Sediment Palace: memoria local para agentes de AI con un modelo de capas geológicas

Los agentes de IA en 2025 han alcanzado alturas impresionantes: escriben código, analizan documentos, conducen negociaciones y gestionan herramientas. Pero la mayoría de ellos tiene una debilidad fundamental — la memoria. O mejor dicho, su ausencia entre sesiones, o formas extremadamente rudimentarias de organizarla.

Un desarrollador que publicó material en Habr tomó dos conceptos existentes y los combinó en algo nuevo — el sistema Sediment Palace. La esencia del modelo radica en una analogía con la geología: la memoria se organiza no como una lista plana de registros ni como un espacio vectorial, sino como una estructura estratificada donde los datos literalmente se "sedimentan" con el tiempo. La información fresca — eventos de los últimos minutos u horas — está en la capa superior.

Es accesible rápidamente, ocupa mucho espacio y no está comprimida. Conforme pasa el tiempo, los registros se hunden más profundo: se comprimen, se agregan, pierden detalles pero preservan la esencia. Las capas más antiguas son como fósiles: accesibles, pero en forma muy comprimida, y se recurre a ellas raramente.

Esta es una analogía directa con el funcionamiento de la memoria humana. Recordamos claramente qué comimos en el desayuno hoy, vagamente qué sucedió hace un mes, y conservamos solo "imágenes" comprimidas de eventos de hace muchos años. El cerebro hace exactamente lo que Sediment Palace intenta reproducir en software: la compresión automática de la experiencia antigua mientras preserva sus patrones clave.

A diferencia de los enfoques clásicos — sistemas RAG en bases de datos vectoriales o ventanas de contexto simples — el modelo de sedimentación funciona localmente y de manera determinista. No hay necesidad de APIs de bases de datos externas, no hay búsqueda probabilística por incrustaciones, no hay dependencia del tamaño de la ventana de contexto del modelo. El propio agente gestiona qué recuerda y en qué forma.

El autor reconoce: la idea no es totalmente original. Tomó dos enfoques externos — el concepto de memoria jerárquica y la metáfora de capas geológicas — y los combinó en una arquitectura funcional. Este reconocimiento honesto es lo que hace valiosa la publicación: en el campo de las herramientas de IA ahora hay una enorme cantidad de trabajos que reinventan la rueda sin citar a los predecesores. Aquí — es lo opuesto.

La aplicabilidad práctica del sistema es particularmente evidente en escenarios con agentes de larga vida: asistentes personales, investigadores automatizados, agentes de monitoreo. Para tareas donde una sesión dura no minutos sino días o semanas, Sediment Palace ofrece un compromiso entre la completitud del historial y el costo de su almacenamiento.

Una pregunta importante surge al familiarizarse con el concepto: ¿cómo decide el agente exactamente qué comprimir y qué descartar al hacer transiciones entre capas? Esta es la frontera donde la elegancia arquitectónica choca con dificultades prácticas. Cualquier heurística de "importancia" es inevitablemente subjetiva — y aquí radica el principal desafío para tales sistemas.

Sin embargo, el simple hecho de la aparición de tales proyectos es revelador. La comunidad de desarrolladores está cada vez más comprometida no con la potencia de los modelos, sino con la infraestructura que los rodea. Memoria, herramientas, orquestación — esta es la próxima frontera. Sediment Palace es uno de los experimentos en esta frontera, digno de atención.