Memoria de proyecto entre sesiones
Vuelve a las conversaciones de Claude Code y Codex. Incorpora las notas del proyecto y los documentos de traspaso al contexto disponible para la siguiente sesión.
Memoria persistente · Continuidad del contextoContexto persistente del proyecto para la IAv2.3.1
En cada nueva sesión,
retoma el trabajo
con tu proyecto.
Añade memoria de proyecto al ritmo de tu desarrollo con IA. Reúne conversaciones, código, decisiones y tareas en un mismo contexto. Avanza con Claude Code y Codex aprovechando el trabajo anterior.
Núcleo local
Integración MCP
Contexto con sus fuentes
La red de conocimiento de tu proyectoMEMORIA LOCAL DEL PROYECTO
Elige un ejemplo y sigue el recorrido de la información.
«¿Dónde nos quedamos en el proyecto de procesamiento de imágenes?»
devam_etEl conocimiento acumulado de tu proyecto
ConversacionesClaude Code y Codex
Historial de sesiones
Historial de sesiones
Documentos y notas de conocimientoNotas de traspaso · Lecciones
Biblioteca técnica
Biblioteca técnica
Código fuenteArchivos del proyecto
Clases y funciones
Clases y funciones
Se importan textos y referencias a las fuentes. El cuerpo del código permanece en sus archivos originales; se indexa su ubicación.
Memoria local · SQLite
Ruta del texto Conversaciones · Secciones de documentos
La búsqueda encuentra texto relevante y evidencias del trabajo anterior.
Nota ilustrativa: «La validación del preprocesamiento está pendiente».
Red de relaciones Selecciona un nodo
Decisión: Consulta su motivo, la ubicación del código donde se aplica y el paso de trabajo relacionado.
El texto de las conversaciones sigue una ruta de información independiente. No todos los mensajes son nodos del grafo.
Contexto según la necesidad
RESULTADO MCP · INFORMACIÓN SELECCIONADA
- Tarea actual y paso pendiente
- Decisiones persistentes relevantes
- Contexto del trabajo reciente
Claude Code / Codex
La nueva sesión comienza con las tareas abiertas y las decisiones persistentes.
Contexto temporal de la sesión de IASi se necesita un fragmento de código, kod_getir=true lo recupera del archivo original. La IA examina la fuente actual antes de realizar un cambio.
Las nuevas decisiones y los avances de las tareas vuelven a la memoria local.
hafiza_yaz / gorev_guncelle guarda un registro persistente · Disponible de nuevo en la siguiente sesiónUn contexto inicial menor · Ejemplo de CAM de gran tamaño
Misma escala · Un 96,47 % menos de tokens estimados · Uno de cuatro ejemplos locales; sin lecturas adicionales. No es una medición con un tokenizador real ni de una factura.
Explora los cuatro pasos de este ejemploAñade lecturas adicionales y calcula la diferencia de tokensEmpieza con un resumen y busca los detalles necesarios. Las lecturas adicionales aumentan el volumen del contexto.
Dentro de tu flujo diario de desarrollo con IA
Claude CodeCodexMCP · Model Context Protocol
01Descripción general
El código avanza.
El contexto del proyecto debe avanzar con él.
Una decisión tomada en una sesión de IA puede volver a debatirse en la siguiente. El motivo de un experimento de Deep Learning puede quedar en el historial de conversaciones. Un error resuelto en una canalización de procesamiento de imágenes puede volver a investigarse semanas después.
KSOTechGraphBase incorpora este conocimiento a una memoria persistente del proyecto . Los registros de conversaciones compatibles, documentos de traspaso, índice de código, decisiones y tareas se reúnen en el contexto del proyecto. Inicia una nueva sesión con un resumen breve, busca información relevante y vuelve a las fuentes del trabajo anterior.
Memoria de agentes de IA + ingeniería del contextoAñade una capa de memoria a tus herramientas de desarrollo con IA para que puedan utilizar el historial del proyecto. Las sesiones de Claude Code y Codex del mismo equipo pueden acceder al conocimiento compartido del proyecto.
02Capacidades principales
De la información dispersa
a una inteligencia de proyecto útil.
Seis capacidades principales para el desarrollo de software, la investigación en IA y la automatización de ingeniería que hacen que el historial de trabajo se pueda buscar, conectar y reutilizar.
