Obsidian + IA: conectá tu vault con Claude y n8n

Integrar Obsidian con modelos IA es posible hoy mismo usando tres vías principales: el plugin LLM Wiki (que convierte tu vault en una base de conocimiento consultable), n8n como orquestador de workflows con webhooks, o Claude Code a través de MCP. Cada enfoque tiene trade-offs concretos en privacidad, costo y complejidad técnica.

Claude Code es un entorno de desarrollo integrado desarrollado por Anthropic que permite escribir, editar y ejecutar código de forma interactiva, asistido por el modelo de lenguaje Claude. Está disponible como aplicación de escritorio, herramienta CLI y extensiones IDE.

Obsidian como plataforma para vincular datos con IA

Obsidian es una aplicación de notas que guarda todo en archivos Markdown planos en tu disco. No hay base de datos propietaria, no hay lock-in, no hay servidor externo que intercepte tus notas. Eso lo convierte en la plataforma ideal para experimentos con LLMs: cualquier modelo puede leer texto plano sin adaptadores especiales.

Si alguna vez configuraste un RAG casero y te encontraste convirtiendo PDFs, parseando HTML y lidiando con encodings raros, sabés exactamente por qué Obsidian simplifica todo. Las notas ya son texto limpio. Los links internos (`[[Nota]]`) son un grafo de conocimiento que los LLMs pueden explotar directamente.

Según el foro oficial de Obsidian, la comunidad de devs e investigadores IA es de las más activas en plugins experimentales. Tiene sentido: son exactamente las personas que quieren construir sistemas de conocimiento personal potenciados por IA sin mandar sus notas a servidores de terceros.

LLM Wiki: convertir tu vault en base de conocimiento inteligente

LLM Wiki es un plugin de Obsidian, disponible en GitHub, que automatiza la generación de páginas de conocimiento dentro de tu vault. El flujo es concreto: el LLM lee tus notas, extrae conceptos, crea páginas nuevas para cada uno y las interconecta con links internos. Resultado: un wiki que se construye solo a medida que escribís.

El patrón viene de Andrej Karpathy, quien documentó su metodología de construir bases de conocimiento personales donde cada concepto que encontrás en lecturas o investigaciones genera automáticamente una entrada con su definición, contexto y links a conceptos relacionados. No es solo “guardar cosas” sino construir un grafo de conocimiento que crece solo.

El plugin tiene dos modos de operación:

• Local con Ollama: todo corre en tu máquina, sin internet, con modelos como Llama 3 o Mistral. Ideal para notas sensibles o trabajo offline. La desventaja es que la calidad del modelo es inferior a los cloud y necesitás hardware decente (mínimo 16GB RAM para modelos de 7B).
• Cloud con OpenAI o Claude: conectás tu API key y usás GPT-4o o Claude Opus 4.7. La calidad de extracción de conceptos es notablemente mejor, especialmente en temas técnicos complejos, pero cada nota procesada tiene un costo en tokens.

Lo interesante es que el plugin no reemplaza tus notas existentes: las lee como input y genera páginas nuevas en una carpeta separada (configurable). Tu vault original queda intacto.

Integrar Obsidian con modelos IA usando n8n como orquestador

n8n es una herramienta de automatización de workflows open source que puede correr self-hosted o en cloud. Tiene nodos nativos para Claude (Anthropic), OpenAI, Groq y otros proveedores de IA, lo que lo convierte en el pegamento entre tu vault y cualquier API.

El puente del lado de Obsidian es el Post Webhook Plugin: instalás el plugin en Obsidian, configurás la URL del webhook de n8n, y desde ahí podés enviar el texto seleccionado (o el contenido de la nota activa) directamente al workflow. El flujo básico funciona así:

Relacionado: introducción a Claude y sus usos

• Seleccionás texto en una nota de Obsidian (o disparás el comando manual)
• Post Webhook Plugin hace un POST a tu n8n con el contenido
• n8n recibe el payload, construye el prompt y llama a la API del modelo elegido
• La respuesta vuelve a Obsidian y se inserta en la nota, o en una nota nueva

Según la comunidad de n8n, uno de los usos más frecuentes es conectar notas de aprendizaje con un modelo que explica, expande o genera ejercicios basados en lo que estás estudiando. Subís una nota con conceptos de Kubernetes, n8n la manda a Claude, y la respuesta que vuelve tiene ejemplos adaptados a tu nivel.

Un ejemplo publicado en n8n.io combina Obsidian con Airtable: el workflow lee datos de una base en Airtable vía AI, genera un resumen y lo vuelca como nota en Obsidian. Sirve para equipos que tienen datos estructurados en una herramienta y quieren análisis narrativos en otra.

