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
La memoria está habilitada para el agente
Active Habilitar Memoria en el panel de Configuración de Memoria.
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.
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.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.
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
- El usuario envía un mensaje.
- El agente analiza el mensaje en segundo plano.
- La IA detecta información memorable y realiza una verificación de duplicados.
- Se crea la memoria con estado
pendingy se asigna una puntuación de confianza. - Inicia un temporizador de expiración de 7 días.
Aprobación
- El administrador revisa la memoria pendiente.
- La memoria se aprueba o rechaza.
- Si se aprueba, la memoria se activa y se inyecta en conversaciones futuras.
- Si se rechaza, la memoria se archiva.
Uso
- El usuario inicia una conversación.
- El sistema carga las memorias aprobadas para ese usuario.
- Las memorias se formatean por tipo y se agregan al prompt del sistema del agente.
- 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
Ejemplo 1: Memoria de Preferencia
Mensaje del usuario:
Impacto futuro: El agente usará por defecto ejemplos de código Python siempre que el usuario pida código.
“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 |
Ejemplo 2: Memoria de Hecho
Ejemplo 2: Memoria de Hecho
Mensaje del usuario:
Impacto futuro: El agente entenderá el rol del usuario y el contexto de la empresa en todas las conversaciones futuras.
“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 |
Ejemplo 3: Memoria de Contexto
Ejemplo 3: Memoria de Contexto
Mensaje del usuario:
Impacto futuro: El agente priorizará la velocidad y la urgencia en sus respuestas.
“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 |