osFoundry / Platform
Extracción de memoria
Maestro extrae memorias duraderas de cada conversación: hechos, decisiones, preferencias.
Qué es
La extracción de memoria es la forma en que el Maestro de osFoundry convierte el chat efímero en conocimiento duradero y reutilizable. Cuando una conversación se compacta, Maestro revisa el intercambio y extrae lo que de verdad merece conservarse: hechos afirmados (\"nuestro stack es Postgres\"), decisiones y las razones que las sustentan, preferencias personales y de equipo, restricciones (\"no uses la base de datos de staging\") y todo lo que le pidas recordar de forma explícita. Cada memoria extraída se almacena con un tipo, una puntuación de importancia y etiquetas, de modo que puede filtrarse y recuperarse en lugar de perderse en cuanto la ventana de contexto se desborda.\n\nDentro de osFoundry, la extracción está pensada para ser barata y honesta con el costo. Se ejecuta en segundo plano (fire-and-forget) tras la compactación y, antes de llamar siquiera a un modelo, aplica una comprobación rápida de relevancia sobre tus propias palabras, buscando la forma que realmente adopta un hecho duradero: una identidad afirmada, una preferencia, una decisión o una instrucción del tipo \"a partir de ahora\". Los turnos que no contienen nada memorable nunca llegan al modelo, así que la extracción no factura tu clave de API en cada mensaje. Cuando sí se ejecuta, usa la cadena de modelos que hayas configurado para el rol de pipeline memory_extraction: cualquier modelo local, en la nube o autoalojado para el que traigas tu propia clave, sin recargo de reventa. Después, un umbral de importancia descarta los candidatos de bajo valor antes de escribir nada.\n\nEl almacenamiento es local-first por diseño. Las memorias extraídas se entregan primero a un almacén en el dispositivo (la tabla local_memories nunca se sincroniza con la nube) y solo entonces, si tienes cuenta y estás en línea, se incrustan y se replican a un almacén de memoria del espacio de trabajo. Ese orden es deliberado: un usuario que trabaja de forma totalmente local o sin conexión obtiene igualmente cada memoria, y los hechos casi duplicados se deduplican al escribir. Más adelante, los agentes y Maestro recuperan estas memorias mediante búsqueda semántica: la consulta se incrusta, se coteja con el almacén y cada coincidencia regresa con su propia dirección citable memory://, de modo que puedes ver exactamente qué hecho recordado fundamentó una respuesta. Todo el recorrido es además conectable: puedes enlazar un memory_extractor propio, y el extractor nativo de osFoundry actúa como respaldo.
Capacidades principales
- Extrae memorias duraderas de cada conversación tras la compactación: hechos afirmados, decisiones y sus razones, preferencias, restricciones y peticiones explícitas de \"recuerda esto\".
- Aplica una comprobación de relevancia barata antes de cualquier llamada al modelo, así que la extracción solo gasta tu clave de API en turnos que plausiblemente traen algo digno de conservar, no en cada intercambio.
- Usa tu propia cadena de modelos BYOK para el rol memory_extraction, local o en la nube, sin recargo de reventa en las llamadas que realiza.
- Almacenamiento local-first: las memorias extraídas se escriben primero en un almacén del dispositivo (nunca se sincroniza con la nube), así que persisten aun sin conexión o sin cuenta.
- Puntúa cada memoria por importancia y tipo, deduplica hechos casi idénticos y los hace recuperables después mediante búsqueda semántica con fuentes citables memory://.
Casos de uso
- Ingeniero consultor: Maestro recuerda que un cliente insistió en Postgres sobre DynamoDB y por qué, así que semanas después el agente no vuelve a discutir una decisión ya zanjada.
- Investigador celoso de su privacidad: las preferencias y los hechos del proyecto permanecen en el almacén de memoria del dispositivo que nunca se sincroniza con la nube, usable sin conexión con tus propias claves.
- Líder de equipo que estandariza convenciones: en cuanto dices \"nuestro equipo prefiere tabuladores\" o \"no toques los archivos de migración\", esa restricción queda capturada y aparece en el trabajo posterior.
Preguntas frecuentes
¿La extracción de memoria envía mis conversaciones a los servidores de osFoundry?
No. Las memorias extraídas se escriben primero en un almacén del dispositivo, y esa tabla de memoria local nunca se sincroniza con la nube. Solo si tienes cuenta y estás en línea se incrustan además y se replican a tu propio almacén de memoria del espacio de trabajo. La llamada al modelo de extracción se ejecuta con la clave que traes: los servidores de osFoundry nunca llaman a un LLM en tu nombre.
¿Esto ejecuta una llamada de IA costosa después de cada mensaje?
No. La extracción solo ocurre tras compactarse una conversación e, incluso entonces, primero corre una comprobación de relevancia barata: un chequeo rápido de patrones en tu mensaje para detectar preferencias afirmadas, decisiones o frases del tipo \"recuerda esto\". La charla ordinaria de tareas se descarta antes de cualquier llamada al modelo, así que no factura tu clave de API en turnos que no contienen nada digno de conservar.
¿Cómo usa Maestro una memoria una vez extraída?
Las memorias se almacenan con un tipo, una puntuación de importancia y etiquetas, y luego se hacen recuperables mediante búsqueda semántica. Cuando es pertinente, el agente incrusta una consulta, busca en el almacén y recupera los hechos coincidentes, cada uno con una fuente citable memory:// para que rastrees qué detalle recordado dio forma a la respuesta. Tú eliges el modelo de memory_extraction mediante los roles de pipeline BYOK de osFoundry.