Orientación en el código
Encuentra archivos, clases y funciones mediante el índice de código. Accede a las ubicaciones relevantes y, cuando sea necesario, a fragmentos de código para mantener el foco en tu flujo de desarrollo.
Inteligencia del código · Exploración enfocadaContinuidad de decisiones y tareas
Registra decisiones técnicas, reglas, requisitos y notas sobre errores. Lleva la tarea actual, los pasos completados y el trabajo pendiente a la siguiente sesión.
Inteligencia de decisiones · Continuidad del trabajoContexto relacionado mediante un grafo de conocimiento
Explora las relaciones entre decisiones, tareas, archivos y otros registros del proyecto. Cuando encuentres información, examina también el trabajo relacionado.
Grafo de conocimiento · Información conectadaLecciones y biblioteca técnica
Añade causas raíz, soluciones duraderas y notas técnicas a la memoria del proyecto. Convierte lo aprendido en los experimentos en conocimiento reutilizable mediante categorías y etiquetas.
Lecciones aprendidas · Reutilización del conocimientoPanel local y visibilidad
Explora la memoria, los resultados de búsqueda, las tareas y el grafo en el panel del navegador. Comprueba la procedencia de las fuentes, el estado de conexión y la actualidad de la información.
Experiencia de desarrollo · Observabilidad03Flujo de trabajo
Recopila. Conecta.
Recupera. Continúa.
La memoria del proyecto crece dentro de tu ciclo de desarrollo. Las actualizaciones en segundo plano y las herramientas de registro directo conectan el trabajo anterior con la nueva sesión.
Reúne el conocimiento de tu proyecto
Los registros de sesiones compatibles, documentos del proyecto, índice de código fuente, lecciones y notas técnicas constituyen las fuentes de la memoria.
Historial de conversaciones · Conocimiento del proyectoConecta la información con el contexto de trabajo
Relaciona decisiones, ubicaciones del código y tareas dentro del proyecto correspondiente. Evalúa las relaciones explícitas junto con la información histórica.
Grafo de conocimiento · ProcedenciaRecupera el contexto relevante cuando lo necesites
Solicita un resumen del proyecto, busca una decisión anterior o localiza código mediante herramientas MCP. Trabaja con una salida seleccionada para ajustarse al presupuesto de contexto.
Recuperación del contexto · Flujo de desarrolloRegistra el resultado del nuevo trabajo
Añade decisiones persistentes y el estado de las tareas a la memoria. Prepara el conocimiento para la siguiente sesión con nuevas lecciones y notas técnicas.
Continuidad · Conocimiento reutilizable
Las conversaciones nuevas o modificadas y los documentos compatibles se actualizan en segundo plano. Se puede comprobar la actualidad del índice de código; el primer análisis completo y las actualizaciones se pueden iniciar con herramientas locales cuando sea necesario.
04Grafo de conocimiento
¿Cómo recorre una pregunta
la memoria?
Los archivos originales del proyecto, la memoria local persistente y el contexto entregado a la sesión de IA cumplen funciones diferentes. Elige un ejemplo y sigue la información desde su fuente hasta el contexto de trabajo en cuatro pasos.
La pregunta de este ejemplo«¿Dónde nos quedamos en el proyecto de procesamiento de imágenes?»
- Registros de sesionesConversaciones de Claude Code / CodexDocumentos del proyectoNotas de traspaso, lecciones y notas técnicasCódigo fuenteArchivos, clases y funciones
Los documentos y el código permanecen en sus propios archivos del proyecto.
Importación / indexación del código - En tu equipo · SQLiteRegistros, índice de código y red de conocimiento
Decisiones, tareas, secciones de documentos, lecciones y ubicaciones del código.
DecisiónCódigoTexto de las conversacionesSe selecciona información para la consultaLos fragmentos relevantes de conversaciones anteriores se encuentran mediante búsqueda de texto.
- RESULTADO DE LA HERRAMIENTA MCP
- Tarea actual y paso pendiente
- Decisiones persistentes relevantes
- Contexto del trabajo reciente
devam_etEl resumen inicial utiliza información seleccionada del conocimiento acumulado del proyecto.
