Memoria del Agente

Por defecto, cada llamada a tu agente es stateless: el agente solo ve el mensaje que acabas de enviar. Está bien para tareas one-shot (clasificación, extracción, respuestas únicas), pero se rompe para cualquier cosa conversacional.

HeroMate incluye memoria integrada para que el agente recuerde lo que se dijo antes — dentro de una conversación o a través de todas las conversaciones que un usuario haya tenido.

Modos de memoria

Elige el modo en el campo Memory del nodo agent.

Cómo funciona la memoria de sesión

Cuando memory_mode = session:

1. Tu frontend genera (o guarda) un session_id por cada conversación.
2. Cada vez que el usuario envía un mensaje, pasas el mismo session_id.
3. El agente carga los mensajes previos de esa sesión, añade el nuevo mensaje del usuario, llama al modelo y persiste la nueva respuesta del asistente.

Un session_id nuevo = una conversación nueva, sin memoria arrastrada. El hook useChat() del SDK gestiona esto automáticamente.

Cómo funciona la memoria de usuario

Cuando memory_mode = user:

• No hace falta session_id. El agente usa el ID del usuario autenticado del JWT.
• Cada mensaje de ese usuario en cualquier parte de tu app se combina en un historial rodante.
• Bueno para experiencias de "asistente personal" donde quieres continuidad entre días y dispositivos.

La ventana de memoria

Cargar todos los mensajes para siempre explotaría el context window del modelo y tu factura de tokens. HeroMate lo controla con dos knobs:

Los dos límites se aplican a la vez — el que salte primero gana. El agente siempre ve los mensajes más recientes.

Dónde se guarda la memoria

La memoria vive en la base de datos de tu propio proyecto, en dos tablas del sistema:

• system.ai_chats — una fila por sesión de chat, con id, user_id, endpoint_id y metadata
• system.ai_messages — una fila por mensaje, con chat_id, role y parts (el formato completo de mensaje del Vercel AI SDK)

Estas tablas se crean automáticamente la primera vez que un agente con memoria se ejecuta. Puedes consultarlas con execute_sql como cualquier otra tabla — útil para construir UIs de historial de chat o dashboards de moderación.

Listar conversaciones pasadas

El SDK te da un hook para listar las sesiones pasadas de un usuario. useChatList recibe un objeto de opciones (no un string posicional):

import { useChatList } from '@dypai-ai/client-sdk/react'

function ConversationsSidebar() {
  const { chats, isLoading, error, deleteChat, renameChat, refetch } =
    useChatList({ endpointId: '<endpoint_id>', limit: 50 })

  return (
    <ul>
      {chats.map(c => (
        <li key={c.id}>
          <a href={`/chat/${c.id}`}>{c.title ?? 'Sin título'}</a>
        </li>
      ))}
    </ul>
  )
}

useChatList({ endpointId, limit, enabled }) devuelve:

• chats — la lista de conversaciones
• isLoading / error — estado de carga
• deleteChat(chatId) — borra una conversación
• renameChat(chatId, title) — renombra una conversación
• refetch() — recarga la lista

Combinado con useChat('endpoint', { id }), esto te da el clásico "sidebar con todas mis conversaciones pasadas" estilo ChatGPT sin coste. (La opción para retomar es id, no sessionId.)

Limpiar memoria

Los usuarios a veces quieren empezar de cero. Tus opciones, de más fácil a más avanzada:

1. Borrar una conversación (recomendado): llama a deleteChat(chatId) de useChatList. Elimina el chat y sus mensajes — sin código de backend. Engánchalo a un botón "Borrar esta conversación".
2. Conversación nueva: arranca un chat nuevo con useChat('endpoint', { id: newId }) (o sin id). La conversación antigua sigue guardada pero no se carga.
3. Avanzado (opcional): borra la fila directamente de system.ai_chats con SQL (cascadea a los mensajes) — útil para limpieza masiva o herramientas de admin.

Memoria y llamadas a tools

Las llamadas a tools se guardan como parte de la conversación. Cuando se carga la memoria, el modelo ve:

• Mensajes del usuario
• Respuestas del asistente
• Tool calls que hizo el asistente
• Resultados de tools

Esto significa que el agente recuerda qué datos consultó antes y no tiene que llamar a la misma tool dos veces. Si el usuario pregunta "¿cuáles eran mis pedidos otra vez?", el agente puede responder desde memoria sin volver a consultar tu DB.

Notas sobre privacidad

• La memoria se escopa por proyecto — agentes de un proyecto no pueden ver conversaciones de otro.
• La memoria de usuario se escopa por usuario — los usuarios no pueden ver el historial de otros.
• Los datos de memoria se guardan en la base de datos de tu proyecto junto con tus tablas normales. Se aplican tus backups, controles de acceso y flujos de borrado de datos existentes.
• Para borrado estilo GDPR, simplemente elimina filas de system.ai_chats del usuario afectado.

Siguientes pasos