Cómo Memori crea memoria persistente para agentes y LLM multisesión

Memori es un framework para crear memoria nativa de agente en aplicaciones LLM. Resuelve un problema que los modelos de lenguaje arrastran desde el primer día: no recuerdan nada fuera de la conversación actual. Memori añade una capa de memoria entre la aplicación y el modelo, de modo que los agentes pueden retener el historial, el contexto y las preferencias del usuario.

Por qué no bastan los LLM convencionales

Las aplicaciones LLM convencionales funcionan dentro de la sesión actual: cada nueva solicitud parte de una hoja en blanco. El usuario puede repetirse diez veces y el modelo tratará cada vez la información como nueva. Para chatbots, asistentes personales y sistemas corporativos, es un problema crítico.

Memori lo cambia con una capa de memoria persistente. Ahora el agente puede recordar no solo la conversación actual, sino también todas las interacciones pasadas, los datos aprendidos sobre el usuario y sus preferencias.

Cómo funciona Memori

Memori actúa como proxy entre la aplicación y la API de OpenAI. Se envuelve el cliente estándar de OpenAI con Memori y cada llamada al modelo pasa por la capa de memoria. El framework funciona tanto con clientes síncronos como asíncronos, algo importante para sistemas de producción que procesan muchas solicitudes.

La integración en Google Colab requiere solo tres pasos:

• Instalar Memori desde PyPI
• Inicializar el cliente de Memori con los parámetros de almacenamiento
• Sustituir el cliente normal de OpenAI por la versión envuelta con Memori

No hay que cambiar nada más en el código; el resto ocurre automáticamente.

Agentes multiusuario

Memori admite escenarios en los que un mismo agente trabaja con muchos usuarios a la vez. Cada usuario obtiene su propia memoria y su propio contexto. Es crucial en producción: los asistentes personales deben recordar el historial de cada usuario, los chatbots B2B deben distinguir a los clientes y los sistemas corporativos de soporte deben llevar un expediente aparte para cada uno.

«La memoria a largo plazo no es una función, es la base para producción», afirman los autores de

Memori.

Qué significa

Las aplicaciones LLM dejan de ser stateless. Según la fuente, esto supone una revolución para la experiencia de usuario: los bots serán más útiles, aprenderán de tus hábitos y recordarán las decisiones que ya tomaste. No tendrás que repetirte.

Para los desarrolladores, Memori ahorra meses de trabajo: no hace falta escribir un sistema de memoria propio, la integración con el almacenamiento ni el mecanismo para olvidar y actualizar el contexto.