Se añade al contexto de la sesión de IA - Claude Code / Codex
La nueva sesión comienza con las tareas abiertas y las decisiones persistentes.
Contexto temporal de la sesiónEl cliente de IA y su servicio de modelos son componentes independientes del núcleo de memoria local.
Paso 1 / 4 · Iniciar una nueva sesión
El conocimiento del proyecto procede de las fuentes originales.
¿Qué hay aquí?
Sesiones anteriores, documentos del proyecto y archivos de código fuente.
¿Qué ocurre en este ejemplo?
Las conversaciones, notas de traspaso y ubicaciones del código del trabajo anterior se convierten en fuentes de la memoria.
¿Qué pasa al siguiente paso?
Textos de conversaciones y documentos, referencias a las fuentes e información del índice de código.
devam_et({"proje": "Proje Atlas"})Guardar de nuevo en la memoria local: Una nueva decisión persistente o el estado de una tarea,
hafiza_yaz / gorev_guncelle se incorpora al conocimiento disponible para la siguiente sesión mediante esta llamada.¿Dónde se almacena la información?
| Tipo de información | Fuente original | Almacenado en la memoria local |
|---|---|---|
| Conversaciones | Archivos de sesiones de Claude Code / Codex | Texto extraído del usuario y del asistente; rol, fecha y hora e información de la fuente |
| Documentos y lecciones técnicas | Documentos Markdown del proyecto | Secciones seleccionadas, encabezados, referencias a las fuentes e información sobre su actualidad |
| Decisiones y tareas | Registro de documento o llamada directa a una herramienta | Texto y estado de la decisión; tarea actual, trabajo completado y pendiente |
| Código fuente | Código completo en los archivos del proyecto | Ubicaciones de archivos y símbolos, firmas, descripciones breves y rangos de líneas |
| Red de conocimiento | Relaciones entre registros del proyecto | Enlaces entre decisiones, tareas, archivos, símbolos, lecciones y fuentes técnicas |
Las evidencias de las conversaciones y el contexto del grafo se reúnen. Los fragmentos de conversaciones proceden de la búsqueda de texto; las decisiones, tareas e información del código relacionadas proceden de la red de conocimiento. No todos los mensajes de una conversación son nodos del grafo.
El código se obtiene del archivo original cuando se necesita. kod_getir=true recupera el fragmento de código relevante del archivo indicado por el índice. La actualidad del índice importa; se comprueba el archivo fuente actual antes de realizar un cambio.
Distinguir las decisiones actuales de las antiguas y seguir las referencias a las fuentes ayuda a evaluar la información histórica. Las relaciones extraídas del texto pueden incluir interpretaciones. El proyecto, las preguntas y los fragmentos de contexto de estos ejemplos son ilustrativos.
Compara el efecto del contexto seleccionado en los tokens · Volver a la red de conocimiento de arriba05Desarrolladores & MCP
Ingeniería del contexto,
en tu flujo diario de desarrollo.
MCP permite al cliente de IA llamar a las herramientas de la memoria del proyecto. Con KSOTechGraphBase, conecta el inicio de nuevas sesiones, la exploración del código y el registro de decisiones a la misma capa de memoria.
01 / Retomar el proyecto
// Llamada ilustrativa a una herramienta MCP devam_et({ "proje": "Proje Atlas" })
02 / Consultar una decisión anterior
// Llamada ilustrativa a una herramienta MCP hafiza_ara({ "proje": "Proje Atlas", "sorgu": "ön işleme kararı", "konusma_dahil": true })
| Herramienta | Función en el flujo de desarrollo |
|---|---|
devam_et | Obtén un resumen inicial breve con la tarea actual, la información persistente del proyecto y el contexto del trabajo reciente. |
hafiza_ara | Consulta decisiones e información del proyecto. Incluye conversaciones y sesiones de automatización en la búsqueda mediante opciones. |
kod_ara | Encuentra la ubicación de un archivo, clase o función; solicita un fragmento de código relevante cuando lo necesites. |
hafiza_yaz | Guarda una decisión, regla, requisito, error o nota con título y contenido en el proyecto correspondiente. |
gorev_guncelle | Actualiza la tarea actual, los pasos completados y el trabajo pendiente para la siguiente sesión. |
Los ejemplos muestran los nombres de las herramientas MCP y la estructura de los parámetros; no requieren un SDK de JavaScript independiente. Las llamadas las realiza el cliente de IA. También se puede generar un resumen del proyecto desde la línea de comandos sin una llamada a la IA.
