Docs - Visibilidad de la memoria
Ve lo que recuerda tu agente
En WukongDojo no solo escribes el prompt — gestionas la memoria. Cada hecho, compromiso y trayectoria que ha aprendido tu agente es visible, editable y anotable. Además puedes ver exactamente qué recuerdos se inyectaron en el contexto del LLM en cada turno.
1. Por qué esto es un logro mundial
En ChatGPT, Claude, Gemini, Coze, Dify — la memoria a largo plazo del agente es una caja negra. Escribes el prompt y el agente recuerda cosas, olvida cosas y responde de maneras que no puedes rastrear. Cuando el agente dice algo incorrecto, no tienes ni idea de por qué.
WukongDojo es la primera plataforma de agentes en abrir la capa de memoria directamente al Builder:
- Visible — cada hecho, compromiso y trayectoria está en pantalla.
- Editable — ¿el LLM lo extrajo mal? Corrígelo. ¿No debería haberlo recordado? Elimínalo.
- Anotable — deja una nota bajo cualquier respuesta del agente: "la próxima vez, pregunta el presupuesto primero."
- Trazable — en cada turno, ve qué recuerdos se enviaron al modelo y de dónde se extrajo cada uno.
Esto no es una mejora de un ChatBot. Es el punto donde la IA conversacional empieza a convertirse en un ser digital.
2. Tres módulos — el panorama completo
| Módulo | Pregunta que responde | Dónde mirarlo |
|---|---|---|
| De dónde vino la memoria | ¿Qué conversación la extrajo? ¿En qué turno? ¿La escribió el LLM o tú? | Sección Session Memory, Memory Snapshot Card, enlace "Learned [date]" en Latest Memory |
| Cómo se usó la memoria | En este turno exacto, ¿qué recuerdos se colocaron en la ventana de contexto? ¿Cómo se comprimió el resumen de sesión? | Popup Memory At Turn (clic en el botón 🧠 N facts · M commitments de cualquier turno) |
| Qué puedes hacer tú, el Builder | Editar, eliminar o anotar. Tus cambios se aplican directamente en el siguiente turno. | Cajón Latest Memory (editar/eliminar), Memory Snapshot Card (añadir un hecho), Builder Message Memory (nota por mensaje) |
3. Cómo entrar
Builder Dashboard → elige un agente → lista de usuarios → elige un usuario final → Conversation Memory View. Forma de URL: /agents/{agentId}/conversations/{userId}/memory. En la parte superior ves el nombre del agente, el correo del usuario final, el recuento de sesiones y los ingresos totales. Debajo: cuatro pestañas de nivel de memoria plegables y la línea de tiempo del transcript en orden cronológico.
4. Cuatro niveles de memoria (las pestañas superiores)
La memoria no es un solo cubo. Se divide por ciclo de vida en cuatro niveles — cada uno con su propio color, icono y propósito.
🧠 Latest Memory — lo que el agente tiene en mente ahora
El punto de entrada más habitual. Abre un cajón con dos mitades.
Memoria de corto plazo (0-6 meses) — listada como Hechos y Compromisos. Cada fila de hecho muestra el texto, una marca de tiempo Learned 2026-05-28 (clicable — salta al mensaje exacto que lo produjo) y los botones Editar / Eliminar. Cada fila de compromiso lleva una píldora de estado (OPEN / DONE / ABANDONED), el cuerpo del compromiso y la fecha comprometida.
Memoria de largo plazo (6 meses+) — prosa comprimida más Trajectory. Los patrones a largo plazo son párrafos de solo lectura. Trajectory es un área de texto editable de varias líneas: es la comprensión narrativa del agente sobre quién está llegando a ser este usuario, y puedes reescribirla.
Poderes del Builder aquí: editar o eliminar hechos; reescribir la trayectoria.
💾 Session Memory — lo que comprimió una conversación
Cuando una conversación supera la ventana de contexto, se activa la compactación a nivel de sesión. Esta pestaña muestra el resultado estructurado.
Subgrupos: Open Threads (descripción, próxima acción, bloqueado por, prioridad), User Profile (domain literacy, interaction style, proyecto inferido, objetivos declarados, notable insights), Facts, Key Events (T5, resumen, resultado) y un Prose Summary.
Solo lectura. Te dice lo que el agente vio en esta única conversación.
🔮 Short-Term Memory — el retrato de usuario entre sesiones
Tier 2. Se inyecta en el Block 0 del system prompt al inicio de cada nueva conversación.
Cada fila incluye: un punto de confianza (verde = confirmado, ámbar = inferido), el contenido, una píldora de estado (active / stale / resolved / contradicted / archived), etiqueta de confianza, última vez visto (today / yesterday / Nd ago), caducidad (no expiry / expires in Nd / expired), etiqueta de tipo de agente, etiquetas personalizadas y la evidencia (cursiva) si existe. Agrupado por tipo: Fact ◆ / Commitment ◉ / Trajectory ⟶, cada grupo con recuentos activo vs inactivo.
Solo lectura aquí — para editar, vuelve a Latest Memory.
🌐 Long-Term Memory — el retrato permanente
Tier 2.5. Cosechado semanalmente de las filas de corto plazo obsoletas. Historial comprimido de más de seis meses.
Cada entrada muestra: estado (Active / Superseded), versión + número de cosechas, el resumen en prosa entre comillas en cursiva, etiquetas (píldoras cian), número de filas de origen ("sourced from N short-term rows") y fecha de primera creación. La versión Active actual queda arriba; las versiones anteriores se colapsan debajo.
Solo lectura. Es el retrato a largo plazo del usuario que tiene tu agente.
5. Traza por turno — cómo se usó la memoria en cada turno
Esta es la parte más distintiva de la UI de memoria. Ninguna plataforma competidora hace esto hoy.
