> ## Documentation Index
> Fetch the complete documentation index at: https://ai-kb.automationanywhere.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 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
Active **Habilitar Memoria** en el panel de Configuración de Memoria.
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 de memoria detectados se guardan con un estado `pending`. Las memorias pendientes expiran después de **7 días** si no se revisan.
Los administradores revisan las memorias pendientes y las aprueban o rechazan a través del panel de Gestión de Memoria o mediante la API REST.
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
**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.
**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.
**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.