Memoria Episódica: El Sistema que Recuerda como una Persona
Los humanos recordamos lo importante, olvidamos lo trivial, y cuando necesitamos un dato concreto, a veces lo recuperamos y a veces no. Los agentes deberían funcionar igual. Memoria a corto, medio y largo plazo con resumen automático, priorización por relevancia y olvido trazable.
Gonzalo Monzón
7 julio, 2026 · Serie: Cognitive OS — El Sistema Completo (3/3)
TL;DR
Un LLM típico tiene ventana de contexto — pero eso no es memoria, es caché. Cuando la sesión termina, el contexto se pierde. La memoria episódica de Cadences Lab vive en PDB con estructura por timestamp, resumen, decisiones, tags y relevancia. Ciclo de vida completo: registro → resumen automático (24h) → priorización → olvido trazable (30+ días) → recuperación por rango de tiempo, tags o texto. Nunca se borra sin dejar rastro. Tercer y último artículo de la serie Cognitive OS.
La ventana de contexto no es memoria
Un LLM típico tiene una ventana de contexto de 8K a 200K tokens. Pero eso no es memoria — es caché. Cuando la sesión termina, el contexto se pierde.
Puedes usar RAG para recuperar información, pero RAG no entiende de tiempo, ni de relevancia, ni de urgencia. Te devuelve fragmentos sin orden ni prioridad.
Sin ella, un agente autónomo es un becario que empieza de cero cada mañana.
Memoria episódica estructurada
En Cadences Lab, la memoria episódica vive en PDB, con una estructura que imita cómo los humanos recordamos:
^MEM("2026-07-01", "conv_123", "resumen") = "Usuario preguntó por..."
^MEM("2026-07-01", "conv_123", "decisiones") = {"confianza": 8.5}
^MEM("2026-07-01", "conv_123", "tags") = ["cliente", "urgente"]
Cada interacción se almacena con:
⏰ Timestamp
Cuándo pasó — permite búsquedas por rango temporal
📝 Resumen
Qué pasó — generado automáticamente por Tom
🎯 Decisiones
Qué se decidió — estructura JSON con confianza y acción
🏷️ Tags
Categorías para recuperación rápida y filtrado
📊 Relevancia (0-10)
Se actualiza con cada acceso — media ponderada de frecuencia de acceso (40%), tags (30%), antigüedad (20%) y feedback del agente (10%)
El ciclo de vida del recuerdo
Registro → tras 24h → Resumen → si relevancia < 3.0 + 30 días → Archivo
Cada archivo genera un registro de auditoría. Nunca se borra sin dejar rastro.
Registro
Cada interacción se guarda con todos sus metadatos en tiempo real
Resumen automático
Si hay +5 eventos en 24h, Tom los resume a 3 líneas. Sin umbral, sería ruido
Priorización
Registros con alta relevancia (accesos frecuentes, tags importantes) se mantienen
Olvido trazable
Si relevancia < 3.0 y +30 días → se archiva. Queda registro de auditoría: cuándo, por qué, y qué contenía
Recuperación: no es RAG
Cuando Zalo necesita recordar algo, no hace una búsqueda de similaridad sobre vectores. Hace una consulta estructurada sobre datos con significado:
1. "¿Qué pasó con el proyecto X la semana pasada?"
2. → Busca en ^MEM con rango "2026-06-24 a 2026-07-01" y tag "proyecto-x"
3. → Recupera los resúmenes de las 5 conversaciones más relevantes
4. → Los inyecta en el contexto del LLM como "recuerdos recientes"
El timestamp importa. El tag importa. La relevancia importa. No es una sopa de vectores — es memoria estructurada. Y es 3× más rápida que RAG porque no necesita calcular similitud de embeddings — es una consulta directa a PDB por índice temporal + tags.
¿Y los recuerdos muy antiguos?
Cuando un registro supera los 30 días sin ser accedido, se comprime a un summary aún más breve y se mueve a almacenamiento frío. El LLM no lo ve a menos que se pida explícitamente. Pero nunca se borra del todo. Porque a veces un cliente vuelve después de meses y preguntas "¿qué acordamos?" — y Zalo puede responder basado en hechos, no en alucinaciones.
Serie: Cognitive OS — El Sistema Completo (3/3)
← Anterior
Trust System — Confianza en Capas📚 Serie completa
Vuelve al blog
Todos los artículos de la serie:
El círculo se cierra
4 series, 14 artículos, un solo Cognitive OS. Desde el protocolo binario hasta la memoria episódica. Este es el cierre — la visión completa.
Comienza por el principio: ¿Qué es LUMEN?
Cognitive OS — Serie completa. Cadences Lab © 2026. LUMEN es MIT.