Respuestas
Respuestas sobre memoria compartida para personas e IA
Empieza por la pregunta que tiene delante tu equipo. Cada respuesta explica una parte de cómo el contexto compartido llega a la IA antes de que empiece el trabajo.
Explora las respuestas
Memoria compartida para equipos que trabajan con IA
La memoria compartida de un equipo es un solo lugar — fuera de cada asistente — donde quedan escritas las decisiones, las reglas y el registro diario del equipo, y que la IA de cada persona lee antes de empezar una tarea y escribe cuando la termina. Arroway es ese lugar. La memoria pertenece al proyecto y no a la ventana de chat de nadie, así que el asistente de la segunda persona arranca desde lo que la primera ya dejó resuelto, en vez de arrancar en blanco. Funciona igual con una sola persona y un solo agente, porque la próxima sesión también es lectora, y se instala en la herramienta que ya usas: Claude, ChatGPT o Codex, Cursor, o cualquiera que se conecte por MCP.
Leer la respuestaContexto compartido entre Claude, ChatGPT y Codex
Una sola conexión, y todos los asistentes leen el mismo proyecto. Arroway funciona como un servidor al que se conectan tus herramientas de IA — Claude, ChatGPT, Codex y cualquier otra que hable el mismo estándar de conexión —, así que todas leen y escriben una única memoria. Lo que resolviste en una herramienta ya está cuando abres la siguiente, y cambiar de herramienta no te hace empezar de cero.
Leer la respuestaMemoria de IA que una persona aprueba antes de que cuente
Memoria sancionada por una persona quiere decir que alguien decide qué se convierte en regla, y que la IA no puede ascender su propia conjetura a ese estatus. En Arroway un asistente escribe libremente mientras trabaja, pero todo lo que dedujo por su cuenta queda archivado como propuesta. Una persona convierte propuestas en reglas vigentes — o las edita, o las descarta — en una pantalla de revisión, después del hecho. El trabajo nunca queda esperando esa revisión.
Leer la respuestaCómo llegan las decisiones del equipo a las IA que hacen el trabajo
Una decisión llega a una IA cuando se le pone delante antes de que actúe — en la lectura que el asistente hace al empezar una tarea, no en un documento que alguien espera que encuentre. Arroway guarda las decisiones como material de un proyecto, marca las que tienen que aplicar siempre, ordena el resto según la tarea que el asistente tiene delante, y en el mismo acto dice cuánto entró y qué quedó afuera.
Leer la respuestaCómo instalar y usar Arroway en los principales ecosistemas de IA
Eliges la herramienta en la que ya trabajas, le conectas Arroway y empiezas a trabajar. La página de instalación hace una sola pregunta — ¿dónde usas IA? — y muestra una sola ruta, no un menú con todas las posibilidades. Y no te pide iniciar sesión hasta el momento en que iniciar sesión hace falta de verdad.
Leer la respuesta¿El conocimiento del equipo para la IA va en archivos versionados o en memoria curada?
Los archivos del repositorio — un CLAUDE.md, una carpeta de habilidades, notas comiteadas junto al código — son donde la mayoría de los equipos pone lo que su IA debería saber, y ahí empieza el problema: lo que cae en ellos rige cada sesión siguiente, y nadie lo ve entrar ni lo aprueba — la conjetura de un asistente, un estado que caducó, una decisión que el equipo ni sabía que se había tomado. Un archivo tampoco puede decir qué regla está vigente hoy, quién la decidió ni si el modelo la recibió de verdad. Arroway guarda lo que tiene que valer: escrito por personas y sus asistentes, aprobado por una persona, ordenado por la tarea y entregado con una cuenta de lo que entró. El archivo puede quedarse vacío.
Leer la respuesta¿Dónde encaja la memoria del equipo en un ciclo de vida de software nativo de IA?
El ciclo nativo de IA se suele describir como una cadena de artefactos: una intención escrita, un plan derivado de ella, código producido contra el plan, y una revisión que cierra el círculo. Eso describe cómo viaja UN trabajo. No carga lo que sigue siendo cierto ENTRE trabajos — qué regla está vigente, quién la decidió, por qué se abandonó un enfoque, y qué dejaron resuelto las personas que nunca abren el repositorio. Esa capa permanente es la que sostiene Arroway, y se le pone delante al asistente antes de que planifique nada.
Leer la respuestaTu CLAUDE.md creció más de una página. ¿Qué sale de ahí?
El consejo habitual es mantener el CLAUDE.md por debajo de una página y recortarlo cuando crece. Recortar trata el tamaño como el problema. El problema es que todo lo que hay en el archivo rige cada sesión, y nadie ve lo que entra ni lo aprueba: la conjetura de un asistente, una línea de estado de marzo y una decisión tomada en una reunión a la que el lector no fue pesan lo mismo que el comando de compilación. Así que lo que sale es todo. Lo que sigue valiendo pasa a Arroway, donde una persona lo aprueba y la lectura lo elige según la tarea; lo caducado o el ruido se borra. El archivo puede terminar vacío.
