Arquitectura de Memoria de Vektori: Principios del Sistema Filtrado de Claude

Principios de Arquitectura de Memoria

El equipo de Claude Code compartió cómo funciona su sistema de memoria, revelando principios clave: la memoria es un índice, no almacenamiento. MEMORY.md contiene solo punteros (150 caracteres por línea), con el conocimiento real en archivos separados que se obtienen bajo demanda. Las transcripciones en bruto nunca se cargan, solo se buscan cuando es necesario. Existen tres capas, cada una con diferentes costos de acceso. El principio más claro: si algo es derivable, no lo almacenes. La recuperación es escéptica: la memoria es una pista, no la verdad, y el modelo verifica antes de usar.

Implementación de Vektori

Vektori aplica los mismos principios con una forma diferente. Mientras Claude usa una jerarquía de archivos, Vektori implementa un gráfico jerárquico de oraciones con tres capas:

• CAPA DE HECHOS (L0) — Declaraciones precisas que sirven como superficie de búsqueda. Económicas y siempre consultables.
• CAPA DE EPISODIOS (L1) — Episodios a través de conversaciones, descubiertos automáticamente.
• CAPA DE ORACIONES (L2) — Conversación en bruto, solo se obtiene cuando se necesita explícitamente.

Se aplica el mismo modelo de acceso: L0 es tu índice, L2 es tu transcripción (buscada, no volcada). Pagas por lo que necesitas.

Disciplina de Escritura Estricta

Nada entra en L0 sin pasar por filtros de calidad: conteo mínimo de caracteres, verificación de densidad de contenido, proporción de pronombres. Si una oración es demasiado vaga o puramente de relleno, nunca se convierte en un hecho. Esto coincide con el principio de Claude de no almacenar cosas derivables.

Mecánica de Recuperación

La recuperación funciona como describe Claude: puntuada, con umbral, escéptica. Puntuación mínima de 0.3 antes de que algo surja. Los resultados se clasifican por similitud vectorial más decaimiento temporal, no se recuperan ciegamente.

Divergencia Arquitectónica en Correcciones

El enfoque de Claude optimiza para contextos de proyectos de un solo usuario donde importa el estado más reciente. Vektori, diseñado para agentes que trabajan en cientos de sesiones, preserva el historial de correcciones. Cuando un usuario cambia de opinión, el hecho antiguo permanece en el gráfico con sus enlaces de oraciones, permitiendo rastrear lo que se dijo antes del cambio y por qué fue reemplazado.

Rendimiento y Futuro

En LongMemEval-S, Vektori logró un 73% de precisión en profundidad L1 usando BGE-M3 + Gemini Flash-2.5-lite. La resolución de conflictos de múltiples saltos, donde razonas sobre cómo cambió un hecho con el tiempo, es donde colapsan los sistemas basados en triples (sujeto-objeto-predicado). La siguiente capa implica almacenar el porqué: bordes causales entre eventos ("usuario corrigió X, agente actualizó Y, usuario disputó nuevamente") extraídos asincrónicamente y consultables como un gráfico. Las trayectorias del agente se convierten en memoria: el propio comportamiento del agente se convierte en parte de lo que puede razonar.