Deja de darle a cada agente su propia memoria aislada

Estamos construyendo agentes para que se sientan como personas. Eso es útil en algunos aspectos, pero también estamos copiando una de las mayores limitaciones de ser humano.

Conoces a alguien nuevo y no sabe nada de ti. Tienes que explicar cosas como tus intereses, tu historia y tus objetivos. Luego lo haces de nuevo con la siguiente persona, y otra vez con la siguiente.

Este es el impuesto de ser humano: el conocimiento vive en cráneos, y los cráneos no sincronizan.

Hemos pagado ese impuesto toda nuestra vida, así que apenas lo notamos. Es simplemente cómo funcionan los humanos. Pero ahora lo estamos recreando dentro de sistemas de software que no necesitan ser tan aislados.

Cada agente es como su propio pequeño cerebro con su propia memoria. Obtiene su propia visión parcial de ti y de tu trabajo. Si haces zoom hacia atrás y observas todo el conjunto de agentes que estás usando, descubrirás que todo el sistema y la imagen de ti se sienten fragmentados.

Mis Agentes Son Desconocidos

Noto esto especialmente en mi propio flujo de trabajo porque uso varios agentes a propósito.

OpenClaw es mi asistente personal. Es el que más sabe sobre mi vida: familia, horario, reuniones, proyectos, preferencias y el ritmo de lo que sucede día a día. También es donde desarrollo ideas. Hablo algo, discuto con él, encuentro la forma de la idea, abandono algunas ramas, resucito una, y solo entonces paso a la ejecución.

Así que OpenClaw termina con el contexto más rico tanto sobre mí como sobre mis ideas.

Codex es donde construyo. Una vez que una idea está lista, me muevo allí. Pero el razonamiento que produjo la idea generalmente se quedó en OpenClaw. Codex ve el repo y un plan. Pero no ve la conversación que dio origen al plan.

Claude Code es a donde voy para diseño y escritura. Puedo construir algo en Codex, luego pedirle a Claude Code que me ayude con una página de aterrizaje, un guion de demo o redactar una publicación de blog. La transición no es terrible porque puedo apuntarlo a la misma carpeta del repo en disco. Pero el razonamiento detrás del trabajo sigue en OpenClaw: la audiencia, las compensaciones, los enfoques rechazados, el tono emocional de la cosa.

El resultado puede ser competente y ciego al contexto al mismo tiempo.

También hay una capa física. OpenClaw se ejecuta en mi Mac Mini. Codex y Claude Code se ejecutan en mi MacBook Pro. Otros agentes pueden vivir parcial o totalmente en la nube. Diferentes máquinas. Diferentes sistemas de archivos. Diferente estado local. El repo puede sincronizarse a través de GitHub, pero la memoria del proyecto no.

Las islas no son solo conceptuales. Son literales.

Cada agente vuelve a derivar lo que ya le expliqué. Cada uno ignora lo que el agente de al lado descubrió hace una hora.

El Repo No Es la Memoria

La objeción obvia es: solo escribe las cosas.

Usa markdown. Mantén los planes en el repo. Guarda las decisiones en documentos. Escribe resúmenes. Haz que cada agente lea los mismos archivos.

Esto ayuda pero solo captura el destino, no el viaje.

El valor real suele estar en la sesión misma: los debates, los comienzos falsos, las ramas que exploraste y dejaste de lado. Cuando plasmas un plan en papel, comprimes la conversación. Te quedas con la conclusión y descartas la mayor parte del camino.

Luego, días después, el camino vuelve a importar.

Vuelvo a OpenClaw y digo: "¿Recuerdas aquello de lo que hablamos? En realidad, hagámoslo de la otra manera".

Lo que realmente estoy haciendo es volver a entrar al árbol de ideas y recuperar una rama que había podado. Esa rama nunca llegó al archivo markdown porque, en ese momento, parecía muerta.

