Resumen
Dónde se sitúa Hippocampus en un stack de IA
Los modelos razonan, los agentes actúan y las personas deciden. Entre ellos y los documentos de una empresa está Hippocampus: sus servicios ingieren, curan y recuperan, y su wiki OKF segura guarda cada documento como Markdown cifrado tras un único conjunto de API.
Identidad y claves
Dónde vive el conocimiento
Hippocampus
Quién pregunta
Modelos a los que llama
llamadas al modelo activo AI services cualquier modelo de lenguajeDónde funciona
Hippocampus funciona en nuestra nube o en tu propio alojamiento. El producto es el mismo en ambos.
- Nube de Hippocampus
- Alojado y gestionado por nosotros en la UE. Regístrate y conecta tus herramientas de IA por MCP, o tu propio código a través de la API.
- Alojamiento propio
- Tu propia nube, tus instalaciones o cualquier otro entorno que controles. Parte del paquete Corporate.
La API y el MCP son idénticos en ambos. Solo cambia la URL base.
El alojamiento propio se configura con nosotros como parte de Corporate: habla con nosotros sobre Corporate
Arquitectura
Una memoria por capas
Una nueva función mental para los LLM: una memoria externa y por capas que la IA crea y mantiene, compartida con las personas que la usan.
Hippocampus da a la IA y a las personas una memoria compartida y bien organizada. Está construida como una enciclopedia: los documentos complejos se resumen en breves extractos con enlaces profundos al texto que representan.
La memoria es hipertexto, una competencia central de los LLM. Los LLM la crean y la mantienen como una wiki moderna, y esas mismas páginas son las que las personas consultan y comprueban.
La búsqueda parte de títulos y enlaces. Sigue un enlace hasta un resumen cuando un título importa, y abre el texto completo solo para el pasaje que la pregunta necesita, sin un modelo generativo. El modelo recibe únicamente ese pasaje, así que el contexto se mantiene pequeño por mucho que crezca el corpus.
- 1 Títulos y enlacesUna línea por documento o sección, cada una un enlace.
- 2 SummariesBreves extractos con enlaces profundos al texto.
- 3 Texto completoEl documento como Markdown, con sus páginas y rangos de bytes.
Propiedades clave
- Escala a datos enormesEl modelo recibe un contexto pequeño y relevante: solo los pasajes que importan, encontrados por la búsqueda, en lugar del corpus. El tamaño del corpus deja de ser el límite.
- Control de calidad integradoEl control de calidad forma parte de la memoria, no es un proyecto aparte, y cada resumen puede reconstruirse a partir de la fuente.
- Abierto por diseñoLas respuestas son trazables y verificables: cada una remite al pasaje, la página y el archivo original de donde procede.
- Supervisión humanaLas personas trabajan en la misma wiki que construye la IA. La consultan y la comprueban, y los casos que requieren criterio se envían a una persona: una función central, no un añadido de última hora.
- Seguridad basada en rolesEl acceso sigue roles y permisos, así que lo que alimenta una respuesta se limita a lo que la persona o el agente que pregunta puede leer.
Árbol del documento
Así es la búsqueda en un documento. Dos embudos recorren el árbol construido en la importación: uno desciende desde el resumen del índice por los resúmenes de sección que coinciden con la pregunta; el otro busca directamente en las secciones hoja con palabras clave y embeddings. Sus resultados se fusionan en una sola clasificación, sin un modelo generativo.
- Contrato de encargo del tratamiento index summary · pp. 1–14
- 1 Definitions summary · pp. 1–2
- 2 Processing summary · pp. 3–5
- 3 Medidas de seguridad summary · pp. 6–9
- 3.1 Encryption p. 7 bytes [18240, 19012) 1
- 3.2 Control de acceso p. 8 bytes [19012, 20330)
- 3.3 Incidents p. 9 bytes [20330, 21104)
- 4 Subencargados summary · pp. 10–14
- 4.1 Subencargados p. 10 bytes [26410, 27388) 2
- 1 3.1 Encryption
Alcanzado por ambos embudos: el camino por 3 Medidas de seguridad y la búsqueda en hojas. - 2 4.1 Subencargados
Solo búsqueda en hojas: el pasaje nombra al proveedor de alojamiento del encargado.
Importar
| Archivo | Qué ocurre |
|---|---|
.pdf | Reconocimiento de texto con marcadores de página, para que funcionen las páginas escaneadas. Se conserva el original. |
.docx | Se convierte a Markdown directamente, sin reconocimiento de texto. |
.md · .markdown · .txt · .text | Se leen tal cual, con marcadores de página añadidos. No hay original en PDF para estos. |
Un archivo ya importado se marca como duplicado. El progreso puede transmitirse mientras se lee el documento.
Modelos
- Modelos de respuesta
- Cualquier modelo de lenguaje. Tú eliges qué modelo responde, configurado por espacio de trabajo; en Corporate puedes usar tu propia clave de modelo. En el chat web, cada persona puede elegir el modelo por pregunta. Cambiar el modelo de respuesta no requiere reimportar.
- Embeddings
- Fijo por espacio de trabajo: cambiar el modelo de embeddings invalidaría los vectores almacenados, así que no se ofrece.
- Acceso a modelos
- Incluido en el servicio. Sin cuenta de proveedor ni clave de proveedor que configurar.
Open Knowledge Format
Cada documento se almacena como una carpeta de Markdown con front matter YAML, según la especificación del Open Knowledge Format: un resumen de todo el documento, el texto completo, el archivo original y una carpeta por sección hasta las secciones hoja. El Markdown de cualquier documento se puede leer a través de la API.
contracts/
└── data-processing-agreement/
├── index.md resumen de todo el documento
├── data-processing-agreement.md texto completo en Markdown
├── data-processing-agreement.pdf el original (no existe para subidas .md o .txt)
└── 03-security-measures/
├── index.md resumen de la sección
└── 03-01-encryption.md una sección hoja Referencia de la API
Cada endpoint, parámetro y respuesta se describe en una referencia de la API aparte.
Referencia de la API