Un proyecto, conocimiento compartidoUna decisión persistente registrada con Claude Code también se puede consultar en una sesión de Codex del mismo equipo. La selección del proyecto determina a qué contexto de trabajo pertenece la información.
06Eficiencia del contexto
De un historial extenso
a un contexto de trabajo enfocado.
Empieza con un resumen seleccionado en lugar de leer todos los documentos de traspaso extensos en cada sesión. Cuando necesites detalles, consulta por separado la decisión, conversación o ubicación del código relevante.
Trabaja con un presupuesto de contexto
Las tareas y la información persistente del proyecto contribuyen al contexto inicial. El presupuesto de salida limita las repeticiones innecesarias y deja espacio para información relevante.
Recuperación selectivaAccede a información del proyecto en turco
La búsqueda normaliza mayúsculas, minúsculas y variantes de caracteres turcos. Por ejemplo, las grafías «görüntü» y «goruntu» permiten acceder a la misma información.
Búsqueda compatible con el turcoCómo afecta la selección al contexto
Compara el texto completo del traspaso con el resumen + lecturas adicionales enfocadas en la misma escala.
Resumen breveBúsqueda enfocada / lectura de código
Contexto estimado reducido54.740Menos tokens de contexto de entrada en 1 sesión
Reducción del contexto96,47 %El número de sesiones cambia la diferencia total, no el porcentaje.
Comparación: texto completo del traspaso × número de sesiones frente a (resumen + lecturas adicionales) × número de sesiones. Puedes cambiar los valores según tus propias hipótesis de trabajo.
Alcance de la medición: Se compararon documentos completos de traspaso con resúmenes breves en cuatro ejemplos de desarrollo locales; el contexto inicial se redujo aproximadamente un 48–96 %. No son valores de consumo medidos con el tokenizador real del modelo ni con una factura de API. Las lecturas adicionales y el número de sesiones de esta visualización son valores del escenario que tú eliges.
Se excluyen las instrucciones del sistema y las herramientas, el resto de la conversación, la salida del modelo y los precios del proveedor. Más resultados de búsqueda o más lectura de código aumentan el contexto total; muchas lecturas adicionales pueden reducir o invertir la ventaja.
07Visibilidad para desarrolladores
Observa qué ocurre
dentro de tu memoria.
El panel local del navegador permite explorar registros, conversaciones, tareas y conexiones en conjunto. Las conexiones de herramientas, la actualidad de la información y el estado de las copias de seguridad permanecen visibles en el uso diario.
MemoriaBuscarTareaRedDiagnósticoProyectos
Rastros de las fuentes y diagnóstico
Explora la procedencia de las fuentes, los indicadores de registros antiguos y las relaciones del grafo. Consulta el contexto entregado, el volumen estimado de tokens, el uso reciente de herramientas y el estado de conexión.
Sesiones humanas y de automatización
Las sesiones de automatización se excluyen de las conversaciones recientes y de la búsqueda de conversaciones de forma predeterminada; se pueden incluir si se solicita. Las sesiones de procedencia desconocida permanecen visibles.
La clasificación de sesiones utiliza información de procedencia de los archivos fuente. El contenido del mensaje por sí solo no se utiliza para decidir que una conversación es automatizada.
08Arquitectura con prioridad local
La memoria de tu proyecto,
con base local.
El núcleo de memoria se ejecuta en tu equipo. El uso normal de la memoria, búsqueda, índice de código y panel no requiere una base de datos en la nube, una clave de API ni conexión a internet.
Memoria local + asistencia opcional de IA
Funciones principales
La información del proyecto se almacena localmente. Un enfoque de instalación que no requiere Docker, una base de datos externa ni paquetes adicionales de Python permite utilizar la capa de memoria en tu propio equipo.
Extracción opcional de decisiones
La extracción con IA de decisiones persistentes a partir de conversaciones anteriores es una función independiente, desactivada de forma predeterminada. Envía textos de conversaciones seleccionados a la API de Anthropic y requiere una clave de API, acceso a internet y aprobación del coste.