En la línea de tiempo del transcript, cada par (mensaje de usuario + respuesta del agente) tiene un botón azul en la parte superior: 🧠 5 facts · 2 commitments ⌄. Haz clic. Se abre el popup Memory At Turn. El título dice "Memory sent at this turn"; el subtítulo muestra el índice de turno y la marca de tiempo.
| Sección | Qué muestra |
|---|---|
| Session Summaries | El resumen de cada sesión anterior más la vista previa de compactación L5 (compresión dentro de la sesión) |
| Facts | Los hechos listados en manifest.l3.pinnedFactIds — los exactos que se colocaron en la ventana de contexto |
Este es el corazón de la traza completa:no estás viendo "lo que el agente probablemente recordó." Estás viendo el fragmento real de la ventana de contexto que recibió el modelo en esa llamada al LLM. El manifiesto se lee directamente del runtime — no es una reconstrucción a posteriori.
Solo lectura aquí. Para cambiar un hecho, vuelve a Latest Memory.
- "¿Por qué el agente dijo de repente algo incorrecto?" — ahora puedes ver el contexto que recibió.
- "¿Por qué no usó la preferencia que el usuario mencionó antes?" — el ranking de recuperación es visible.
- "¿Qué descartó la compactación de sesión?" — la vista previa L5 muestra la forma comprimida.
6. De dónde vino cada recuerdo (procedencia)
Memory Snapshot Card. En cada límite de sesión de la línea de tiempo del transcript verás una tarjeta "Memory after Session N" con un subtítulo "Post-processed [date]" (o "Not post-processed yet"). Se divide en Hechos (con insignia NEW para los producidos en esa sesión, más Editar / Eliminar por fila), Compromisos (píldora de estado, los abiertos se pueden eliminar directamente) y Trajectory (con insignia NEW si se actualizó en esta sesión, más botón Editar). Al final: un botón + Add fact — el punto de entrada para Builders que quieren añadir un hecho a mano.
builder_authored (distinto de llm_generated y builder_edited). La recuperación aplica reglas más estrictas para prevenir patrones de inyección de prompt. La política completa está en el documento interno trust-and-injection de la plataforma.Enlaces de salto "Learned [date]". Cada hecho de corto plazo en el cajón Latest Memory lleva un enlace Learned 2026-05-28. Haz clic — el transcript se desplaza al mensaje original y lo resalta.
Esto te da la traza de extremo a extremo: hecho → el turno que lo produjo → cada turno donde se inyectó después. Los tres tramos son visibles.
7. Tres acciones de intervención
La memoria no es decoración. Es una entrada al comportamiento de tu agente. Hay tres formas de intervenir.
Editar — corregir un hecho que el LLM extrajo mal
Editar está disponible en cada fila de hecho del cajón Latest Memory y en Memory Snapshot Card. Haz clic en Editar, escribe en el área de texto inline, guarda.
Qué ocurre por debajo: la procedencia cambia de llm_generated a builder_edited. En la siguiente recuperación, este hecho tiene mayor rango (la confirmación humana supera a la extracción del LLM).
Eliminar — borrar un recuerdo que no debería existir
Los mismos puntos de entrada. Casos de uso habituales:
- El usuario dijo algo de pasada y el agente lo tomó como hecho.
- Contenido sensible a la privacidad (teléfono, dirección) se extrajo accidentalmente.
- Conocimiento desactualizado de una versión anterior del prompt que persiste.
La eliminación es suave: se retira de la recuperación, pero la línea de tiempo histórica se conserva (para que las trazas de auditoría sigan resolviéndose).
Nota — anotar una respuesta del agente
Debajo de cada respuesta del agente hay un botón colapsado + Add memory. Ábrelo, escribe tu nota, guarda. La nota quedará bajo esa respuesta como 📝 1 memory.
Las notas tienen tres destinatarios:
- Para ti mismo — la próxima vez que revises, recordarás lo que estabas pensando.
- Para la plataforma WukongDojo — tus notas son una señal que alimenta cómo mejoramos el motor de memoria.
- Para el módulo Training que se lanzará — son datos etiquetados por el Builder; el futuro bucle RLHF / DPO los utilizará.
Notas de ejemplo:
- "Debería haber preguntado el presupuesto primero, no haber saltado a una recomendación premium."
- "El usuario estaba bromeando — esto no debería haberse recordado."
- "Marcó el compromiso como hecho demasiado pronto; el usuario no ha confirmado."
Las notas se etiquetan como builder_authored. No se inyectan en los prompts dirigidos al usuario final, por lo que no pueden filtrarse en una conversación real.
8. Qué ocurre después de cambiar un recuerdo
Editaste un hecho de corto plazo: entra en vigor en la siguiente conversación. El prompt ya enviado en la sesión actual no se revierte. El popup del turno histórico sigue mostrando el valor antiguo — la traza nunca se reescribe (este es un invariante de diseño).
Editaste la trayectoria: entra en vigor de inmediato. Trajectory forma parte del Block 0 — la siguiente conversación leerá la nueva versión en el primer turno.
Eliminaste un hecho o compromiso: se retira de la recuperación de inmediato. La traza histórica se conserva— si abres el popup del mismo turno tres meses después, seguirás viendo "este hecho se inyectó aquí en ese momento."
Escribiste una nota: no tiene efecto sobre lo que el agente dice a los usuarios finales. La nota alimenta tu propio pipeline de revisión y el futuro módulo Training.
9. En una línea
La era de la caja negra ha terminado. A partir de ahora, lo que recuerda tu agente, lo que usó y por qué respondió como lo hizo — puedes verlo y puedes cambiarlo.