Memoria entre sesiones

Qué muestra esta lección

La memoria vive fuera de la ventana de contexto, en archivos de notas y datos guardados, y se recarga cuando hace falta.

La pregunta con la que abre

Cierras la sesión y el contexto desaparece. Entonces ¿cómo 'recuerda' un agente tu proyecto?

El recorrido, en palabras de la propia lección

• Cierra la pestaña. Mira los datos y luego predice qué les pasa.
• Ahora dale una memoria externa. Actívala, vuelve a abrir y prueba borrar un dato.
• La sesión 3 carga las notas, línea falsa incluida, y se las cree.
• La memoria es un arma de doble filo. Cuela una línea falsa en las notas.
• La de corto plazo vive en el window; la de largo plazo vive en archivos.
• La pestaña está cerrada y el context window se borró. Entonces, ¿cómo «recuerda» el agent tu proyecto la próxima vez?
• Tempting, but no, there's nothing to remember with.
• Close! Re-reading is exactly the fix, but only if someone wrote the facts down first. By default nobody did.
• Los datos se pierden. El modelo no tiene un almacén oculto: borra el window y la conversación nunca ocurrió. Por defecto, la siguiente sesión empieza en blanco.
• El context window (lección 6.2) es la memoria de corto plazo del agent: puede razonar libremente sobre todo lo que contiene, pero solo mientras la sesión sigue abierta.
• No tengo información sobre este proyecto. ¿Me lo puedes decir?
• Amnesia por defecto: un window nuevo en cada sesión. Nada se conserva: el agent olvidó todo tu proyecto.
• Mmm, no hay nada en mis notas sobre la fecha de los informes. ¿Cuándo se entregan?
• Los viernes. Lo cargué desde tu archivo de notas antes de empezar.
• Los datos nunca vivieron en el modelo: vivían en un archivo que el agent recarga al arrancar.
• Cuando ChatGPT dice «memoria actualizada», hizo exactamente esto: escribió un dato como estos en un archivo de memorias guardadas que recarga en cada chat nuevo.
• Entre sesiones el modelo no guarda nada. El archivo de notas vive fuera del window, así que cuando abre una sesión nueva el agent vuelve a leer ese archivo, y la memoria del proyecto sobrevive al borrado.
• Solo se guarda lo que el agent o la app escribe de forma explícita, y queda legible: un archivo de notas que puedes abrir, o una página de ajustes (ChatGPT lista ahí cada memoria guardada). Borra una línea y solo ese dato se olvida, exactamente como con el ✕ de arriba.
• Un antipatrón que debes evitar: nunca escribas secretos (contraseñas, dónde viven las claves) en notas que se pegan en cada sesión. Todo lo que lee el contexto, cualquier herramienta, cualquier persona, también los ve.
• Cargada y creída. El agent no distingue una nota verdadera de una plantada: una sola línea falsa ahora engaña a esta sesión y a todas las futuras, igual que un test debilitado en la 6.12 finge verde para siempre.
• Ahora borra la línea falsa de arriba para sanar la memoria.
• Arreglado, editando el archivo, no el modelo. Quien puede escribir en las notas escribe las creencias del agent, así que revisa lo que tu agent guarda.
• De tres formas: el dato caduca (el calendario cambió y la nota no), el agent saca una conclusión errónea y la guarda, o una página o un correo que el agent lee lo engaña para que guarde una línea: eso es prompt injection, lección E.9. Trata la memoria guardada como las minutas de una reunión: vale la pena revisarla.
• La memoria de largo plazo vive fuera del window: archivos de notas como CLAUDE.md, datos guardados, una base de datos que el agent consulta y vuelve a pegar en el window (eso es RAG, de la lección 5.2). El agent anota lo que debe durar y lo recarga cuando hace falta, de modo que una sesión nueva puede continuar donde quedó la anterior. El modelo nunca «recuerda»: lo hacen sus herramientas.
• Un chatbot de soporte olvida los datos de la cuenta de un cliente en cuanto empieza una conversación nueva. ¿Por qué, y cómo lo arreglarías?
• El context window es la memoria de corto plazo: se borra al terminar la sesión, así que un chat nuevo empieza en blanco. Dale al agent memoria de largo plazo: guarda los datos del cliente fuera del modelo (un archivo de notas o una base de datos) y vuelve a cargarlos cuando se abre cada sesión nueva.
• Dos memorias: un context window de corto plazo que se borra al terminar la sesión, y archivos de largo plazo que sobreviven y se recargan.

La idea clave

Puedes darle a un agente memoria duradera escribiéndola fuera de la ventana, no esperando que recuerde.

Qué puedes hacer después de esta lección

Puedes explicar cómo los agentes persisten memoria entre sesiones (notas/archivos/recuperación) fuera del context window.

Adónde lleva: Ya manejas las herramientas, ahora mira cómo los equipos publican y operan features de LLM en producción.

Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.