El alcance de la conexión es explícito. Que el núcleo funcione localmente no significa que los servicios de modelos de Claude Code o Codex funcionen sin conexión. El flujo de datos de las operaciones externas de IA depende del cliente y del proveedor utilizados.
Enmascaramiento de secretos y comprobaciones de registros
Los patrones conocidos de contraseñas, claves de API y tokens se enmascaran durante la importación y la salida. Los registros de decisiones o tareas que contengan secretos pueden rechazarse. Estas comprobaciones no garantizan reconocer todos los secretos en cualquier formato.
Copias de seguridad y restauración
Las copias de seguridad automáticas diarias y las copias manuales ayudan a proteger el trabajo acumulado. Se crea una copia de seguridad antes de la restauración; hay comprobaciones para aplicaciones abiertas e interrupciones.
La memoria local y las copias de seguridad son archivos de tu equipo. Los permisos de acceso, la seguridad del dispositivo y las preferencias de uso de IA externa forman parte de tu entorno de trabajo.
09IA · Deep Learning · Visión artificial
Tu campo de desarrollo cambia.
El contexto acumulado conserva su valor.
De la investigación en IA al procesamiento de imágenes, del desarrollo de software a la automatización de ingeniería: mantén accesibles los motivos de la elección de modelos y herramientas junto al código.
Convierte el historial de experimentos en memoria de proyecto.
El trabajo de Deep Learning acumula reglas de preparación de datos, decisiones de selección de modelos, notas de evaluación y cambios de código. Consulta estos motivos en una nueva sesión de experimentos para recuperar el contexto del trabajo anterior.
Contexto de experimentosInvestigación en IADecisiones sobre modelos
Consulta ilustrativa a la memoria
«¿Por qué cambiamos nuestra elección de aumento de datos?»
Examina conjuntamente el registro de la decisión relevante, la nota del experimento y la ubicación del código de preparación de datos.
Contexto de ejemplo: decisión · nota técnica · índice de códigoKSOTechGraphBase almacena el contexto del proyecto de los experimentos. El entrenamiento de modelos y la inferencia se realizan en tus herramientas de Deep Learning.
Conserva el historial de decisiones de tu canalización de visión artificial.
Las elecciones de preprocesamiento, causas raíz de errores de procesamiento de imágenes, selección de herramientas OCR y cambios de la canalización pueden formar parte de la memoria del proyecto. Encuentra notas de soluciones, código relevante y tareas pendientes en conjunto.
Visión artificialCanalización de imágenesResolución de errores
Consulta ilustrativa a la memoria
«¿Qué cambio resolvió el problema de umbralización con poca luz?»
Vuelve a la lección registrada sobre la solución, la función relacionada y el contexto de conversación del cambio.
Contexto de ejemplo: lección · función · conversaciónEl análisis de imágenes, OCR y las operaciones de píxeles se realizan con las herramientas de procesamiento de imágenes del proyecto. La capa de memoria almacena su contexto textual y el índice de código.
Mantén la continuidad del trabajo en ingeniería asistida por IA.
Reúne decisiones técnicas, enfoques de cálculo, ubicaciones de archivos y símbolos y tareas de automatización en el contexto del proyecto. Tras sesiones de desarrollo largas, inicia el nuevo trabajo con las tareas y decisiones acumuladas.
Conocimiento de ingenieríaProgramación con IAContinuidad del flujo de trabajo
Consulta ilustrativa a la memoria
«¿Qué trabajo quedaba en el conversor y qué archivo estábamos editando?»
Consulta los pasos pendientes de la tarea actual y las ubicaciones del código relevantes; continúa con el contenido actual del archivo fuente.
Contexto de ejemplo: tarea · archivo · decisión persistenteCada proyecto se consulta en su propio contexto. Las nuevas decisiones técnicas se verifican mediante las herramientas del desarrollador y las comprobaciones de ingeniería.
10Instalación y compatibilidad
Una capa de memoria
para tu flujo de trabajo local.
El instalador para Windows permite gestionar las carpetas de proyectos y las conexiones de herramientas de IA desde el panel local. Reiniciar las aplicaciones de IA después de la instalación activa la nueva versión del complemento.