Tres enfoques para conectar Obsidian con LLMs: comparativa práctica

Enfoque	Configuración	Privacidad	Costo	Calidad IA	Ideal para
n8n + webhooks	Media (instalar n8n, configurar nodos)	Media (datos viajan a API cloud)	USD 0-20/mes (n8n self-hosted gratis)	Alta (usás cualquier modelo)	Workflows complejos, múltiples pasos, integración con otras apps
Claude Code vía MCP	Baja (MCP nativo en Claude Code)	Media (igual que Claude API)	Plan Claude Pro o API (USD 20/mes o por token)	Muy alta (acceso directo a Claude Opus/Sonnet)	Devs que ya usan Claude Code, integración nativa
LLM Wiki local (Ollama)	Media (instalar Ollama + modelo)	Total (nada sale de tu máquina)	USD 0 (solo hardware)	Media (limitada por modelo local)	Notas sensibles, trabajo offline, máxima privacidad

La elección depende de tu caso de uso. Si tu vault tiene información confidencial (notas de clientes, código propietario, registros médicos), el enfoque local con Ollama es el único razonable. Si necesitás integrar Obsidian con otras herramientas (CRM, Airtable, Slack, email), n8n gana por paliza. Si ya usás Claude Code en tu workflow de desarrollo y querés integración fluida, el camino MCP es el más directo.

Eso sí: los tres enfoques son complementarios. Muchos setups avanzados usan LLM Wiki para construir el grafo de conocimiento base (con Ollama para privacidad) y n8n para los workflows de procesamiento más pesados que sí pueden ir a cloud.

Casos de uso reales: qué podés automatizar

Ponele que tenés 500 notas “fleeting” (ideas sueltas, citas de libros, fragmentos de artículos) acumuladas en tu vault sin categorizar. Un workflow de n8n puede leerlas de a lotes, pedirle a Claude que las clasifique según tu taxonomía personal y moverlas a las carpetas correctas. Lo que te tomaría dos semanas de domingo, el workflow lo hace en una hora (y sin quejarse).

Otros casos documentados por la comunidad:

• Extracción de insights de artículos: pegás el texto de un paper o artículo en una nota, un workflow detecta el pegado nuevo y le pide al LLM las 5 ideas principales + su relación con notas existentes del vault.
• Vinculación semántica automática: el modelo lee una nota nueva y sugiere qué notas existentes deberían estar linkeadas, algo que Obsidian nativo no hace con semántica real sino solo por keywords exactos.
• RAG sobre documentos: indexás PDFs técnicos o manuales, los chunkiás y creás un sistema de consulta donde le preguntás a tu vault como si fuera un experto en el dominio.
• Resúmenes automáticos de reuniones: transcripción (vía Whisper u otro) a Obsidian, workflow de n8n genera resumen estructurado con decisiones y próximos pasos.
• Sincronización con bases de datos externas: workflows que toman datos de Airtable, los convierten en notas Obsidian enriquecidas con análisis IA, y mantienen la sincronización bidireccional.

Paso a paso: tu primer workflow Obsidian + n8n + Claude

Este es el setup mínimo viable para que Obsidian le mande texto a Claude y reciba la respuesta de vuelta:

1. Instalar n8n: la opción más rápida es `npx n8n` si tenés Node.js instalado. Para uso continuo, mejor instalar como servicio o usar n8n Cloud (tiene plan gratuito con límite de 5 workflows activos). Si vas a self-hostearlo en producción y necesitás un servidor, donweb.com tiene VPS con buena latencia para Argentina.

2. Crear el webhook en n8n: añadí un nodo “Webhook” como trigger, modo POST, y copiá la URL que genera. Va a ser algo como `http://tu-servidor:5678/webhook/abc123`.

3. Instalar Post Webhook Plugin en Obsidian: buscalo en la tienda de plugins de Obsidian (Settings > Community Plugins). Configurá la URL del webhook, el método POST y opcionalmente qué datos enviar (texto seleccionado, nota completa, frontmatter). Te puede servir nuestra cobertura de elegir entre Sonnet y Opus.

4. Configurar el nodo de Claude en n8n: añadí un nodo “Anthropic Chat Model” (o HTTP Request si preferís control manual), ingresá tu API key de Anthropic, y escribí el prompt del sistema. Ejemplo: “Sos un asistente que analiza notas de Obsidian y extrae los 3 conceptos clave con una breve definición cada uno.”

