Los modelos de lenguaje (LLMs) son increíbles, pero tienen un problema de base: son estadoféricos. Cada vez que hablas con ellos empiezan desde cero, sin recordar nada de la conversación anterior. No es un fallo, es cómo funcionan por diseño. Y cuando intentas construir un agente de IA que mantenga el contexto a lo largo del tiempo, te das cuenta de que ampliar la ventana de contextoVentana de contexto (context window) — cantidad máxima de tokens que un modelo de lenguaje (LLM) puede procesar en una sola petición. Cuanto mayor es la ventana de contexto, más información puede manejar el modelo de una vez (conversaciones largas, documentos extensos). Sin embargo, ampliar la ventana no es lo mismo que dar memoria: la precisión de recuperación del modelo suele ser menor para información situada en medio de la ventana. Modelos actuales tienen desde 4.000 hasta 1 millón de tokens de ventana de contexto.Similar a: Token, LLM no es suficiente.
Por suerte, n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. lo ha resuelto de forma elegante. La última versión de la plataforma incluye nodos específicos para gestionar la memoria de tus agentes, y en esta guía te explico cómo usarlos.
El problema: el contexto no es memoria
Los modelos actuales soportan ventanas de contexto enormes (hasta 1 millón de tokensToken — unidad mínima de información que procesa un modelo de lenguaje (LLM). Un token puede ser una palabra, parte de una palabra o un carácter, según el modelo. Por ejemplo, la frase "Hola, ¿cómo estás?" se divide en varios tokens. Los modelos tienen un límite máximo de tokens por petición (ventana de contexto) y el coste de uso se calcula por tokens procesados. Los tokens de los LLMs no deben confundirse con los tokens de autenticación o seguridad.Similar a: LLM, Ventana de contexto), pero eso no significa que recuerden bien todo lo que hay dentro. La precisión de recuperación cae para información en medio de la ventana, no hay priorización de datos importantes, y los tokensToken — unidad mínima de información que procesa un modelo de lenguaje (LLM). Un token puede ser una palabra, parte de una palabra o un carácter, según el modelo. Por ejemplo, la frase "Hola, ¿cómo estás?" se divide en varios tokens. Los modelos tienen un límite máximo de tokens por petición (ventana de contexto) y el coste de uso se calcula por tokens procesados. Los tokens de los LLMs no deben confundirse con los tokens de autenticación o seguridad.Similar a: LLM, Ventana de contexto cuestan dinero. Pasarle todo el historial a cada llamada es como fotocopiar toda tu libreta cada vez que necesitas recordar una página: funciona, pero es caro e ineficiente.
Además, sin almacenamiento persistente, cada sesión empieza de cero. Los productos de consumo como ChatGPT o Claude ya extraen hechos para memoria entre sesiones, pero los agentes personalizados requieren implementación explícita.
Los cuatro tipos de memoria para agentes IA
n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. sigue el framework CoALACoALA (Cognitive Architecture for Language Agents) — arquitectura cognitiva para agentes de lenguaje que clasifica la memoria en cuatro tipos: memoria de trabajo, memoria semántica, memoria episódica y memoria procedural. n8n sigue este framework para organizar cómo los agentes de IA recuerdan información. Es un enfoque inspirado en la ciencia cognitiva aplicado al diseño de agentes prácticos. (Cognitive Architecture for Language Agents) para clasificar la memoria. Cada tipo se elige por lo que representa, no por dónde se almacena:
- Memoria de trabajoMemoria de trabajo (working memory) — tipo de memoria de un agente de IA que contiene el contexto inmediato de la interacción actual: el prompt, las últimas respuestas y el estado de la tarea en curso. Se almacena en la ventana de contexto del modelo y se pierde al cerrar la sesión. Es el equivalente a lo que recuerdas mientras mantienes una conversación. (Working Memory): El prompt actual, las últimas interacciones, el estado inmediato de la tarea. Vive en la ventana de contextoVentana de contexto (context window) — cantidad máxima de tokens que un modelo de lenguaje (LLM) puede procesar en una sola petición. Cuanto mayor es la ventana de contexto, más información puede manejar el modelo de una vez (conversaciones largas, documentos extensos). Sin embargo, ampliar la ventana no es lo mismo que dar memoria: la precisión de recuperación del modelo suele ser menor para información situada en medio de la ventana. Modelos actuales tienen desde 4.000 hasta 1 millón de tokens de ventana de contexto.Similar a: Token, LLM y se evapora al cerrar la sesión.
