Memoria persistente del asistente (Fase 61)

Permite al conversation_assistant (y futuros agentes) recordar discusiones doctrinales pasadas, preferencias del usuario y objeciones ya tratadas — sin perder contexto entre sesiones.

Backends disponibles

Backend	Local-first	Setup	Caso de uso
fake (default)	✓ in-memory	nada	tests, ejecuciones one-shot
sqlite (recomendado)	✓ archivo local	nada (auto-create)	uso personal continuo
letta (opt-in)	✗ requiere server	docker + agent UI	multi-device sync, memoria jerárquica

Elige con env var: export JW_MEMORY_BACKEND=sqlite.

SqliteMemoryStore + cifrado opcional

Default: archivo ~/.jw-agent-toolkit/memory.db (plaintext).

Para cifrar TODO content con Fernet:

# Generar key una sola vez:
python -c "from cryptography.fernet import Fernet; print(Fernet.generate_key().decode())"
# → guardarla EN tu password manager (vault, 1Password)

export JW_MEMORY_KEY="<la-key-generada>"

ATENCIÓN: si pierdes la key, los records cifrados son irrecuperables. El toolkit NO escribe la key a disco ni la sincroniza.

Letta backend

Para memoria jerárquica + multi-device sync:

# 1. Levantar Letta server (Docker)
docker run -p 8283:8283 letta/letta:latest

# 2. Crear agente en Letta UI (http://localhost:8283)
#    Copiar el agent_id

# 3. Setup env vars
export JW_MEMORY_BACKEND=letta
export LETTA_BASE_URL=http://localhost:8283
export LETTA_AGENT_ID=<agent-id-de-letta-ui>
export LETTA_TOKEN=<opcional si auth activo>

# 4. Instalar dep
uv add 'jw-agents[memory-letta]'

Uso desde Python

from jw_agents.memory import build_memory_store
from jw_agents.conversation_assistant import conversation_assistant

memory = build_memory_store()  # respeta JW_MEMORY_BACKEND
result = await conversation_assistant(
    "¿Por qué los TJ no aceptan transfusiones?",
    language="S",
    session_id="conversation-2026-06-04",
    memory=memory,
)

Uso desde MCP / Claude

@jw-agent-toolkit memory_record
  session_id: conversation-2026-06-04
  kind: preference
  content: El usuario prefiere explicaciones cortas con 2-3 citas máximo

@jw-agent-toolkit memory_recall
  session_id: conversation-2026-06-04
  query: transfusiones

Auto-recap de sesiones previas (F61.8)

Al iniciar una nueva sesión, el agente recap_previous_session genera un resumen procedural (sin LLM en el camino crítico) de las sesiones previas del usuario. Útil para preguntar “¿continuamos con la sesión de ayer?”.

from jw_agents import recap_previous_session
from jw_agents.memory import build_memory_store

memory = build_memory_store()
result = await recap_previous_session(
    memory=memory,
    current_session_id="conversation-2026-06-05",
    limit=5,                   # hasta 5 sesiones previas
    max_excerpts_per_kind=3,   # 3 excerpts por kind
)
for finding in result.findings:
    print(finding.summary)
    print(finding.metadata["excerpts_by_kind"])

Vía MCP:

@jw-agent-toolkit recap_previous_session
  current_session_id: conversation-2026-06-05
  limit: 5

El output es un AgentResult con un Finding por sesión previa (ordenadas por timestamp desc) — cada Finding lleva summary, excerpt y metadata.excerpts_by_kind para que un LLM downstream pueda generar narrativa rica si lo desea.

Privacy first

• TODO el storage es local (sqlite) por default.
• El cifrado Fernet es opt-in (env var) — no en path crítico.
• forget(session_id) borra inmediatamente, sin papelera ni sync.
• El toolkit NO sube records a la nube en ningún backend (Letta opcionalmente los expone vía API, pero esa decisión queda en el usuario).
• JW_MEMORY_DB apunta a archivo local; el usuario puede backupearlo manualmente (recomendado: junto con sus notas Obsidian del F20).