Leer la respuestaMemoria compartida para estudios jurídicos: la postura de la casa, en la IA de cada socio
La postura de un estudio sobre una cuestión recurrente le pertenece al estudio, pero la IA de cada socio solo sabe lo que ese socio le escribió. Arroway es un lugar compartido, fuera de todos los asistentes, donde esas posturas quedan escritas y aprobadas por una persona del estudio. De ahí en adelante, cuando la IA de cualquier socio empieza a trabajar en un asunto, lee las posturas que aplican antes de redactar nada. Nadie vuelve a explicar el criterio de la casa en un prompt, y nadie se entera de que un colega respondió lo contrario después de que el consejo ya salió al cliente.
Leer la respuestaMemoria de IA y confidencialidad: cómo el asunto de un cliente se mantiene fuera del de otro
La memoria vive dentro de un proyecto, y una lectura nunca cruza de un proyecto a otro. Un asunto, un cliente, un área de práctica — cada uno es su propio proyecto, y lo que se escribe ahí se sirve solo a las personas que pertenecen a él, por conexiones que las identifican personalmente. No se comparte nada por defecto, nada se propaga porque dos asuntos se parezcan, y lo que nunca debería estar al alcance de una IA se mantiene afuera por el único control que de verdad sostiene: una persona decide qué se escribe, para empezar.
Leer la respuestaCambia el socio a cargo de la cuenta. ¿Qué hereda el siguiente?
Lo que un sucesor debería heredar son las decisiones que la cuenta ya carga — no una carpeta de correos para excavar y una agenda de llamadas que nadie escribió. Con Arroway la cuenta recuerda en lugar de la persona: cada decisión tomada con ese cliente queda escrita a medida que ocurre, aprobada por una persona, y leída por la IA del socio siguiente en cuanto abre el trabajo. La reunión de traspaso deja de ser la única transferencia — y deja de ser el lugar donde se pierde todo lo que nadie se acordó de mencionar.
Leer la respuestaMemoria compartida para fondos de venture: la tesis que tu IA ya conoce
La tesis y los criterios de filtro de un fondo los deciden los socios una vez y después se aplican a cada operación que llega — pero la IA que los aplica solo sabe lo que alguien le pegó esa mañana. Arroway es un lugar compartido, fuera de todos los asistentes, donde la tesis, los criterios y las líneas rojas quedan escritos y aprobados por un socio. De ahí en adelante, cuando la IA de cualquier socio abre una operación, lee los criterios que aplican antes de formarse una opinión. Nadie vuelve a tipear la tesis en un prompt, y nadie se entera después de que un filtro corrió contra la versión del año pasado.
Leer la respuestaUna regla, cuatro prompts: por qué tus automatizaciones de IA se van separando
Cuando la misma regla se pega en cuatro prompts de automatización, no tienes una regla — tienes cuatro copias que van a dejar de coincidir. Corregirla significa encontrar todos los archivos que la cargan, y la copia que se te pase sigue corriendo. Con Arroway la regla se escribe y se aprueba una sola vez, en un lugar compartido fuera de los prompts, y cada rutina la lee al arrancar. La corrección es una única edición, y ningún prompt queda sosteniendo una versión que nadie se acordó de actualizar.
Leer la respuestaPasar trabajo entre tus propias rutinas de IA, sin volver a narrarlo
Las rutinas de IA programadas suelen pasarse el trabajo volviéndolo a contar — una nota en un archivo, un mensaje en un canal, la transcripción de anoche — y un dato recontado se deforma. Con Arroway, una corrida que se detiene sin terminar deja un relevo explícito: dónde se detuvo, el único paso siguiente, el riesgo que queda abierto, y para quién es. Ese relevo se sirve primero a lo que lea después, y se queda ahí hasta que alguien lo cierre. Nada se hereda como resumen de un resumen, y nada se cae de la lista en silencio.
Leer la respuestaMantengo una planilla de datos para pegar en cada IA. ¿Hay una forma mejor?
Sí, y la planilla es el instinto correcto en el lugar equivocado. Mantener una lista corta y elegida de datos y decisiones es exactamente lo que vuelve útil a un asistente — la parte que se rompe es que el medio de transporte eres tú. Arroway mantiene esa misma lista en un servidor al que se conectan tus herramientas de IA, así que cada asistente la lee al empezar el trabajo en lugar de esperar a que se la den. Te quedas con la parte que siempre fue tuya, que es decidir qué entra en la lista, y dejas de hacer la parte que ninguna persona debería estar haciendo, que es llevarla de herramienta en herramienta.
