| name | agent-memory |
| version | 1.0.0 |
| description | Memory and context engines for AI agents — persistent memory across sessions, fact extraction from conversations, user profiles, hybrid RAG+memory search, temporal reasoning, contradiction handling, and automatic forgetting.
|
| author | Mastermind (autonomous discovery) |
| date | 2026-06-02T00:00:00.000Z |
| tags | ["ia","agent-memory","context","rag","persistent-memory"] |
Agent Memory — Memory Engines para Agentes IA
Visión General
Los agentes IA olvidan todo entre conversaciones. Los motores de memoria resuelven esto:
- Extracción de facts — Aprende de conversaciones, extrae hechos estructurados
- Perfiles de usuario — Contexto estable + actividad reciente, acceso ~50ms
- Búsqueda híbrida — RAG + memoria personal en una sola query
- Razonamiento temporal — Facts que cambian con el tiempo, contradicciones
- Olvido automático — Facts caducados se eliminan solos
- Conectores — Sync con Drive, Gmail, Notion, GitHub, etc.
Herramientas Conocidas
Supermemory
- URL: https://github.com/supermemoryai/supermemory
- Estrellas: ~24k | Lenguaje: TypeScript
- Benchmarks: #1 en LongMemEval, LoCoMo, ConvoMem
- Features: Memory extraction, user profiles, hybrid search, connectors (Drive, Gmail, Notion, GitHub), multi-modal extractors (PDF, OCR, video transcription, AST-aware code chunking)
- SDK: npm + pip
- Infra: Cloudflare Workers + KV + Pages
- Dashboard: https://console.supermemory.ai
import { Supermemory } from 'supermemory';
const sm = new Supermemory({ apiKey: 'key' });
const memory = await sm.extract({ messages: [...] });
const profile = await sm.getProfile('user-123');
const results = await sm.search({ query: '...', memory: true, knowledge: true });
Otras herramientas en el ecosistema
- Mem0 — Memory layer for LLM apps (Python/TS)
- Zep — Memory service for AI agents (self-hosted + cloud)
- LangChain Memory — Built-in conversation memory patterns
- Semantic Memory — Memory via vector embeddings
Patrones de Integración
Patrón 1: Memory como capa de contexto
Conversación → Memory Engine → Facts + Profile
↓
Antes de cada turno:
getProfile(user_id) → Contexto en prompt
Patrón 2: Hybrid Search (RAG + Memory)
Query → Hybrid Search → [Docs RAG] + [Personal Memory] → Combined context
Patrón 3: Connector Auto-sync
Conectores → Webhooks → Auto-sync → Memory actualizada en tiempo real
Casos de Uso para Mastermind
- Memoria persistente entre sesiones — Mastermind recuerda preferencias, historial, contexto
- Perfiles de usuario — David Antizar como usuario con facts estables
- Integración con herramientas — Notion, GitHub, Drive como fuentes de contexto
- RAG mejorado — Combinar docs del proyecto + memoria personal
Decisiones
| Criterio | Supermemory | Mem0 | Zep |
|---|
| Hosting | Cloud (Cloudflare) | Self-hosted/cloud | Self-hosted/cloud |
| SDK | npm + pip | Python + TS | Python + TS |
| Benchmarks | #1 en 3 benchmarks | — | — |
| Conectores | Drive, Gmail, Notion, GitHub, OneDrive | — | Slack, Notion, Drive |
| Multi-modal | PDF, OCR, video, code | Text | Text |
Referencias