Un repo sincronizado no puede resolver eso. El repo tiene artefactos. La sesión del agente tiene contexto. El plan escrito es la punta del iceberg. La conversación es el resto.

Eso no significa volcar cada transcripción en todas partes. Gran parte de la conversación es ruido. Algo es sensible. Algo está mal. Algo debería caducar. Algo debería permanecer local a un proyecto o rol.

La unidad útil es aquello que vale la pena conservar.

Cuando un agente aprende una de esas cosas, no debería quedar atrapado dentro del agente donde ocurrió.

La Mente Colmena Es el Punto

Para los humanos, el conocimiento se mueve lentamente. Tiene que ser hablado, escrito, enseñado, malinterpretado, aclarado, recontado. Incluso dentro de una empresa, el mismo hecho viaja a través de reuniones, memorandos, hilos de Slack y reuniones individuales como un rumor que intenta convertirse en infraestructura.

Los agentes no tienen esa limitación.

Si uno de ellos aprende algo útil, los demás también pueden saberlo. De inmediato, si la capa de memoria está construida de esa manera.

Eso comienza a sentirse menos como mejores notas y más como una mente colmena.

Imagina una versión AI de un líder de empresa sentado en diez reuniones a la vez.

En una reunión, aprende que un cliente importante está confundido sobre los precios. En otra, el equipo de producto está debatiendo si los precios son lo suficientemente claros. En una tercera, ventas está tratando de explicar por qué un trato se estancó.

En la versión humana, esos puntos podrían tardar días o semanas en conectarse. Quizás nunca se conectan. La queja del cliente se convierte en una nota de soporte. El debate del producto se convierte en un elemento del roadmap. El problema de ventas se convierte en un problema de pipeline.

En la versión de agente, la colisión puede ocurrir mientras las reuniones aún están sucediendo.

El conocimiento no queda atrapado en la sala donde se aprendió.

La versión personal es más pequeña, pero tiene la misma forma.

Una decisión de diseño tomada mientras se programa puede mejorar el texto de lanzamiento cinco minutos después. Una preferencia corregida en un asistente personal puede cambiar el valor predeterminado en un agente de código. Una idea a medio formar de la semana pasada puede resurgir cuando aparece el proyecto adecuado.

El sistema deja de comportarse como un conjunto de asistentes y comienza a comportarse como una mente distribuida con diferentes manos.

La Capa Ausente

El trabajo real no respeta los límites de las herramientas.

Un proyecto puede comenzar como una nota personal, convertirse en una decisión de producto, transformarse en código, necesitar diseño, redacción de lanzamiento, soporte y seguimiento. Es por eso que uso múltiples agentes, ya que la especialización es útil.

La brecha es obvia una vez que la sientes: las herramientas son cada vez más capaces, pero la memoria debajo de ellas sigue fragmentada. Y la fragmentación empeora a medida que los agentes se extienden por aplicaciones, máquinas, servicios en la nube y entornos locales.

Esto se siente como una de las áreas importantes para el desarrollo durante el próximo año.

Ya puedes ver proyectos prometedores atacando diferentes partes de ello.

El GBrain de @garrytan apunta hacia un grafo de conocimiento compartido detrás de MCP: apúntalo a diferentes fuentes de datos y el grafo de conocimiento crece, y diferentes agentes pueden consultarlo en lugar de que cada uno mantenga su propia memoria privada.

El CASS de @doodlestein aborda la parte que el markdown y los repos pasan por alto: el historial de sesiones en sí. Hace que las sesiones locales de agentes sean buscables en Codex, Claude Code, OpenClaw, Cursor, Aider y más, lo cual importa porque la sesión a menudo contiene el razonamiento que el repo dejó atrás.

Estos proyectos son señales de que el problema es real, y de que piezas importantes de la respuesta están empezando a hacerse visibles.

Muchos agentes con una capa de memoria debajo de ellos, propiedad tuya.