Leer la respuestaCambiamos de herramienta de IA. ¿Perdemos lo que el equipo ya decidió?
No, si las decisiones nunca estuvieron dentro de la herramienta. Lo que un equipo pierde en una migración es todo lo que guardó en la memoria propia de un proveedor, en su configuración y en sus archivos de ajuste por herramienta — eso le pertenece a esa herramienta, y ninguna exportación hace que llegue intacto a otro lado. Arroway sostiene las decisiones en otro lugar: un servidor al que se conectan tus herramientas. El asistente nuevo lee el mismo conjunto sancionado que leía el viejo, desde el primer día, así que el cambio te cuesta configuración en lugar de contexto.
Leer la respuesta¿Cómo mantiene una agencia de IA las reglas de un cliente fuera del trabajo de otro?
Teniendo cada cliente en su propio proyecto, y la forma de trabajar de la agencia en otro aparte. La memoria en Arroway tiene alcance de proyecto y nunca es global: un asistente que trabaja en una cuenta lee las reglas sancionadas de ese cliente más el método de la casa, y nada de ningún otro cliente — porque las demás cuentas no están dentro del alcance de esa lectura, no porque alguien se haya acordado de dejarlas afuera. La misma persona y el mismo asistente pueden trabajar seis cuentas en un día sin que la sexta herede la voz de la primera.
Leer la respuestaAsociados nuevos usando IA: cómo el criterio del socio les llega primero
Un asociado que trabaja con IA responde con lo que la IA sabe, y lo que sabe es lo que ese asociado le contó — no lo que los socios resolvieron sobre la misma cuestión hace dos años, en un asunto que el asociado nunca tocó. La memoria curada cambia el orden: la postura que el estudio ya sancionó se le sirve a la IA del asociado cuando el trabajo abre, antes de que exista un primer borrador, y todo lo que ese asistente deduzca por su cuenta se guarda como propuesta y no como la respuesta del estudio. El asociado arranca sabiendo dónde está parada la casa, en lugar de que alguien detecte la contradicción en la revisión.
Leer la respuestaMemoria compartida para consultoras con varios socios: qué estandariza la firma y qué sigue siendo tuyo
En una consultora cada socio tiene sus propios clientes y su propia forma de llevar un proyecto, y las dos cosas vale la pena conservarlas — así que la pregunta útil no es cómo hacer que la IA de todos los socios responda igual, es qué parte de la respuesta le pertenece a la firma. La memoria curada traza esa línea de forma explícita: lo que la firma vende — el método, los estándares, lo que no hace, el registro en el que escribe — se escribe una vez y se sanciona, y le llega a cualquier IA que cualquier socio conecte. Cómo lleva cada socio su propia cuenta se queda en su propio proyecto, sin estandarizar a propósito.
Leer la respuestaProbamos un documento compartido de reglas de clientes y nadie lo actualizó
El documento compartido no falló por falta de disciplina; falló porque mantenerlo al día y leerlo eran los dos gestos extra, y un gesto extra pierde siempre contra el trabajo facturable. La memoria curada elimina los dos. Los asistentes que ya están dentro del trabajo escriben lo que se decidió en el momento en que se decide, y la norma se lee cuando un asistente abre el trabajo, no cuando alguien se acuerda de consultarla. Lo que le queda a una persona es una revisión corta — aprobar o corregir lo que se escribió — que son unos minutos sobre trabajo ya hecho, no una tarea pendiente esperando.
Leer la respuesta¿Por qué no correr RAG sobre nuestro repositorio en vez de otra herramienta de memoria de IA?
Porque la recuperación y la sanción responden preguntas distintas. RAG encuentra los pasajes más parecidos a lo que se preguntó, de entre todo lo que indexó — incluida la decisión que el equipo revirtió el trimestre pasado, el diseño que nunca se construyó, y los dos documentos que se contradicen. No tiene forma de decir cuál de ellos está vigente, porque nada dentro de un índice carga eso. Arroway sostiene un conjunto mucho más chico: las reglas y decisiones que aprobó una persona del equipo, cada una con el nombre de quien la aprobó y la condición que la termina. Un asistente lee ese conjunto antes de actuar. La recuperación te sigue encontrando texto; no es lo que le dice al asistente qué texto sigue contando.
Leer la respuesta¿Cómo cambia una agencia de IA la persona a cargo de un cliente sin perder lo que la cuenta sabe?