Instalación para el usuario final
Distribución EXE
Incluye el entorno de ejecución de Python; no requiere una instalación independiente de Python. La instalación estándar de usuario no requiere permisos de administrador.
Instalación de desarrollo
Distribución del código fuente / ZIP
Funciona con Python 3.10 o posterior. El núcleo de la aplicación utiliza la biblioteca estándar; no requiere instalar paquetes adicionales.
- Plataforma de destino
- Windows 10 / 11 · 64 bits
- Integración directa
- Claude Code y Codex · Herramientas MCP
- Interfaz de administración
- Panel local del navegador · Proyectos, búsqueda, tareas y grafo de conocimiento
- Dependencias principales
- No requiere una base de datos externa, Docker ni una clave de API
- IA externa opcional
- Clave de API de Anthropic, acceso a internet y aprobación del coste para la extracción de decisiones
- Alcance de esta página
- KSOTechGraphBase 2.3.1 · 8 de octubre de 2026
11Preguntas frecuentes
Lo que quieres saber
antes de empezar.
¿Qué es exactamente KSOTechGraphBase?
Es una memoria local de proyectos compartida para Claude Code y Codex. Reúne conversaciones, documentos del proyecto, índice de código, decisiones y tareas, y permite consultar el contexto relevante mediante herramientas MCP.
¿Entrena su propio modelo de IA o Deep Learning?
El producto almacena el contexto de proyectos de desarrollo y permite consultarlo. El entrenamiento de modelos de Deep Learning, análisis de imágenes, OCR e inferencia se realizan con tus herramientas de aprendizaje automático o procesamiento de imágenes.
¿Puedo utilizarlo sin internet?
El núcleo de memoria, la búsqueda y el panel local no necesitan internet. Los servicios de modelos de IA de Claude Code y Codex tienen sus propios requisitos de conexión. La extracción opcional de decisiones mediante IA externa requiere internet y una clave de API.
¿Se envían mis datos a un proveedor externo de IA?
Las funciones principales de memoria se ejecutan localmente. Si activas la extracción opcional de decisiones, los textos de conversaciones seleccionados para esa operación se envían a la API de Anthropic. El procesamiento del contexto por tu cliente de IA también depende de ese cliente y de las condiciones de su proveedor.
¿Pueden Claude Code y Codex utilizar la misma memoria?
Sí. Los clientes conectados a la misma instalación de memoria del mismo equipo pueden acceder al conocimiento compartido del proyecto. Las fuentes de conversaciones, decisiones y tareas se pueden consultar seleccionando el proyecto correspondiente.
¿Las conversaciones automatizadas saturarán la búsqueda?
Las sesiones identificadas como automatizadas por su procedencia se excluyen de la búsqueda de conversaciones y de las conversaciones recientes del resumen de forma predeterminada. Pueden incluirse de nuevo mediante una opción de herramienta o una casilla del panel. Las sesiones de procedencia desconocida no se ocultan.
¿Cómo funciona el «aprendizaje a partir de lecciones»?
Las lecciones técnicas, como causas raíz, soluciones y enfoques que deben evitarse, se almacenan como registros; se pueden definir sus relaciones con el código. Así se acumula conocimiento consultable para el trabajo posterior. Este flujo no entrena los pesos del modelo.
¿Admite búsquedas en turco y verificación de fuentes?
La búsqueda normaliza caracteres turcos y variantes de letras. Las referencias a las fuentes y los indicadores históricos ayudan a evaluar la información encontrada en su contexto. Las conclusiones técnicas requieren revisar el contenido actual de la fuente correspondiente.
¿Cómo se gestionan las contraseñas y las claves?
Los patrones conocidos de secretos se enmascaran durante la importación y la salida; las escrituras de decisiones y tareas que contengan secretos pueden rechazarse. Las comprobaciones basadas en patrones no garantizan detectar todos los formatos de secretos. Los archivos de memoria y copias de seguridad deben protegerse con las reglas de acceso y seguridad de tu dispositivo.
Memoria de proyectos para el desarrollo con IAInicia tu próxima sesión
Inicia tu próxima sesión
con el conocimiento de tu proyecto.
De las conversaciones a las decisiones, del código a las tareas: incorpora el contexto del proyecto a tu flujo diario de desarrollo con IA mediante KSOTechGraphBase.
Explora el flujo de trabajo MCP