¿Alguna vez le contaste algo importante a un chatbot y al día siguiente se olvidó completamente? Yo sí. Y me cansé.
Hace unas semanas decidí montar mi propio asistente IA personal con OpenClaw — un framework open-source que corre en tu propia máquina. Pero el verdadero desafío no era hacerlo responder bien. Era hacerlo recordar.
En esta entrada te cuento cómo le construí un sistema de memoria persistente que funciona como el cerebro humano: olvida lo que no importa, recuerda lo que sí, y se auto-organiza sin que yo tenga que estar encima.
El problema: la amnesia de los chatbots
Los modelos de lenguaje tienen una ventana de contexto finita. Cuando la conversación crece, lo anterior se descarta. Es como hablar con alguien que tiene amnesia cada vez que cerrás la pestaña.
Para un asistente personal, esto es inaceptable. Si le pedí que recuerde la contraseña del servidor ayer, hoy tiene que saberlo.
La solución: archivos como memoria
OpenClaw usa un enfoque elegante: la memoria son archivos Markdown. No hay base de datos, no hay vectores mágicos (bueno, hay un search semántico opcional, pero la fuente de verdad son archivos de texto).
La arquitectura que implementé tiene tres capas:
Capa 1: Memoria de trabajo (contexto)
Todo lo que el modelo «ve» en la sesión actual — el system prompt, el historial de conversación, resultados de herramientas. Está limitado por la ventana de contexto (típicamente 32K-200K tokens).
Capa 2: Memoria a corto plazo (compactación)
Cuando el contexto se llena, OpenClaw comprime automáticamente la conversación anterior en un resumen. Es como un humano que recuerda la idea general pero no los detalles exactos.
Capa 3: Memoria a largo plazo (archivos)
Archivos Markdown persistentes que sobreviven entre sesiones. Esta es la capa clave:
~/.openclaw/workspace/
├── MEMORY.md # Memoria curada (lo importante)
├── memory/
│ ├── 2026-08-23.md # Log del día
│ ├── weekly/
│ │ └── 2026-W34.md # Compactación semanal
│ └── monthly/
│ └── 2026-08.md # Compactación mensual
├── SOUL.md # Personalidad
├── USER.md # Info del usuario
├── TOOLS.md # Notas de herramientas
└── HEARTBEAT.md # Tareas periódicas
El heartbeat: la memoria que se cuida sola
El componente más inteligente del sistema es el heartbeat — una tarea periódica que el asistente ejecuta automáticamente (cada 30 minutos en mi caso).
En el heartbeat, mi asistente:
- Chequea si existe el archivo del día — si no existe, lo crea con un resumen de lo trabajado
- Verifica si hay cosas nuevas sin documentar — si la sesión lleva mucho rato activa y no guardó nada, crea la entrada
- Compacta cuando hace falta — los domingos fusiona los 7 archivos diarios en uno semanal; al final del mes, fusiona las semanas en uno mensual
Resultado: al final del año tengo 12 archivos mensuales, no 365 sueltos.
El harvest: que no se pierda nada
«Harvest» (cosecha) es el nombre que le puse al proceso de verificación. En cada heartbeat, el sistema ejecuta un script que revisa los últimos 7 días y alerta si falta algún archivo. Si ayer no guardé memoria, me avisa.
Esto resolvió el problema que más me dolía: despertarme un martes y no recordar qué hicimos el lunes por la noche.
Lecciones aprendidas
Después de unas semanas usando este sistema, estas son las cosas que aprendí:
1. La memoria tiene que ser curated, no cruda. MEMORY.md no es un dump de todo lo que pasó — es lo importante, lo que vale la pena recordar en 6 meses. Los archivos diarios son el log crudo; la memoria curada es el sabio que extrae lo esencial.
2. Los heartbeats son más útiles de lo que pensaba. No solo sirven para guardar memoria — pueden chequear clima, emails, calendario, estado del servidor, actualizaciones. Es como tener un asistente que de vez en cuando levanta la cabeza y mira si hay algo que reportar.
3. La compactación automática es clave. Sin ella, en un año tendrías 365 archivos y el search semántico se volvería lento y ruidoso. Con ella, tenés 12 archivos limpios.
4. Git es tu seguro. Si tu workspace es solo archivos en tu máquina y se rompe el disco, perdiste todo. La doc oficial recomienda un repo git privado — yo recién lo estoy implementando.
5. WhatsApp como herramienta outbound funciona. La mayoría usa WhatsApp bidireccional (el bot responde a la gente). Yo lo uso solo para enviar mensajes cuando se lo pido. Es poco común pero válido para ciertos casos de uso.
Cómo empezar
Si querés replicar este sistema:
- Instalá OpenClaw — es open-source y corre en tu propia máquina
- Definí tu SOUL.md — personalidad, tono, límites
- Configurá el heartbeat — el HEARTBEAT.md es tu checklist periódico
- Creá tu primer archivo de memoria — memory/YYYY-MM-DD.md
- Dejá que el sistema crezca — al principio es manual, después se automatiza
Conclusión
Un asistente IA sin memoria es un chatbot con pretensiones. Con el sistema correcto, se convierte en algo que realmente te conoce — tus proyectos, tus preferencias, tus horarios, tus contactos.
Lo mejor de todo es que es simple: archivos de texto, un script de compactación, y un heartbeat que hace el trabajo pesado. No necesitás infraestructura compleja ni bases de datos. Solo consistencia.
Y si un día se olvida algo, bueno… tampoco es tan humano si nunca se olvida de nada, ¿no?
¿Tenés un asistente IA? Contame en los comentarios cómo manejás la memoria.