El experto en IA Alejandro Saucedo, quien colabora en la ONU, la Comisión Europea y Zalando, publicó la segunda entrega de su serie sobre cómo la inteligencia artificial recuerda. Titulada ¿De quién es esta memoria? Creación de memoria multiinquilino y multinivel para agentes de IA (Parte 2), la publicación detalla decisiones de diseño avanzadas para gestionar la persistencia de memoria multiinquilino dentro del Sistema de Orquestación de Agentes de Kubernetes (KAOS).
Establecimiento ενός modelo de memoria simplificado de tres niveles
Tras la primera parte de la serie —que analizó aproximadamente 30 motores de memoria y adoptó Mem0 como biblioteca—, Saucedo estableció una arquitectura de memoria simplificada de tres niveles. Este marco consta de una ventana a corto plazo, un resumen a mediano plazo y hechos a largo plazo. El nivel a corto plazo gestiona el contexto de la sesión en vivo limitado por un presupuesto de tokens y se actualiza en cada turno mediante filas relacionales. El nivel a mediano plazo mantiene un resumen dinámico por sesión, mientras que el nivel a largo plazo extrae hechos atómicos organizados por alcance y los recupera semánticamente mediante bases de datos vectoriales.
Definición de ámbitos de acceso y procedencia de escritura
Cada operación de memoria en un sistema multiinquilino requiere límites estrictos en cuanto a propiedad y privacidad de datos. KAOS registra metadatos de procedencia compuestos e invariantes para cada entrada de memoria almacenada, capturando el user_id (identificador de usuario), la identidad del agente y el identificador de sesión. Para las operaciones de lectura, una relación jerárquica restringe el acceso según la postura de seguridad y las cabeceras de solicitud verificadas. La verificación de identidad previene el acceso no autorizado, garantizando que las lecturas de usuarios entre agentes solo ocurran cuando el propietario del almacenamiento eleva deliberadamente el límite.
Lecciones arquitectónicas clave para sistemas de producción
El marco arquitectónico ofrece conclusiones fundamentales para implementar capas de memoria de agentes escalables. Los sistemas deben tratar las ventanas textuales literales y los hechos destilados entre sesiones como niveles de memoria separados con ciclos de vida distintos. Además, mantener registros textuales duraderos garantiza la supervivencia frente a extracciones perdidas, mientras que la derivación del alcance en el lado del servidor a partir de la identidad autenticada previene el envenenamiento de la memoria y los ataques de inyección entre sesiones.