5. Devolver la respuesta a Obsidian: acá hay dos opciones. La más simple es que n8n escriba directamente en el vault via acceso al sistema de archivos (si n8n corre en la misma máquina). La alternativa es usar el plugin Dataview o un segundo webhook que Obsidian esté escuchando.

El error más frecuente en este paso es olvidarse de que n8n en cloud no puede escribir en tu disco local. Si n8n no está en la misma máquina que Obsidian, la respuesta tiene que volver por otro canal: un segundo webhook, una API, o un archivo en una carpeta sincronizada (iCloud, Dropbox).

Privacidad, costo y consideraciones técnicas

Los trade-offs son reales y vale la pena pensarlos antes de armar el setup.

Costo de APIs: Claude Sonnet 4.6 cuesta aproximadamente USD 3 por millón de tokens de input y USD 15 por millón de output (precios de mayo 2026). Para un vault de 1000 notas con procesamiento inicial, podés gastar entre USD 2 y USD 15 dependiendo del largo promedio de las notas. Para uso continuo (solo notas nuevas), el costo diario es marginal. Groq con Llama 3.3 70B es una alternativa más barata (USD 0.59 por millón de tokens) para tareas que no requieren el nivel de razonamiento de Claude.

Privacidad: cualquier nota que mandés a una API cloud queda en los servidores del proveedor por el tiempo que defina su política de privacidad. Anthropic dice que no usa datos de API para entrenamiento, pero eso no significa que no los almacene temporalmente. Si tus notas tienen información sensible, usá el enfoque local con Ollama o asegurate de anonimizar antes de enviar.

¿Cuánto contexto podés mandar de una vez? Claude Opus 4.7 tiene 200K tokens de contexto, lo que equivale a unas 150.000 palabras o aproximadamente 500-800 notas de Obsidian de largo medio. Para vaults grandes, igual necesitás RAG: indexar por embeddings y recuperar solo los fragmentos relevantes antes de llamar al modelo. Cubrimos ese tema en detalle en capacidades y API de Opus.

Latencia: esperate 2-5 segundos para Claude Sonnet en respuestas cortas, 10-30 segundos para generación larga. No es ideal para algo que querés que ocurra “en tiempo real” mientras escribís. Para ese caso, mejor triggers manuales (botón en Obsidian) en vez de automáticos.

Qué está confirmado / Qué no

• Confirmado: LLM Wiki plugin existe y funciona con Ollama y OpenAI API según documentación en GitHub (repositorio activo, último commit en 2026).
• Confirmado: n8n tiene nodos nativos para Anthropic Claude, OpenAI, y Groq, con workflows publicados en n8n.io que combinan Obsidian con IA.
• Confirmado: Claude Code soporta integración con Obsidian via MCP según documentación en Medium.
• Pendiente de verificación independiente: el claim de que LLM Wiki puede indexar vaults de más de 10.000 notas sin degradación de performance. Los reportes de la comunidad son mixtos para vaults muy grandes.
• Pendiente: integración oficial entre Obsidian y Claude Code como plugin nativo de Obsidian (hay propuestas en el foro pero nada oficial al momento).

Errores comunes al integrar Obsidian con IA

Error 1: Indexar todo el vault de una sola llamada al LLM. Funciona con vaults chicos (menos de 50 notas). Con 500 notas empezás a ver errores de contexto o respuestas degradadas porque el modelo no puede mantener coherencia sobre tanto texto. La solución es implementar RAG: generás embeddings de cada nota, los almacenás en una base vectorial (incluso local con Chroma o Qdrant), y recuperás solo los fragmentos relevantes para cada consulta.

Error 2: No separar el espacio de notas generadas por IA del vault original. Si el LLM escribe notas directamente en la misma carpeta que tus notas personales, en dos semanas no sabés qué escribiste vos y qué generó el modelo. Configurá siempre una carpeta separada (ej: `_llm-generated/` o `wiki/`) para el output de IA, y usá frontmatter con `source: llm` para distinguirlo.

Error 3: Usar el vault completo como prompt de sistema. Muchos setups ingenuos mandan todas las notas como contexto en cada llamada, pagando tokens innecesarios y degradando la calidad de respuesta. El modelo se “distrae” con información irrelevante. Seleccioná contexto relevante para cada consulta específica, no dumps masivos.

Error 4: No versionar el vault antes de que la IA escriba en él. Un workflow mal configurado puede sobrescribir o duplicar notas. Git para el vault de Obsidian es trivial de configurar (es texto plano) y te salva de catástrofes. Si no querés Git, al menos un backup diario automatizado antes de correr cualquier workflow de escritura.

