Resumen
Agent Memory: Building Memory-Aware Agents es un curso corto creado en colaboración con Oracle e impartido por Richmond Alake y Nacho Martínez. Tiene nivel intermedio, dura 2h2m e incluye 7 lecciones en video, 4 ejemplos de código y 1 tarea calificada PRO.
La mayoría de los agentes funciona bien en una sola sesión, pero pierde todo al terminarla. El curso aborda la memoria a largo plazo como infraestructura de primera clase: externa al modelo, persistente y estructurada, construida con Oracle AI Database, LangChain y pipelines impulsados por LLM.
El curso enseña a crear un Memory Manager para gestionar distintos tipos de memoria y un sistema de recuperación semántica de herramientas que permite escalar su uso sin saturar la ventana de contexto. Las herramientas se almacenan como memoria procedural en un almacén respaldado por memoria y se recuperan mediante búsqueda semántica, solo cuando son relevantes y en el momento de inferencia.
También se crean pipelines para extraer hechos estructurados de conversaciones, consolidar memoria episódica en memoria semántica y permitir que el agente actualice y refine su memoria de forma autónoma. El agente final carga contexto previo al iniciarse, usa un bucle de razonamiento recursivo y conserva la memoria entre sesiones.
Está dirigido a desarrolladores que construyen agentes de IA y quieren ir más allá de las interacciones de una sola sesión. Se recomienda familiaridad con Python y conceptos básicos de LLM. Los cuestionarios y proyectos adicionales están incluidos con DeepLearning.AI Pro.