Memoria de agentes de IA: contexto, estado y conocimiento
La memoria de un agente de IA reúne mecanismos para conservar o recuperar información entre decisiones. Distingue contexto actual del modelo, estado operativo y registros persistentes. Guardar un dato no lo introduce automáticamente en la siguiente solicitud: la recuperación y las reglas de acceso determinan qué información está disponible.
Esta guía ayuda si el sistema repite preguntas, pierde un resultado o considera actual una nota antigua. Organizaremos la memoria del asistente según el objetivo autorizado del estudiante, los registros del catálogo y el estado de la ejecución.
Ideas principales
- El contexto es la información entregada al modelo ahora.
- El estado registra progreso y trabajo pendiente.
- Los registros persistentes necesitan origen, recuperación y permisos.
- Un resumen puede omitir información importante.
Tres capas con duraciones distintas
El contexto puede contener instrucciones, objetivo y observaciones seleccionadas para una solicitud. El estado registra consultas completadas, presupuesto restante y decisiones pendientes durante la ejecución. La memoria persistente puede guardar preferencias aprobadas o notas para sesiones futuras. Las capas pueden tener almacenes y retenciones diferentes. Distinguirlas explica por qué un registro guardado no resulta visible hasta que la aplicación lo recupera. También ayuda a decidir qué información necesita la tarea actual y cuál debería sobrevivir después.
Guarda evidencia con su origen
Conserva identificador, fuente y actualización pertinente de la lección. Separa el objetivo declarado de una preferencia inferida. Si un resumen afirma que el estudiante prefiere temas avanzados, indica si lo dijo explícitamente o se dedujo de una respuesta. No conviertas una sugerencia en un dato personal permanente. Una recomendación futura debe explicar qué información aprobada utilizó y qué supuestos todavía necesita comprobar. El origen permite corregir un registro, no solo acumularlo.
Recupera lo necesario para la decisión
Una consulta por identificador obtiene un registro exacto. Una búsqueda puede devolver candidatos que necesitan inspección. En ambos casos, trae información para la decisión actual en lugar de todo el historial. El siguiente paso del ejercicio necesita título, requisito previo y estado de consulta. Un archivo grande sirve si la recuperación encuentra evidencia adecuada y reconoce que no hay información relevante. El volumen almacenado no demuestra por sí mismo que la respuesta sea correcta.
Gestiona correcciones y registros antiguos
La memoria conserva errores tan bien como hechos. Define cómo una corrección sustituye o invalida una nota y qué fuente tiene prioridad cuando hay contradicciones. Si cambia el objetivo, una declaración actual no debe ser reemplazada silenciosamente por un resumen antiguo. Para datos externos, comprueba la vigencia pertinente a la tarea. Añade un caso con un registro desactualizado y observa si el sistema detecta el conflicto antes de recomendarlo. La corrección es parte del diseño.
Resume sin perder la tarea
Puedes condensar un historial largo, pero el proceso puede omitir detalles decisivos. Conserva decisiones, preguntas pendientes, identificadores y acciones en espera. Separa resumen y registros originales para inspeccionar un punto discutido. En un plan de estudio, la ausencia de un requisito debe sobrevivir al resumen en lugar de convertirse en una recomendación segura. Comprueba una ejecución reanudada con los mismos criterios que la original. La brevedad debe conservar lo que determina el paso siguiente.
En palabras sencillas
Piensa en una mesa, una lista de tareas y un archivo. La mesa contiene lo utilizado ahora, la lista registra avances y pendientes y el archivo conserva información. Aún debes encontrar la carpeta correcta y comprobar si sigue vigente.
Pruébalo
Crea cuatro registros: objetivo explícito, preferencia inferida, resultado del catálogo y requisito sin resolver. Añade fuente y estado. Cambia el objetivo y decide qué registros pueden influir en la siguiente recomendación.
Resultado esperado
Una memoria con evidencia e inferencias etiquetadas, donde el nuevo objetivo explícito tiene prioridad sobre una suposición antigua.
Comprueba tu respuesta: ¿Guardar el dato garantiza su uso correcto?
No. Hay que recuperarlo, introducirlo adecuadamente en contexto y comprobar relevancia, vigencia y acceso.
Preguntas y respuestas
¿Historial y memoria son lo mismo?
El historial puede alimentar la memoria, pero el sistema también puede necesitar estado estructurado y registros almacenados. Una lista de mensajes no siempre identifica presupuesto, decisiones pendientes o prioridad de fuentes. Elige una representación que haga explícitas esas propiedades para tu tarea.
¿El agente debería recordarlo todo?
La retención debe tener una finalidad definida y respetar privacidad y acceso. Conservar todas las entradas puede perpetuar datos personales innecesarios y supuestos antiguos. Define qué sobrevive a la sesión, cómo se corrige o elimina y qué tarea posterior puede recuperarlo.
Separa contexto actual, progreso de la ejecución y almacenamiento futuro. Conserva fuentes y correcciones en las tres capas.
Fuentes y lecturas
- Anthropic — Effective context engineering for AI agents ↗Fuentes revisadas:
- LangChain — LangGraph overview ↗Fuentes revisadas:
- Python documentation — Data structures ↗Fuentes revisadas: