Descripción General de la Memoria del Agente

Aprenda cómo su agente recuerda preferencias, hechos y contexto del usuario entre conversaciones.

​

Descripción General

La Memoria del Agente permite a su agente detectar, almacenar y recuperar información específica del usuario entre conversaciones. Cuando está habilitada, el agente analiza los mensajes en busca de contexto útil, lo almacena como registros de memoria e inyecta las memorias aprobadas en interacciones futuras — creando una experiencia personalizada para cada usuario.

La Memoria del Agente es útil para recordar:

• Preferencias del usuario — tono preferido, formato de respuesta o estilo de flujo de trabajo.
• Hechos estables del usuario — rol, equipo, empresa o necesidades recurrentes.
• Contexto importante — información que ayuda a personalizar interacciones futuras.

​

Cómo Funciona la Memoria del Agente

1. La memoria está habilitada para el agente

   Active Habilitar Memoria en el panel de Configuración de Memoria.

2. El agente analiza las conversaciones

   Los mensajes del usuario se analizan automáticamente en segundo plano en busca de preferencias, hechos o contexto memorables. El agente realiza una verificación de duplicados contra memorias existentes y asigna un puntuación de confianza entre 0.0 y 1.0.

3. Los candidatos se almacenan como pendientes

   Los candidatos de memoria detectados se guardan con un estado pending. Las memorias pendientes expiran después de 7 días si no se revisan.

4. Las memorias se aprueban o rechazan

   Los administradores revisan las memorias pendientes y las aprueban o rechazan a través del panel de Gestión de Memoria o mediante la API REST.

5. Las memorias aprobadas se inyectan en conversaciones futuras

   Cuando el mismo usuario interactúa con el agente nuevamente, las memorias aprobadas se recuperan, formatean por tipo y se agregan al contexto del agente automáticamente.

​

Tipos de Memoria

El agente puede capturar y almacenar tres tipos de memoria:

Tipo	Descripción	Ejemplos
Preference	Preferencias del usuario como tono, formato o estilo de flujo de trabajo.	”El usuario prefiere resúmenes en viñetas”, “El usuario gusta respuestas técnicas concisas”
Fact	Hechos estables sobre el usuario como rol, equipo o empresa.	”El usuario es CTO en StartupCorp”, “El usuario se especializa en Python y aprendizaje automático”
Context	Contexto situacional que ayuda a personalizar interacciones futuras.	”El usuario tiene una fecha límite de lanzamiento de producto el próximo mes”, “El equipo del usuario usa metodología Agile”

​

Estados de la Memoria

Estado	Descripción
pending	La memoria ha sido detectada y está esperando revisión.
approved	La memoria ha sido aprobada y se usa activamente en las respuestas del agente.
rejected	La memoria fue rechazada y no se utilizará.

​

Ciclo de Vida de la Memoria

​

Creación

1. El usuario envía un mensaje.
2. El agente analiza el mensaje en segundo plano.
3. La IA detecta información memorable y realiza una verificación de duplicados.
4. Se crea la memoria con estado pending y se asigna una puntuación de confianza.
5. Inicia un temporizador de expiración de 7 días.

​

Aprobación

1. El administrador revisa la memoria pendiente.
2. La memoria se aprueba o rechaza.
3. Si se aprueba, la memoria se activa y se inyecta en conversaciones futuras.
4. Si se rechaza, la memoria se archiva.

​

Uso

1. El usuario inicia una conversación.
2. El sistema carga las memorias aprobadas para ese usuario.
3. Las memorias se formatean por tipo y se agregan al prompt del sistema del agente.
4. El agente usa las memorias para personalizar las respuestas.

​

Expiración

• Las memorias pendientes expiran después de 7 días si no se aprueban.
• Las memorias aprobadas no expiran a menos que se eliminen manualmente.
• Las memorias pendientes expiradas se rechazan automáticamente.

​

Ejemplos

Ejemplo 1: Memoria de Preferencia

Mensaje del usuario:

“Prefiero recibir ejemplos de código en Python en lugar de pseudocódigo.”

Memoria detectada:

Campo	Valor
Tipo	preference
Contenido	”El usuario prefiere ejemplos de código Python sobre pseudocódigo.”
Confianza	0.90

Impacto futuro: El agente usará por defecto ejemplos de código Python siempre que el usuario pida código.

Ejemplo 2: Memoria de Hecho

Mensaje del usuario:

“Soy el CTO de StartupCorp y estamos construyendo una plataforma SaaS.”

Memoria detectada:

Campo	Valor
Tipo	fact
Contenido	”El usuario es CTO en StartupCorp construyendo una plataforma SaaS.”
Confianza	0.95

Impacto futuro: El agente entenderá el rol del usuario y el contexto de la empresa en todas las conversaciones futuras.

Ejemplo 3: Memoria de Contexto

Mensaje del usuario:

“Lanzamos nuestro producto el próximo mes, así que necesito todo listo rápidamente.”

Memoria detectada:

Campo	Valor
Tipo	context
Contenido	”El usuario tiene una fecha límite de lanzamiento de producto el próximo mes que requiere respuesta rápida.”
Confianza	0.85

Impacto futuro: El agente priorizará la velocidad y la urgencia en sus respuestas.