Una guía práctica para crear agentes de IA con Java y Spring AI - Parte 2 - Agregar memoria

En la Parte 1 de esta serie construimos un agente de IA funcional con Java, Spring AI y Amazon Bedrock, pero descubrimos una limitación crítica: el agente no recordaba conversaciones previas, lo que afecta la experiencia del usuario y la utilidad en escenarios reales como soporte al cliente o asistentes de viajes. En esta segunda entrega implementamos una arquitectura de memoria en tres niveles que aporta contexto a corto plazo y conocimiento persistente de los usuarios, y la traducimos a una solución práctica y preparada para producción.

Resumen de la solución: implementamos memoria de sesión para el flujo conversacional inmediato, memoria de contexto para resúmenes históricos y memoria de preferencias para datos persistentes del usuario. Todas las capas se persisten en PostgreSQL usando la opción JDBC de Spring AI para garantizar confiabilidad ACID y facilidad de migración a servicios gestionados como Amazon Aurora.

Por qué una arquitectura de tres niveles: cada capa tiene un propósito distinto. La memoria de sesión mantiene las 20 últimas interacciones para mantener coherencia en la conversación. La memoria de contexto almacena hasta 10 resúmenes de conversaciones largas para recuperar qué temas y decisiones se han tratado. La memoria de preferencias guarda información estable del usuario, por ejemplo nombre, email y restricciones dietéticas. Separar estas capas permite actualizaciones eficientes y evita que datos permanentes se pierdan o se mezclen con el contexto efímero.

Tecnología y flujo general: usamos MessageWindowChatMemory de Spring AI con un repositorio JDBC sobre PostgreSQL. Para desarrollo reproducible empleamos Testcontainers con un contenedor PostgreSQL que facilita arrancar una base de datos sin instalaciones manuales y que puede reutilizarse entre ejecuciones. En producción se recomienda apuntar a una instancia gestionada mediante variables de entorno sin cambiar código.

Arquitectura funcional: al recibir una primera solicitud para una conversación se carga automáticamente el resumen de contexto y las preferencias del usuario, se inyectan como mensaje de sistema y se procede a procesar y almacenar la respuesta del modelo. Cuando la conversación supera la ventana de sesión se ejecuta un proceso de resumen que extrae dos salidas separadas: preferencias actualizadas y resumen de contexto con marca temporal. Ambos se guardan en sus respectivas capas y la sesión se limpia para empezar un nuevo bloque conversacional.

Servicios clave: ChatMemoryService orquesta la carga y almacenamiento entre las tres memorias. ConversationSummaryService llama al modelo para generar resúmenes y separa preferencia y contexto, guardando solo lo necesario. El controlador expone endpoints para enviar mensajes y para lanzar la operación de resumen, además de soportar manejo multiusuario por identificador, lo que permite aislamiento entre perfiles.

Pruebas y flujo de usuario: con Testcontainers es fácil validar el ciclo completo. Ejemplos de uso incluyen presentar al agente a un usuario, compartir planes de viaje y luego invocar el endpoint de resumen. Tras el resumen el agente recuerda la información persistente del usuario y puede contestar preguntas como cual es el email del usuario o qué viajes recientes ha planeado, mientras respeta el aislamiento entre usuarios distintos.

Ventajas operativas: persistencia en PostgreSQL proporciona resiliencia y consistencia en producción. Testcontainers acelera desarrollo y pruebas. La separación entre sesión, contexto y preferencias mejora eficiencia y privacidad, y facilita la auditoría y el control de datos. Al desplegar en la nube se recomienda integrar con soluciones gestionadas de bases de datos y con servicios cloud para IA y almacenamiento.

Buenas prácticas de despliegue: configure variables de entorno para la cadena JDBC, usuario y contraseña y considere servicios gestionados de AWS o Azure para la base de datos y la infraestructura de modelo. Para entornos productivos se puede migrar sin cambios de código a una base gestionada como Amazon Aurora o instancias administradas en Azure.

Cómo ayuda Q2BSTUDIO: en Q2BSTUDIO somos especialistas en desarrollo de software a medida y en crear soluciones IA para empresas. Nuestro equipo combina experiencia en aplicaciones a medida, ciberseguridad, servicios cloud aws y azure, y proyectos de inteligencia de negocio como integraciones con power bi. Si necesita desarrollar agentes IA personalizados o integrar inteligencia artificial en sus procesos, podemos diseñar la arquitectura, desarrollar e implementar la solución. Conozca nuestros servicios de desarrollo de aplicaciones y software a medida en desarrollo de aplicaciones y software a medida y descubra nuestras capacidades en Inteligencia Artificial para empresas.

Palabras clave y posicionamiento: esta guía aborda temas relevantes para empresas que buscan soluciones de aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi. Integrar una memoria de varios niveles en un agente IA incrementa la personalización, reduce fricción en la interacción y abre la puerta a casos de uso avanzados como asistentes de ventas, soporte técnico y automatización de procesos.

Siguientes pasos recomendados: añadir una capa de conocimiento empresarial conectada a políticas y documentos internos para permitir respuestas a preguntas como cual es el presupuesto hotelero por país; integrar búsqueda semántica y vectores para enlazar políticas; habilitar control de acceso y encriptación para ciberseguridad y cumplimiento; y conectar pipelines de BI para medir adopción y ROI con herramientas como Power BI.

Conclusión: la arquitectura de memoria en tres niveles convierte un agente de IA básico en una plataforma conversacional útil y confiable para empresas. Si su proyecto requiere agentes IA, integración con servicios cloud, automatización o soluciones seguras y escalables, en Q2BSTUDIO podemos ayudarle a construir, desplegar y operar la solución completa, desde la capa de datos hasta la experiencia conversacional.

Contacto y ayuda: si desea una consultoría para evaluar cómo aplicar esta arquitectura en su organización o necesita un prototipo funcional, solicite soporte con nuestro equipo y descubra cómo transformar procesos con IA, ciberseguridad y servicios cloud integrados.