Arranqué la memoria markdown predeterminada de OpenClaw y construí una capa de API con Node.js/Postgres

Un desarrollador que creaba un Analizador de Productividad Cognitiva con OpenClaw encontró un obstáculo con el archivo MEMORY.md predeterminado después de semanas de uso. El archivo de texto plano se convirtió en un motor de alucinaciones: el agente recordaba diseños de API obsoletos como si fueran ciertos y olvidaba las compensaciones acordadas del sistema. La solución: desactivar el plugin memory-core y construir una capa de cumplimiento determinista.

Detalles de la Arquitectura

• Base de datos: PostgreSQL con esquemas estrictos para system_architecture_rules, api_design_decisions y feature_roadmaps.
• Middleware: Backend Node.js/Express expuesto a OpenClaw mediante llamadas a herramientas personalizadas.
• Contratos tipados: El agente debe ejecutar POST /memory/architecture con un payload JSON validado por TypeScript para registrar decisiones de diseño o rutas de API.
• Inyección de contexto inmutable: Al realizar una consulta, la capa de herramientas recupera filas exactas de Postgres y las inyecta en la ventana de contexto antes de que el agente razone.

Resultados

La deriva de contexto se redujo a cero absoluto. El agente no puede alucinar un esquema de base de datos porque está restringido por datos relacionales. Actualizar una regla arquitectónica sobrescribe la fila anterior: no hay notas contradictorias. Compensación: ~150 ms de latencia por llamada a herramienta y un fin de semana de programación del backend.

Conclusión

El desarrollador sostiene que la memoria del agente no es un problema de almacenamiento, sino de diseño de API. Forzar al LLM a categorizar pensamientos a través de límites estrictos de herramientas previene la corrupción del estado a lo largo de cientos de iteraciones. Considera publicar el repositorio Node como código abierto.