«Cuando las conclusiones recordadas se convierten en nueva evidencia».
La memoria persistente transforma a un agente de una herramienta que se reexplica constantemente en uno que lleva el contexto hacia adelante; sin embargo, abre un modo de fallo del que el chat sin estado se libra: una interpretación puede convertirse en memoria, recuperarse como hecho y justificar una versión más fuerte de sí misma.
Un cambio seguro más allá de la importación de una sola línea
Migrar un asistente de IA no es lo mismo que copiar la configuración de una aplicación. La parte difícil consiste en preservar la identidad, la memoria, el comportamiento de las herramientas, las tareas programadas y el acceso a los mensajes, evitando que dos pasarelas actúen como el mismo bot.
¿Habilidad, servidor MCP o ambos?
Las habilidades de agentes y los servidores MCP suelen presentarse como formas competidoras de extender un agente de IA. Esa interpretación es incorrecta: una habilidad enseña al agente cómo trabajar, mientras que un servidor MCP le otorga acceso controlado a capacidades en vivo.
Patrones de polling confiables para agentes de IA.
Los agentes de sondeo (polling agents) son una de las partes menos glamurosas de la arquitectura de asistentes de IA, pero también son una de las más útiles.
A2A convierte a los agentes en pares de red.
El Protocolo A2A, siglas de Agent2Agent Protocol (Protocolo de Agente a Agente), es un estándar abierto para la comunicación entre sistemas de agentes de IA independientes.
MCP proporciona herramientas a los agentes. A2A les da pares.
La arquitectura de agentes de IA está comenzando a dividirse en dos capas.
Memoria de trabajo, estructurada y de recuperación para asistentes.
La memoria transforma a los asistentes de reactivos a persistentes, pero también es donde muchos sistemas se deterioran silenciosamente. Los análisis argumentan que la división entre memoria a corto y largo plazo ya no es suficiente para la memoria de agentes modernos; los SDK de OpenAI y LangGraph apuntan a un stack más simple: memoria de trabajo, estado durable y recuperación.
Cómo se construyen realmente los asistentes serios.
Un asistente de IA de producción no es “un LLM con un prompt”. Es un sistema que acepta la intención, mantiene el estado, decide cuándo recuperar o actuar, y expone suficiente detalle de tiempo de ejecución para depurar fallos.
¿Estrellas, tokens, descargas… quién gana realmente?
Los marcos de agentes de IA de código abierto están experimentando una explosión de popularidad en GitHub. Dos proyectos en el centro del ecosistema de sistemas de IA autoalojados — OpenClaw y Hermes Agent — se han adelantado tanto que el resto del campo compite por un distante tercer lugar.
Referencia de ajuste de LLMs agénticos
Esta página es una referencia práctica para la afinación de inferencia de LLMs agentivos (temperatura, top_p, top_k, penalizaciones y cómo interactúan en flujos de trabajo multietapa y con uso intensivo de herramientas).
Ejecuta OpenClaw de forma segura con NemoClaw
La mayoría de las pilas de agentes de IA siguen tratando la seguridad como una corrección posterior a la demostración. NemoClaw parte de la suposición opuesta y establece el aislamiento, la política y el enrutamiento como valores predeterminados desde el primer día.
La política de captura ahora es tan importante como la recuperación.
Actualizado en septiembre de 2026: se han añadido Mnemosyne y Memori, se ha expandido la configuración de Honcho y Hindsight, y se ha añadido una comparación de políticas de captura junto a la tabla de infraestructura original.
Las habilidades que valen la pena conservar y las que hay que omitir
OpenClaw tiene dos historias de extensiones y es fácil confundirlas.
Los complementos (plugins) amplían el tiempo de ejecución. Las habilidades (skills) amplían el comportamiento del agente.
Primero los complementos. Breve denominación de las habilidades.
Este artículo trata sobre los plugins de OpenClaw: paquetes de puerta de enlace nativa que añaden canales, proveedores de modelos, herramientas, voz, memoria, medios, búsqueda web y otras superficies de tiempo de ejecución.
Cómo están realmente estructurados los sistemas OpenClaw
OpenClaw parece simple en las demostraciones. En producción, se convierte en un sistema.
La mayoría de las configuraciones de IA locales comienzan con un modelo y un entorno de ejecución (runtime).
