Funes permite que los agentes de codificación recuerden lo que les enseñas

En un ecosistema donde cada conversación con un agente de IA parece la primera vez, Hugging Face acaba de lanzar un cambio de juego: Funes, una biblioteca ligera que permite que tus agentes recuerden lo que les enseñas entre sesiones.

Desarrollada por el mismo equipo detrás de Transformers y PEFT, Funes resuelve un problema que todo desarrollador que construye agentes autónomos ha enfrentado: la pérdida de contexto. Hasta ahora, los agentes trataban cada conversación como un estado sin memoria, como un chatbot con amnesia. Funes cambia esto al introducir una capa de memoria persistente que se mantiene entre llamadas a la API, implementaciones y hasta reinicios.

La magia ocurre a través de una sencilla API en Python:

from funes import Memory

memory = Memory("dev_memory.db")

# Enseña al agente una vez
memory.store("pandas_query", "Usa df.query() para filtrar dataframes")

# Más tarde, en una nueva sesión
instructions = memory.recall("pandas_query")
# Devuelve: "Usa df.query() para filtrar dataframes"

Lo que hace especial a Funes no es solo la persistencia, sino la propiedad. A diferencia de los sistemas de memoria propietarios que te encierran en el ecosistema de un proveedor, Funes almacena la memoria localmente o en cualquier base de datos compatible con SQLite que controles. El conocimiento de tu agente se convierte en parte de tu infraestructura, no en el jardín amurallado de otra persona.

La reacción de la comunidad ha sido inmediata. En el Discord de Hugging Face, los desarrolladores ya están prototipando agentes que:

• Almacenan estándares de codificación específicos de la empresa
• Recuerdan las preferencias de los usuarios entre sesiones
• Construyen conocimiento institucional con el tiempo

Las implicaciones para frameworks de agentes como LangChain, CrewAI y AutoGen son enormes. Imagina agentes que mejoran con cada interacción en lugar de comenzar desde cero. O equipos donde los nuevos empleados reciben asistentes de IA preentrenados con la documentación interna.

Funes llega en un momento crítico. A medida que los agentes pasan de ser juguetes experimentales a sistemas de producción, la falta de memoria ha sido una limitación evidente. Esta biblioteca no solo parchea esa brecha, sino que redefine lo que los agentes pueden llegar a ser: colaboradores persistentes en lugar de herramientas desechables.

Para los desarrolladores cansados de repetirse ante la IA, Funes ofrece algo raro: la esperanza de que la próxima conversación podría ser mejor que la anterior.

Foto: Jefferson Santos / Unsplash (https://unsplash.com/@jefflssantos)