Dos Patrones para Prevenir la Degradación de la Memoria en Agentes de IA: AutoDream y Recuperación Escéptica

El enfoque de OpenClaw para la gestión de memoria

OpenClaw ha lanzado dos patrones con licencia MIT para abordar el problema de la degradación lenta en sistemas de memoria de IA basados en archivos, donde los datos se vuelven obsoletos sin marcado adecuado, haciendo que los agentes actúen con contexto desactualizado. Aunque actualmente son específicos de OpenClaw, los conceptos se aplican a cualquier sistema de memoria basado en archivos.

AutoDream: Consolidación nocturna de memoria

AutoDream es un agente cron que se ejecuta a las 3 a.m. para realizar mantenimiento de memoria. Lee transcripciones de sesiones, extrae registros diarios antes de que se desvanezcan, actualiza archivos de memoria estructurados y elimina entradas obsoletas. La idea clave es que los registros diarios son la materia prima más rica pero se deterioran más rápido, por lo que el trabajo extrae todo lo que vale la pena conservar antes de que se enfríen. La memoria se reescribe continuamente en lugar de solo anexarse.

Skeptical Retrieval: Puntuación de memoria ponderada por deterioro

Skeptical Retrieval reemplaza la recuperación plana top-N de la búsqueda semántica estándar con una puntuación compuesta: semántica × deterioro_por_antigüedad × impulso_de_recuperación. La búsqueda semántica estándar trata un hecho de 6 semanas de antigüedad igual que uno de ayer, mientras que este enfoque aplica diferentes tasas de deterioro a diferentes tipos de archivos (hechos estables en λ=0.02 frente a tareas operativas en λ=0.08). Los fragmentos recuperados con frecuencia reciben un impulso logarítmico, y los resultados de baja confianza se suprimen en lugar de inyectarse.

Cómo trabajan juntos

Los dos patrones forman un ciclo de memoria de auto-mejora: AutoDream rastrea qué fragmentos fueron citados, los conteos de recuperación alimentan la puntuación compuesta, y AutoDream elimina fragmentos que nunca se recuperan. La implementación comienza con la Fase 0 (solo disciplina de razonamiento) que no tiene costo, seguida por la Fase 1 (seguimiento de recuperación) que necesita una actualización cron.

El desarrollador señala que las elecciones de tasas de deterioro requirieron iteración para ajustarse correctamente y está abierto a discutirlas. Ambos patrones están disponibles en GitHub:

• https://github.com/LeoStehlik/openclaw-skeptical-retrieval
• https://github.com/LeoStehlik/openclaw-autodream