agent-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 ```typescript // Extract memory from conversation 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 1. **Memoria persistente entre sesiones** — Mastermind recuerda preferencias, historial, contexto 2. **Perfiles de usuario** — David Antizar como usuario con facts estables 3. **Integración con herramientas** — Notion, GitHub, Drive como fuentes de contexto 4. **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 - [Supermemory docs](https://supermemory.ai/docs) - [Supermemory quickstart](https://supermemory.ai/docs/quickstart) - [Supermemory Discord](https://supermemory.link/discord) - [LongMemEval benchmark](https://github.com/xiaowu0162/LongMemEval) - [LoCoMo benchmark](https://github.com/snap-research/locomo) - [ConvoMem benchmark](https://github.com/Salesforce/ConvoMem)