En «Del rigor en la ciencia», un cuento de un solo párrafo, Jorge Luis Borges imagina un imperio cuyos cartógrafos hacen un mapa tan detallado que tiene el tamaño del propio imperio. Las generaciones siguientes lo juzgan inútil y lo abandonan a la intemperie: en los desiertos del Oeste quedan sus ruinas. Anthropic recurre a ese cuento en su estudio sobre la memoria de los agentes: a partir de diez documentos, Claude escribió una wiki casi el doble de grande que los propios documentos.
Un agente aprende más cuando su memoria es pequeña, la decide él y la revisa contra lo que pasó de verdad. Con los modelos más capaces, darle reglas fijas sobre qué guardar le resta.
Las cuatro capas de la memoria de un agente
El estudio de Anthropic llama memoria de un agente a lo que aprende de su experiencia y conserva entre sesiones, guardado como texto que puede leer después. La ordena en cuatro capas, de la más completa a la más resumida:
La idea viene de la memoria humana. El hipocampo registra lo que vivimos y, mientras dormimos, una parte se consolida como conocimiento. El estudio propone lo mismo para un agente y lo llama soñar: un proceso fuera de la sesión en el que el agente relee sus registros, corrige errores y reescribe sus notas.
La memoria ayuda más a los modelos que cierran el ciclo
La primera prueba es una tarea de bases de datos. Cada pregunta se responde en una sesión nueva, pero el modelo puede leer y escribir una carpeta de memoria, y después de cada respuesta le dicen la solución correcta. Esta es la puntuación media, con memoria y sin ella:
| Modelo | Sin memoria | Con memoria |
|---|---|---|
| Opus 5.5 | 0,655 | 0,838 |
| Sonnet 5.5 | 0,644 | 0,833 |
| Opus 5 | 0,564 | 0,828 |
| Opus 4.7 | 0,383 | 0,700 |
| Sonnet 5 | 0,306 | 0,610 |
| Sonnet 4.6 | 0,330 | 0,364 |
Sonnet 4.6 casi no gana nada, y el estudio explica por qué. Apuntaba teorías, pero no las comprobaba con la solución correcta. Opus 5 fue el primero en cerrar el ciclo: escribía reglas, de dónde salía cada una y avisos sobre las trampas de la tarea. La memoria sirve cuando el modelo usa lo que pasó para corregir lo que apuntó.
Guardar menos, pero lo que no se ve
La segunda prueba es jugar a Pokémon Rojo con una carpeta de notas, unos 10.000 pasos por modelo:
- Claude Sonnet 3.7 escribió 413 archivos en 225 carpetas y consiguió una medalla. Apuntaba cada combate, cada objeto y cada personaje, y esas notas se quedaban viejas enseguida. Hacia el paso 10.000 pasó 17 pasos creando y borrando archivos sin jugar.
- Claude Fable 5 escribió 10 archivos y consiguió cuatro medallas. Solo guardaba lo que no podía leer en la pantalla: la estrategia, los planes y las reglas que había comprobado.
- Claude Opus 5.5 usó una carpeta pequeña con su objetivo y sus siguientes pasos, la reescribió mientras jugaba y se pasó el juego.
Una de las reglas que apuntó Fable 5 enseña qué merece guardarse: después de siete capturas fallidas seguidas, cambia el momento, porque la captura salió justo al hacerlo. No es un dato del juego. Es algo que aprendió.
Las reglas fijas sobre qué guardar estorban a los modelos capaces
El estudio probó a decirle al modelo qué debía guardar. Con la orden «apunta solo los fallos», lo que ganaba con la memoria bajó en todos:
| Modelo | Cambio en lo que gana con la memoria |
|---|---|
| Opus 5 | −0,234 |
| Opus 4.7 | −0,150 |
| Sonnet 4.6 | −0,020 |
Cuanto más capaz es el modelo, más le resta la regla. Lo que funcionó con Opus 5 y Opus 4.7 fue decirles solo que tenían una carpeta de memoria. La conclusión del estudio es explicarle para qué sirve la memoria, no cómo usarla.
Con Sonnet 4.6 pasó lo contrario. Pedirle que leyera la memoria antes de responder y que comprobara sus teorías subió su puntuación de 0,364 a 0,641. Un modelo antiguo necesita las instrucciones que a uno nuevo le sobran. Es la misma idea de cuándo quitar reglas del CLAUDE.md: una regla se escribe para un modelo concreto.
Soñar: revisar las notas contra lo que pasó
Una nota equivocada es peor que no tener nota. En Pokémon, Claude apuntó que el Centro Pokémon estaba al otro lado del monte Moon, escribió «Mt Moon DONE» y saltó un desnivel que no tenía vuelta atrás.
Al soñar, Claude comparó la nota con la transcripción y la reescribió. La partida con la nota corregida volvió a la cueva y llegó a Ciudad Celeste. La que conservó la nota original cayó tres veces al mismo sitio y no llegó nunca. Según el estudio, la transcripción le dio a Claude una verdad contra la que validar su memoria.
Una wiki ayuda hasta que se convierte en el mapa de Borges
En las pruebas con documentos, el agente organizó lo que leía en una wiki. Con preguntas que cruzan varios documentos, ayudó: en unos informes legales sobre fusiones, Claude cumplió el 87 % de los criterios con la wiki, frente al 73 % solo con búsqueda. Con preguntas que se responden en un único documento, la wiki no mejoró nada.
Y puede crecer sin control. A partir de diez documentos que sumaban 115 KB, una wiki llegó a 68 páginas y 203 KB, 1,77 veces más que los documentos. Según el estudio, una wiki así no abstrae nada.
El arreglo vino de cambiar las instrucciones de cómo construirla. Varios agentes escribían en una misma tabla de cláusulas y se pisaban unos a otros, y el informe final recogía 41 de los 57 datos que se evaluaban. Con una página por contrato, escrita por un solo agente y citando las cláusulas al pie de la letra, recogió los 57.
Lo que se carga en cada sesión, pequeño
El contexto inyectado se lee en todas las sesiones, así que cuesta tokens siempre. Y si una nota está mal, el error llega a todas. El estudio cita la recomendación de Claude Code de que los archivos de instrucciones largos se siguen peor, y cuenta que la memoria automática de Claude Code solo carga las primeras 200 líneas o 25 KB de su MEMORY.md, que funciona como índice.
Lo que propone es bajar el detalle a las capas inferiores y dejar arriba solo un enlace. Por eso mis CLAUDE.md son cortos y funcionan como un índice: tienen las reglas siempre activas y una tabla que dice qué archivo leer para cada tarea. La memoria automática que escribe el agente la reviso y la podo: borro o corrijo las notas que dejan de valer.
Qué me llevo para mis agentes
Para un modelo actual, la memoria se configura con poco:
- Decirle para qué sirve, no cómo usarla. Que exista una carpeta de memoria y para qué está. Sin reglas sobre qué guardar.
- Revisar las notas contra los registros. Una nota que no coincide con lo que pasó se corrige o se borra.
- Mantener pequeño lo que se carga siempre. Un índice arriba, el detalle abajo.
Con un modelo antiguo, al revés: pídele de forma explícita que lea su memoria antes de responder y que compruebe lo que apunta.
Las cifras tienen límites. Las pruebas de Pokémon son una sola partida por modelo, y el estudio no dice cuántas veces repitió la de bases de datos ni en qué escala va su puntuación. Los propios autores reconocen que todavía les queda mucho por aprender sobre cómo diseñar la memoria de Claude.