- Memoria semánticaMemoria semántica (semantic memory) — tipo de memoria de un agente de IA que almacena conocimiento general: políticas de empresa, documentación de productos, FAQs. Se guarda en bases de datos vectoriales y se consulta mediante búsqueda por similitud (embeddings). Permite al agente responder con información específica sin necesidad de reentrenar el modelo. (Semantic Memory): Conocimiento general: políticas de empresa, documentación de productos, FAQs. Se almacena en bases de datos vectoriales (Pinecone, Weaviate, Qdrant) con búsqueda por similitud.
- Memoria episódicaMemoria episódica (episodic memory) — tipo de memoria de un agente de IA que almacena el historial de interacciones: qué se dijo, qué se hizo y cuándo. A diferencia de la memoria de trabajo, persiste entre sesiones. Requiere indexación temporal ademáis de la búsqueda por similitud para recuperar eventos específicos. Es el equivalente a recordar conversaciones pasadas con contexto de fecha. (Episodic Memory): Historial de interacciones: qué se dijo, qué se hizo, cuándo. Requiere indexación temporal además de la búsqueda vectorial.
- Memoria proceduralMemoria procedural (procedural memory) — tipo de memoria de un agente de IA que almacena comportamientos codificados: secuencias de llamadas a herramientas, reglas de escalado, instrucciones fijas. Normalmente va en el prompt del sistema. Es el equivalente a saber cómo se hace algo sin tener que pensarlo cada vez, como montar en bicicleta pero para agentes de IA. (Procedural Memory): Comportamientos codificados: secuencias de llamadas a herramientas, reglas de escalado. Normalmente va en el prompt del sistema.
En producción, la mayoría de los agentes combinan al menos dos tipos. Por ejemplo, un agente de soporte al cliente usa un bufferBuffer — zona de almacenamiento temporal donde se retienen datos mientras se transfieren entre dos procesos o sistemas. En el contexto de agentes de IA, un buffer de memoria retiene las últimas interacciones de la conversación actual, permitiendo al agente recordar el contexto inmediato sin saturar la ventana de contexto del modelo. Es la forma más simple de memoria: lo que se dijo en los últimos mensajes. para la conversación actual, una base de datos para el historial de sesiones y un almacén vectorial para buscar entre miles de tickets pasados.
Cómo implementar memoria en n8n paso a paso
n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. trata la memoria como un primitivo de workflowSecuencia de pasos automatizados que encadenan acciones entre distintas herramientas. Por ejemplo: cuando alguien se suscribe a tu web → se añade a tu lista de email → se crea un registro en tu CRM → recibes una notificación. Los workflows son el corazón de la automatización para autónomos y PYMES. configurable. Los nodos de memoria se sientan en el canvasCanvas — interfaz visual de arrastrar y soltar donde se diseñan workflows y automatizaciones. En n8n, el canvas es donde conectas nodos (acciones) entre sí para crear flujos de trabajo sin escribir código. Es el equivalente al lienzo de un diseñador, pero para procesos digitales. junto al resto de la lógica, sin necesidad de código externo.
1. Memoria a corto plazo (Simple Memory)
El nodo Simple Memory funciona por sesión con un ID de sesión. Cada sesión mantiene sus memorias aisladas. Funciona de serie para despliegues de instancia única. Si usas modo cola (varios workers), necesitas PostgresPostgres (PostgreSQL) — sistema de bases de datos relacional de código abierto, uno de los más potentes y utilizados del mundo. En n8n se usa como almacenamiento persistente para datos de aplicaciones, historial de conversaciones (Postgres Chat Memory) y como base de datos principal para workflows que requieren consultas SQL avanzadas. Chat Memory o RedisRedis — almacén de datos en memoria, de código abierto, usado como base de datos, caché y broker de mensajes. Es extremadamente rápido porque los datos se guardan en RAM. En n8n se usa como Redis Chat Memory para historial rápido de conversaciones de agentes, ideal para datos efímeros que no requieren persistencia a largo plazo. Chat Memory para aislamiento fiable entre workers.
2. Control avanzado: Chat Memory Manager
El nodo Chat Memory Manager te permite insertar, recuperar o borrar memorias específicas mediante programación. Puedes comprobar el tamaño de la memoria, eliminar entradas antiguas o inyectar contexto. Combínalo con nodos de código JavaScriptJavascript — lenguaje de programación utilizado principalmente en desarrollo web. En el contexto de n8n y automatizaciones, se usa para escribir nodos de código personalizados, transformar datos y crear lógica avanzada dentro de los workflows sin necesidad de herramientas externas. o PythonPython — lenguaje de programación versátil y fácil de leer, muy usado en inteligencia artificial, análisis de datos y automatizaciones. En n8n se pueden escribir nodos de código en Python para procesar datos, llamar a APIs o implementar lógica personalizada dentro de los workflows. para reglas de retención personalizadas.
