Memoria Relacional para LLMs: Sistema de Tres Capas Modela las Relaciones de Usuario

Relational Memory es un prototipo de Python de 500 líneas que añade memoria consciente de las relaciones a LLM como Claude Opus y GPT-4o. En lugar de almacenar hechos sobre los usuarios, modela la relación misma a través de siete dimensiones psicológicas derivadas de modelos establecidos.

Cómo Funciona

Después de cada sesión, un LLM secundario (Claude Haiku) analiza la conversación completa y puntúa la relación en siete dimensiones: formalidad, calidez, humor, profundidad, confianza, energía y resiliencia. El sistema utiliza una media móvil exponencial (EMA) para las actualizaciones, dando más peso a las sesiones recientes mientras mantiene el contexto histórico.

Estructura de Memoria de Tres Capas

Cada cinco sesiones, un "agente de tiempo de sueño" consolida la memoria en tres capas narrativas:

• Tono Base: Un retrato de quién es el usuario (duración: meses)
• Patrones: Reglas de comportamiento condicionales como "cuando la IA se vuelve superficial, el usuario responde con preguntas más agudas" (duración: semanas)
• Anclas: Puntos de inflexión que dieron forma a la relación (retención a largo plazo)

Los archivos de memoria se almacenan como markdown plano que los usuarios pueden leer directamente. El sistema olvida intencionalmente los patrones no respaldados por datos recientes para evitar la ilusión de un recuerdo perfecto.

Característica Clave: Dimensión de Resiliencia

La resiliencia rastrea cuánta fricción honesta puede manejar la relación. Con alta resiliencia, la IA se resiste cuando está en desacuerdo. Con baja resiliencia, enmarca los desafíos como preguntas. Esto permite que la IA no solo conozca las preferencias del usuario, sino también si pueden manejar que se les diga que están equivocados.

Implementación Práctica

Instalación y configuración:

pip install git+https://github.com/spectator81-png/relational-memory.git
export ANTHROPIC_API_KEY=sk-ant-...
relational-memory --mode flat  # para comparación A/B
relational-memory --provider openai  # para GPT-4o

La herramienta es compatible tanto con las API de Anthropic como con las de OpenAI, sin dependencias más allá de sus respectivos SDK. Se ha probado con una persona durante siete sesiones, mostrando diferencias notables en las respuestas de la IA entre los modos con memoria habilitada y deshabilitada.

Ejemplos de Respuestas

Sin memoria relacional, cuando un usuario dice "Me siento perdido. Muchas ideas, no sé cuál vale la pena perseguir", la IA responde con consejos genéricos sobre escribir las ideas y elegir la que ofrezca menos resistencia.

Con la memoria relacional habilitada, la IA responde: "Sé eso sobre ti. No piensas en categorías pequeñas. Pero 'cuál vale la pena' podría ser la pregunta equivocada. ¿Qué idea no te deja en paz por la noche?"

Las siete dimensiones de relación se derivaron de seis modelos psicológicos establecidos: Interpersonal Circumplex, PRQC, Russell Circumplex y otros. Cuatro dimensiones provienen directamente de la literatura existente, una fue adaptada para el contexto humano-IA y dos son novedosas.