Corpus Keeper: un auditor para los documentos que alimentan a la IA

Si trabajas con documentos técnicos, manuales o bases de conocimiento que luego alimentan a un modelo de lenguaje, sabes que la calidad del input define todo. Un error en un PDF, una versión desactualizada o un dato contradictorio pueden propagarse silenciosamente por las respuestas de la IA, y detectarlos a tiempo es un dolor de cabeza.

Corpus Keeper es una herramienta open source que justamente aborda eso: audita el corpus de documentos que le das a la IA, sin depender de librerías externas. Escanea tu repositorio de archivos (Markdown, texto plano, etc.) y te señala problemas como enlaces rotos, referencias huérfanas, fragmentos duplicados o inconsistencias en la estructura. No es un asistente mágico, es un espejo que te muestra dónde está el desorden.

Para el knowledge worker, esto significa menos tiempo revisando a mano y más confianza en que la IA está aprendiendo de material limpio. Además, al ser zero-dependency, lo puedes integrar en pipelines de CI/CD sin complicaciones. Si documentas APIs, escribes guías de producto o mantienes una wiki interna, esta herramienta te ahorra dolores de cabeza antes de que el contenido salga al mundo.

¿Qué significa para ti? Si tu equipo usa IA para responder preguntas basadas en documentación, prueba Corpus Keeper en tu repositorio de documentos esta semana. Clona el repo, ejecuta el auditor y revisa el reporte. Dedica una hora a limpiar los problemas que encuentre. Tu yo del futuro (y tu IA) te lo agradecerán.