3. Memoria a largo plazo con almacenamiento persistente
Para memoria que sobreviva a reinicios y sesiones, n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. ofrece múltiples opciones:
- PostgresPostgres (PostgreSQL) — sistema de bases de datos relacional de código abierto, uno de los más potentes y utilizados del mundo. En n8n se usa como almacenamiento persistente para datos de aplicaciones, historial de conversaciones (Postgres Chat Memory) y como base de datos principal para workflows que requieren consultas SQL avanzadas. Chat Memory: Historial cronológico de conversaciones en base de datos relacional.
- RedisRedis — almacén de datos en memoria, de código abierto, usado como base de datos, caché y broker de mensajes. Es extremadamente rápido porque los datos se guardan en RAM. En n8n se usa como Redis Chat Memory para historial rápido de conversaciones de agentes, ideal para datos efímeros que no requieren persistencia a largo plazo. Chat Memory: Historial cronológico rápido, ideal para datos efímeros.
- Vector Stores (Pinecone, Weaviate, Qdrant, MongoDB Atlas): Búsqueda semántica y episódica por similitud.
- Entity Memory (Zep Memory node): Extracción automática de hechos sobre usuarios, sesiones y entidades, combinando extracción, resumen y recuperación.
Lo mejor: cambiar de Pinecone a MongoDB Atlas no requiere reescribir el agente. El backendBackend — parte de un sistema informático que funciona en el servidor, no visible para el usuario. Gestiona la lógica de negocio, las bases de datos, la autenticación y las integraciones. En herramientas como n8n, el backend procesa los workflows, ejecuta las automatizaciones y se comunica con las APIs. Es lo opuesto al frontend (la interfaz que ve el usuario). de almacenamiento se intercambia sin tocar la lógica del workflowSecuencia de pasos automatizados que encadenan acciones entre distintas herramientas. Por ejemplo: cuando alguien se suscribe a tu web → se añade a tu lista de email → se crea un registro en tu CRM → recibes una notificación. Los workflows son el corazón de la automatización para autónomos y PYMES..
Stack típico de producción en n8n
Un agente n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. en producción suele combinar:
- Nodo AI Agent como orquestador principal
- Simple Memory o PostgresPostgres (PostgreSQL) — sistema de bases de datos relacional de código abierto, uno de los más potentes y utilizados del mundo. En n8n se usa como almacenamiento persistente para datos de aplicaciones, historial de conversaciones (Postgres Chat Memory) y como base de datos principal para workflows que requieren consultas SQL avanzadas. Chat Memory para el historial de conversación
- Vector Store como herramienta del agente para búsqueda semántica (documentación, FAQs, historial de tickets)
- Chat Memory Manager para control fino: inyectar contexto antes de responder, limpiar memoria periódicamente, etc.
Ejemplo práctico: agente de soporte con memoria
Imagina que tienes una tienda online y recibes 20 consultas al día por email. Un agente n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. con memoria puede gestionar la mayoría sin que tú tengas que intervenir. Así sería el flujo:
- Trigger: Email recibido — El workflowSecuencia de pasos automatizados que encadenan acciones entre distintas herramientas. Por ejemplo: cuando alguien se suscribe a tu web → se añade a tu lista de email → se crea un registro en tu CRM → recibes una notificación. Los workflows son el corazón de la automatización para autónomos y PYMES. se dispara cuando llega un email nuevo del cliente.
- Extraer datos del cliente — Un nodo de código JavascriptJavascript — lenguaje de programación utilizado principalmente en desarrollo web. En el contexto de n8n y automatizaciones, se usa para escribir nodos de código personalizados, transformar datos y crear lógica avanzada dentro de los workflows sin necesidad de herramientas externas. extrae el email del remitente y busca en tu CRM si es un cliente nuevo o recurrente usando el nodo n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. «Customer Lookup».
- Consultar memoria episódicaMemoria episódica (episodic memory) — tipo de memoria de un agente de IA que almacena el historial de interacciones: qué se dijo, qué se hizo y cuándo. A diferencia de la memoria de trabajo, persiste entre sesiones. Requiere indexación temporal ademáis de la búsqueda por similitud para recuperar eventos específicos. Es el equivalente a recordar conversaciones pasadas con contexto de fecha. — El agente busca en PostgresPostgres (PostgreSQL) — sistema de bases de datos relacional de código abierto, uno de los más potentes y utilizados del mundo. En n8n se usa como almacenamiento persistente para datos de aplicaciones, historial de conversaciones (Postgres Chat Memory) y como base de datos principal para workflows que requieren consultas SQL avanzadas. Chat Memory si hay interacciones previas con ese cliente. Si es recurrente, el agente sabe qué le preocupó la última vez y retoma el hilo sin que el cliente tenga que repetirse.
