En su núcleo, Memary proporciona un sistema modular de gestión de memoria adaptado a agentes de modelos lingüísticos grandes. Al abstraer las interacciones de memoria a través de una API común, soporta múltiples backends, incluyendo diccionarios en memoria, Redis para caché distribuido y almacenes vectoriales como Pinecone o FAISS para búsqueda semántica. Los usuarios pueden definir memorias basadas en esquemas (episódicas, semánticas o a largo plazo) y aprovechar modelos de embeddings para rellenar automáticamente los almacenes vectoriales. Las funciones de recuperación permiten recordar memoria relevante durante las conversaciones, mejorando las respuestas del agente con interacciones pasadas o datos específicos del dominio. Diseñado para la extensibilidad, Memary puede integrar backends y funciones de embedding personalizadas, siendo ideal para desarrollar aplicaciones IA robustas y con estado, como asistentes virtuales, bots de atención al cliente y herramientas de investigación que requieren conocimiento persistente a lo largo del tiempo.

Memor ofrece un subsistema de memoria para agentes de modelos lingüísticos, permitiéndoles almacenar incrustaciones de eventos pasados, preferencias del usuario y datos contextuales en bases de datos vectoriales. Soporta múltiples backends como FAISS, ElasticSearch y almacenes en memoria. Con búsquedas semánticas de similitud, los agentes pueden recuperar memorias relevantes basándose en incrustaciones de consultas y filtros de metadatos. Las pipelines de memoria personalizables de Memor incluyen segmentación, indexado y políticas de expulsión, asegurando una gestión escalable y a largo plazo del contexto. Integra esto en el flujo de trabajo de tu agente para enriquecer los prompts con contexto histórico dinámico y mejorar la relevancia en respuestas en interacciones multisesión.