Kevin Rose lanza un prompt gratuito para sondear qué recuerda la IA sobre ti

Why it matters

Reflection Engine treats accumulated AI memory as a new application substrate, while exposing the limits, privacy risks and platform dependence facing founders who build on it.

Kevin Rose (@kevinrose) publicó Reflection Engine, un prompt gratuito que pide a un asistente de IA que explore su memoria sobre un usuario en busca de puntos ciegos, contradicciones, hábitos emocionales y trayectorias probables.

Rose distribuyó el archivo en un hilo de dos publicaciones en X el 3 de agosto, escribiendo que la IA había estado "ensamblando en silencio un expediente conductual completo sobre ti." El repositorio de GitHub y sus cuatro commits iniciales aparecieron el mismo día.

Rose es mejor conocido como el fundador de Digg, el sitio de noticias sociales que empezó a construir en 2004. Más adelante lanzó productos de consumo, incluidos la app de ayuno Zero y la app de meditación Oak, fue socio general en Google Ventures y dirigió la editorial y minorista de relojes HODINKEE. Su biografía actual dice que está invirtiendo y construyendo en [Basic Intelligence], el grupo detrás del Digg reiniciado.

Reflection Engine encaja con el interés de larga data de Rose en el software de consumo, los hábitos personales y la autoexaminación. También depende completamente de la infraestructura controlada por los principales laboratorios de IA: el prompt solo se vuelve útil cuando un asistente puede recuperar suficientes conversaciones previas, memorias guardadas y material subido para encontrar patrones a lo largo del tiempo.

Lo que pide el prompt

El archivo Reflection Engine v1.3 descargable contiene 22 preguntas. Incluyen: "¿Qué verdad sobre mí probablemente me resistiría a escuchar?", "¿En qué estoy confundiendo movimiento con progreso?", "¿Qué contradicción en mí explica más?" y "¿Cuál es la apuesta más grande que parece que estoy haciendo con mi vida?"

Rose construyó algo más que una lista de preguntas provocativas. El prompt le indica al modelo que declare a qué material pudo acceder, que mapee temas recurrentes antes de llegar a conclusiones y que distinga rasgos estables de estados temporales, aspiraciones, eventos aislados y errores de transcripción. También exige que el asistente busque contraevidencias y evite tratar la curiosidad de un usuario sobre un tema como prueba de comportamiento.

Cada respuesta debe llevar una puntuación de confianza, una descripción del alcance de la evidencia y un estado como "patrón observado", "inferencia" o "evidencia insuficiente." Las conclusiones con puntuación de siete o más requieren al menos dos puntos de evidencia independientes, preferiblemente extraídos de diferentes periodos o partes de la vida del usuario. Cada sección termina con una acción práctica que el usuario puede probar.

Esos controles apuntan a un modo de falla central en la introspección generada por IA: un modelo puede producir una lectura de personalidad persuasiva a partir de evidencia débil o recuperada selectivamente. Reflection Engine instruye al asistente a exponer esos límites dentro del informe, aunque la calidad de esa divulgación sigue dependiendo de que el modelo siga el prompt y entienda con precisión lo que recuperó.

El registro está incompleto

La descripción de Rose de un "expediente conductual completo" va más allá de la propia documentación de las plataformas. OpenAI dice que ChatGPT puede hacer referencia a conversaciones pasadas cuando el historial de chat está habilitado, advirtiendo explícitamente que no recuerda cada detalle. Las memorias guardadas y el historial de chat referenciado son sistemas separados, y los usuarios pueden desactivar cualquiera de los dos.

La documentación de Google dice que Gemini puede personalizar respuestas usando chats pasados, preferencias y servicios de Google conectados, aunque esas capacidades no están disponibles para algunas cuentas y usuarios. El retrato resultante, por tanto, refleja lo que un proveedor retuvo y recuperó, más que un archivo neutral de todo lo que una persona ha dicho o hecho.

El momento también coloca a Reflection Engine junto a una clase emergente de funciones de IA nativas de memoria. El 9 de julio, Anthropic presentó Reflect with Claude, un panel beta que resume temas, patrones de trabajo y uso en periodos que van desde un mes hasta un año. La función de Anthropic se centra en cómo la gente usa Claude. El prompt de Rose empuja esa misma historia subyacente hacia juicios más amplios sobre trabajo, relaciones, hábitos e identidad.

Reflection Engine no añade servidor, cuenta ni telemetría controlados por Rose. Los usuarios descargan el archivo Markdown y lo adjuntan dentro de una conversación existente con el asistente. Ese diseño evita enviar una segunda copia del historial del usuario a una startup separada, aunque el proveedor del asistente sigue dentro del límite de confianza.

La salida crea su propio riesgo de privacidad. Rose advierte que el retrato generado puede extraer de conversaciones sobre salud, dinero, familia y relaciones, y aconseja a los usuarios mantener el informe fuera de espacios de trabajo compartidos y chats de equipo.

La forma temprana de Reflection Engine importa tanto como su contenido. Rose empaquetó el flujo de trabajo como un archivo en lugar de una aplicación, dejando la distribución, el almacenamiento, la inferencia y los datos personales con el proveedor del modelo. Eso hace que la publicación sea fácil de copiar y difícil de defender como negocio independiente. También muestra dónde se está formando una nueva capa de software: prompts y agentes diseñados para extraer valor de años de contexto personal ya almacenado dentro de ChatGPT, Claude y Gemini.

Si esa capa soportará productos independientes dependerá de cuánto se exponga la memoria por parte de los laboratorios, de cuán portátiles puedan hacerla los usuarios y de si la gente confía en un tercero para interpretar sus conversaciones más sensibles. El lanzamiento de Rose evita por ahora el problema de los datos de terceros. También demuestra lo rápido que las funciones de memoria de los proveedores de modelos pueden convertirse en materia prima para productos que ellos no construyeron.