- Consultar memoria semánticaMemoria semántica (semantic memory) — tipo de memoria de un agente de IA que almacena conocimiento general: políticas de empresa, documentación de productos, FAQs. Se guarda en bases de datos vectoriales y se consulta mediante búsqueda por similitud (embeddings). Permite al agente responder con información específica sin necesidad de reentrenar el modelo. — El agente busca en una base de datos vectorialBase de datos vectorial — tipo de base de datos diseñada para almacenar y buscar vectores (embeddings) por similitud semántica. A diferencia de las bases de datos tradicionales que buscan coincidencias exactas, las bases de datos vectoriales encuentran los elementos más parecidos por significado. Ejemplos: Pinecone, Weaviate, Qdrant, MongoDB Atlas. Son esenciales para dar memoria a largo plazo a los agentes de IA y para sistemas de búsqueda semántica.Similar a: Embeddings, Vectores semánticos (Pinecone, Qdrant) la documentación o FAQs relevantes para responder a la consulta actual. No necesita tener la respuesta memorizada: la busca por similitud semántica.
- Generar respuesta — El nodo AI Agent combina el historial de la conversación + la documentación recuperada + el contexto actual y genera una respuesta personalizada.
- Guardar en memoria — El nodo Chat Memory Manager guarda la interacción en PostgresPostgres (PostgreSQL) — sistema de bases de datos relacional de código abierto, uno de los más potentes y utilizados del mundo. En n8n se usa como almacenamiento persistente para datos de aplicaciones, historial de conversaciones (Postgres Chat Memory) y como base de datos principal para workflows que requieren consultas SQL avanzadas. Chat Memory con un ID de sesión, para que la próxima vez que el cliente escriba, el agente sepa exactamente en qué punto se quedó la conversación.
- Responder al cliente — El workflowSecuencia de pasos automatizados que encadenan acciones entre distintas herramientas. Por ejemplo: cuando alguien se suscribe a tu web → se añade a tu lista de email → se crea un registro en tu CRM → recibes una notificación. Los workflows son el corazón de la automatización para autónomos y PYMES. envía el email de respuesta y marca el ticket como gestionado.
Lo mejor: si quieres cambiar de Pinecone a Qdrant o a PostgresPostgres (PostgreSQL) — sistema de bases de datos relacional de código abierto, uno de los más potentes y utilizados del mundo. En n8n se usa como almacenamiento persistente para datos de aplicaciones, historial de conversaciones (Postgres Chat Memory) y como base de datos principal para workflows que requieren consultas SQL avanzadas. como backendBackend — parte de un sistema informático que funciona en el servidor, no visible para el usuario. Gestiona la lógica de negocio, las bases de datos, la autenticación y las integraciones. En herramientas como n8n, el backend procesa los workflows, ejecuta las automatizaciones y se comunica con las APIs. Es lo opuesto al frontend (la interfaz que ve el usuario). vectorial, solo cambias el nodo. El resto del flujo no se toca. Esa es la potencia de n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual.: la memoria es un componente intercambiable, no un bloque monolítico.
Para qué sirve todo esto en la práctica
Un agente con memoria puede recordar preferencias de un cliente, retomar conversaciones exactamente donde se quedaron, buscar en su propia experiencia pasada para resolver problemas recurrentes, y mantener coherencia a lo largo de semanas de interacción. Sin memoria, cada conversación empieza desde cero. Con memoria, tu agente se vuelve útil de verdad.
Y lo mejor de todo: en n8nPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. no necesitas ser ingeniero de machine learning para implementarlo. Es cuestión de arrastrar nodos y conectarlos aunque, no te voy a mentir, sí que necesitas nociones básicas para saber qué estás haciendo.
N8NPlataforma de automatización de código abierto que permite conectar aplicaciones y servicios sin escribir código. Funciona con nodos visuales: arrastras, conectas y ya tienes tu automatización. Se puede instalar en tu propio servidor (self-hosted), lo que significa que tus datos nunca salen de tu control. Alternativa a Make y Zapier, pero sin pagar suscripción mensual. ha conseguido algo que hace años era impensable: facilitar de forma gráfica lo que hace no tanto se podía hacer sólo con conocimientos muy técnicos. Y así es como debería funcionar la tecnología.
Fuente: n8n Blog — AI Agent Memory: Types, Storage, and Retrieval Guide