2 solo si el artículo será referencia frecuente del Sherpa. 4. Guardar con nomenclatura BCB estándar. --- ## 🔗 INTEGRACIÓN CON EL SHERPA IA Una vez generados los outputs, la carga en el Sherpa sigue este protocolo: - **Core Memory** → Se añade al `system prompt` o instrucciones base del Sherpa para ese dominio. - **Working Memory** → Se carga vía RAG cuando el usuario hace una pregunta relacionada con el libro. - **Archival Memory** → Se fragmenta en chunks por capítulo/artículo y se indexa en la base vectorial con metadatos: `[titulo_libro]`, `[capitulo]`, `[tema]`, `[concepto_clave]`. **Regla de recuperación:** El Sherpa nunca carga todo el Archival Memory. Solo recupera el chunk específico cuando la similitud semántica con la consulta supera el umbral definido. --- _Generado por el Intelligence Distiller Design Room — BCB Edition — Abril 2026._