Preguntas Frecuentes

¿Cómo conecto Obsidian con un modelo de IA como Claude o GPT?

Hay tres caminos principales. El más flexible es usar n8n como intermediario: instalás el Post Webhook Plugin en Obsidian, configurás un webhook en n8n, y n8n llama a la API de Claude o GPT con el texto que le mandás. Alternativa directa: Claude Code tiene integración MCP que permite leer y escribir en un vault de Obsidian sin intermediarios. Para máxima privacidad, LLM Wiki con Ollama corre todo localmente sin enviar datos a servidores externos. Ya lo cubrimos antes en integrar con bases de código grandes.

¿Qué es LLM Wiki en Obsidian y cómo funciona?

LLM Wiki es un plugin de Obsidian que lee las notas de tu vault, extrae conceptos usando un modelo de lenguaje (local con Ollama o cloud con OpenAI/Claude), y genera automáticamente páginas de wiki para cada concepto con sus definiciones y links a otros conceptos relacionados. Siguiendo el patrón de Andrej Karpathy de bases de conocimiento personales, transforma un vault de notas desconectadas en un grafo de conocimiento interconectado. El código está disponible en GitHub bajo el repositorio obsidian-llm-wiki-local.

¿Puedo usar n8n para automatizar mi Obsidian con inteligencia artificial?

Sí, y hay workflows publicados en n8n.io que lo demuestran con casos concretos, incluyendo uno que combina Obsidian con Airtable vía IA. El setup requiere instalar n8n (puede ser self-hosted gratis o cloud con plan gratuito), configurar el Post Webhook Plugin en Obsidian para enviar texto a n8n, y luego n8n usa sus nodos nativos de Anthropic, OpenAI o Groq para procesar el contenido y devolver la respuesta.

¿Cuál es la diferencia entre conectar Obsidian con n8n versus Claude Code?

n8n es un orquestador de workflows que conecta múltiples sistemas: podés encadenar Obsidian con Airtable, Slack, email y docenas de otras apps en el mismo flujo. Claude Code vía MCP es una integración directa entre el vault de Obsidian y Claude, sin intermediarios, con acceso de lectura/escritura nativo. n8n es mejor para workflows complejos con múltiples pasos y herramientas. Claude Code MCP es mejor para interacción directa con el vault desde el entorno de desarrollo, sin necesidad de configurar infraestructura adicional.

¿Cómo hacer que mis notas en Obsidian respondan preguntas automáticamente?

Para un sistema de Q&A sobre tu vault necesitás implementar RAG: generar embeddings de las notas (con OpenAI Embeddings, sentence-transformers local, o similar), almacenarlos en una base vectorial (Chroma, Qdrant, o incluso un JSON simple para vaults chicos), y cuando llega una pregunta, recuperar las notas más relevantes por similitud semántica antes de pasarlas al LLM. El plugin obsidian-wiki en GitHub tiene una implementación de referencia. Sin RAG, mandar todo el vault como contexto funciona solo para vaults pequeños (menos de 100 notas de largo medio).

Conclusión

La combinación de Obsidian, n8n y modelos LLM cierra una brecha real: tenés una herramienta de notas excelente, tenés APIs de IA potentes, pero conectarlas requería saber programar o resignarse a soluciones propietarias. LLM Wiki y los workflows de n8n cambian eso en 2026 haciendo que la integración esté al alcance de cualquiera que pueda seguir una documentación.

El camino que recomendaría depende de dónde estás parado: si sos dev y ya usás Claude Code, arrancá por el MCP, es el setup más limpio. Si querés automatizaciones que van más allá de Obsidian (sincronizar con otras herramientas, disparar flujos por eventos externos), n8n vale el tiempo de configuración. Si tenés notas sensibles y no querés que salgan de tu máquina, LLM Wiki con Ollama es la única opción responsable.

Lo que sí está claro es que indexar tu vault de Obsidian y consultarlo como una base de conocimiento inteligente ya no es un experimento de nicho. Es una práctica establecida con herramientas estables y comunidades activas que la documentan.

Fuentes

• Foro Obsidian – Plugin LLM Wiki: vault como base de conocimiento privada
• GitHub – obsidian-llm-wiki-local: repositorio del plugin
• Comunidad n8n – Cómo conectar Obsidian con n8n para aprendizaje
• n8n.io – Workflow: Obtener datos de Airtable via IA y notas de Obsidian
• Medium – Convirtiendo Obsidian en un sistema de conocimiento nativo con Claude Code