Files
unibots/dev/issues/completed/0002-bot-memory.md
T
agent fc644ecd6e feat: import agents_and_robots platform as unibots (Matrix-out, unibus transport)
Reemplaza el scaffold del echobot por la plataforma completa de bots traida
desde ~/DataProyects/Github/agents_and_robots tras la operacion Matrix-out:
los bots ya no hablan por Matrix sino por el bus unibus (modelo todo-rooms +
E2E via shell/transportunibus sobre github.com/enmanuel/unibus/pkg/client).

- go.mod: replace de unibus -> ../unibus y de fn-registry -> ../../../.. (paths
  relativos reajustados a la nueva ubicacion dentro de fn_registry).
- app.md: bump a 0.2.0, descripcion + arquitectura + comandos + gotchas reales.
- modulo Go conservado como github.com/enmanuel/agents (sin reescribir imports).

agents_and_robots queda archivado como museo de la era Matrix.
2026-06-07 11:50:13 +02:00

96 lines
2.7 KiB
Markdown

# Plan: Memoria para los bots
## Objetivo
Que cada bot recuerde conversaciones anteriores, hechos importantes sobre usuarios
y contexto de salas. Memoria a corto plazo (ventana de conversación) y largo plazo
(SQLite persistente).
## Estado: completado ✓
---
## Tipos de memoria
### 1. Memoria de conversación (corto plazo)
- Ventana deslizante de `N` mensajes por room
- Se pasa como historial al LLM en cada llamada
- Vive en RAM; se pierde al reiniciar (aceptable)
### 2. Memoria episódica (largo plazo)
- Hechos extraídos de conversaciones: nombre del usuario, preferencias, eventos
- Guardados en SQLite (`agents/<id>/data/memory.db`)
- El LLM puede leer y escribir hechos mediante herramientas (`remember`, `recall`)
---
## Diseño capa pura (`pkg/memory/`)
```go
// Tipos puros — sin I/O
type Message struct {
Role string // "user" | "assistant"
Content string
At time.Time
}
type Fact struct {
Subject string
Key string
Value string
At time.Time
}
// Ventana de conversación
type Window struct {
RoomID string
Messages []Message
MaxSize int
}
func (w Window) Append(m Message) Window { ... } // pura
func (w Window) ToLLMMessages() []llm.Message { ... } // pura
```
## Diseño capa shell (`shell/memory/`)
```go
// Acceso a SQLite — impuro
type Store interface {
SaveFact(ctx, agentID, fact) error
GetFacts(ctx, agentID, subject) ([]Fact, error)
GetHistory(ctx, agentID, roomID, limit) ([]Message, error)
AppendMessage(ctx, agentID, roomID, msg) error
}
```
---
## Herramientas LLM para memoria
- `remember(subject, key, value)` — guardar un hecho
- `recall(subject, key)` — recuperar hechos sobre alguien/algo
- `forget(subject, key)` — borrar un hecho
---
## Integración con el flujo actual
1. `agents/runtime.go` mantiene un `map[roomID]memory.Window` en RAM
2. Antes de llamar al LLM, inyectar historial de la ventana al request
3. Después de la respuesta, hacer `Append` con el mensaje del bot
4. Las herramientas `remember`/`recall` van al `Store` SQLite
---
## Archivos a crear/modificar
- `pkg/memory/types.go` — Message, Fact, Window (puros)
- `pkg/memory/window.go` — operaciones sobre Window (puras)
- `shell/memory/sqlite_store.go` — Store SQLite
- `shell/memory/migrations/001_init.sql` — schema
- `agents/runtime.go` — inyectar historial antes del LLM call
- `agents/<id>/agent.go` — registrar herramientas remember/recall
## Notas
- Schema SQLite: tabla `facts(agent_id, subject, key, value, updated_at)`,
tabla `messages(agent_id, room_id, role, content, created_at)`
- El tamaño de la ventana se configura en `storage.max_context_messages`
(añadir al schema de config)