Una nueva herramienta busca solucionar la pérdida de memoria de la AI en asistentes ejecutivos

Actualizado 21 Sep 2026 · Revisado por el equipo editorial de Zekai

Un nuevo proyecto de GitHub llamado Lossless-memory aborda una frustración común para los usuarios diarios de AI: la tendencia de los modelos a olvidar o resumir interacciones pasadas. Construido por un solo desarrollador llamado Aru junto con una AI llamada Cece, el repositorio ofrece una alternativa a los sistemas de memoria estándar que dependen de notas compactas o fragmentos similares. El desarrollador sostiene que los procesos de resumen estándar omiten la redacción exacta y el tiempo que hacen que los registros pasados sean útiles.

En lugar de comprimir las conversaciones, el sistema convierte cada turno en un registro fijo de siete campos. Estos registros se añaden diariamente en archivos JSONL, funcionando como una fuente de verdad inalterable. El tiempo actúa como el eje principal en lugar de ser solo metadatos, lo que permite que cualquier índice subyacente sea eliminado por completo y reconstruido directamente desde los archivos de registro sin procesar si es necesario.

Para mantener la usabilidad, la herramienta utiliza un pequeño índice de marcadores de temas conocido como LLL. Estas líneas cortas con marcas de tiempo indican cuándo una conversación cambia de tema y se inyectan en el contexto del modelo durante cada turno. Un pequeño demonio maneja la reindexación incremental cada diez minutos por defecto, escaneando archivos fuente reescritos sin requerir nunca una reconstrucción completa desde cero.

Las pruebas prácticas detalladas en la documentación de inicio rápido muestran que los usuarios pueden ingerir conversaciones de muestra, construir los índices necesarios y ejecutar consultas con alcance temporal en aproximadamente cinco minutos. Una prueba de ida y vuelta de pytest cubre exactamente esta ruta funcional. La implementación se ha ejecutado diariamente desde julio de 2026 para un solo usuario, con registros sin procesar que se extienden hasta junio de 2026, basándose en conceptos de diseño que datan de diciembre de 2025.

Para asistentes ejecutivos y profesionales que gestionan proyectos en curso con una AI, el sistema cambia la forma en que se recuperan las decisiones pasadas. En lugar de recibir una paráfrasis de una discusión similar de semanas anteriores, el modelo puede extraer las líneas exactas de un momento específico, como una sesión del martes por la noche, manteniendo el contexto conversacional intacto entre sesiones.

Por qué importa para AI para Productividad Personal y Asistentes Ejecutivos

Los asistentes ejecutivos y profesionales que mantienen diálogos prolongados con asistentes de AI a menudo se enfrentan a la degradación del contexto con el tiempo. Al mantener registros sin procesar y con marcas de tiempo sin resúmenes, esta herramienta de código abierto permite a los asistentes recordar decisiones anteriores exactas y giros de frase específicos, mejorando la continuidad en los flujos de trabajo de productividad diaria.

Qué hacer

• Revisa la documentación de inicio rápido en el repositorio de GitHub para probar el proceso de ingesta.
• Ejecuta la prueba de ida y vuelta de pytest para evaluar la configuración de la memoria en hardware local.
• Examina la documentación de lecciones para comprender los posibles modos de fallo y los requisitos de espacio en disco.

Fuente: Show HN: Lossless-memory – a personal AI memory that never summarizes (github.com)