Teniendo lo que la cuenta sabe en el proyecto propio de la cuenta, escrito a medida que se decide, en lugar de en la cabeza de quien esté a cargo en ese momento. Cuando se saca a alguien del cliente, pierde el acceso a ese proyecto, y todo lo que registró ahí se queda — bajo su nombre, con la fecha y el motivo. Quien toma la posta lee las reglas vigentes del cliente en su primer día, y su asistente lee el mismo conjunto. Lo único que se va con la persona es lo que nadie escribió nunca, que es por lo que la escritura ocurre durante el trabajo y no en un traspaso de la semana en que alguien se va.
Leer la respuesta¿Cómo le mostramos a un cliente que nuestra IA siguió sus reglas en vez de inventar una?
Mostrando el registro que el asistente leyó, en lugar de un resumen escrito después. Cada regla vigente en un proyecto carga qué se decidió, cuándo, y qué persona lo aprobó — y una regla que un asistente propuso y nadie aprobó sigue siendo visiblemente una propuesta. Así que la respuesta para un cliente que pregunta de dónde salió una regla es una línea con fecha y con un nombre encima. Lo que el registro no hace es probar que un entregable concreto salió de ahí: muestra qué rigió el trabajo, y tu propia revisión es lo que ata una pieza específica a eso. Afirmar más que eso sería afirmar más de lo que el registro sostiene.
Leer la respuesta¿Podemos recomendar una herramienta de memoria de IA a nuestro portafolio sin volvernos su mesa de ayuda?
Sí, porque nada de eso pasa por ustedes. Cada empresa se registra por su cuenta, en su propia cuenta, y conecta los asistentes que su propia gente ya usa — el fondo no tiene licencia, ni asiento de administrador, ni una clave del lado de ellos. La mitad honesta de la recomendación es lo que instalar NO hace: conectarse toma minutos y funciona sin asistencia, pero nada cambia hasta que alguien de esa empresa escribe las primeras decisiones que sus asistentes deberían estar leyendo. Ese paso es de ellos, y una recomendación que lo omite produce una empresa que instaló la herramienta y nunca la usó. No hay enlace de referido ni acuerdo de reventa que firmar — la recomendación es un enlace y una opinión.
Leer la respuestaCada socio hace due diligence con una IA distinta y las notas nunca cuadran. ¿Qué lo arregla?
Poner lo que la diligencia ya estableció en un solo lugar que lea el asistente de cada socio, en lugar de en dos juegos de notas que solo se encuentran en el comité. Cada hallazgo entra una vez — la cifra de facturación que se confirmó y el documento que la confirmó, la referencia de cliente que volvió floja, la pregunta que sigue abierta — y de ahí en adelante el asistente de cualquier socio abre el trabajo ya teniéndolo, sea cual sea la herramienta que use ese socio. Lo que esto elimina no es el desacuerdo entre socios, que es el trabajo: elimina que dos asistentes reporten números distintos con la misma seguridad porque cada uno leyó una mitad del material.
Leer la respuestaNuestras rutinas de IA programadas arrancan de cero en cada corrida. ¿Cómo mantienen el hilo?
Escribiendo lo que cada corrida estableció en un lugar que la corrida siguiente lee antes de hacer nada. Una rutina programada no tiene memoria de sus propias corridas anteriores — cada disparo es un contexto nuevo —, así que la corrida de esta noche vuelve a derivar lo que la de anoche ya había resuelto, y o llega a la misma conclusión al mismo costo, o llega a otra distinta sin nada ahí que la contradiga. El hábito que lo arregla tiene dos mitades: la corrida abre leyendo las reglas vigentes y lo que registraron las corridas recientes, y cierra registrando lo que encontró en una línea o dos, incluso cuando no encontró nada. Una corrida que no registró nada es indistinguible de una corrida que nunca se disparó, y ese es el fallo contra el que vale la pena diseñar.
Leer la respuestaTengo un segundo cerebro propio. ¿Cuál es el segundo cerebro de las IA que usa mi equipo?
Es un registro compartido que las IA leen antes de actuar, con lo que el equipo realmente decidió. Un segundo cerebro personal se escribe para que lo relea su autor: tú escribiste la nota, así que al abrirla completas en silencio todo lo que quedó fuera — que esa era un quizás, que dejó de valer en marzo, que la regla de tono es para trabajo de cliente y no para un borrador interno. Una IA no tiene a nadie al lado que complete nada de eso. Entonces el segundo cerebro de tus IA tiene que decir en voz alta tres cosas que uno personal nunca necesita: qué es una decisión y qué sigue siendo la propuesta de alguien, cuándo deja de valer cada cosa, y quién la puso ahí. Eso es lo que hace seguro que una herramienta lea el registro y actúe sin consultarte antes.
Leer la respuestaTenemos varios agentes de IA y personas en el mismo trabajo. ¿Una herramienta de orquestación es lo que necesitamos?
Dos problemas distintos se llaman orquestación, y solo uno es de agendamiento. Ordenar el trabajo — qué corre cuándo, qué espera a qué, qué se reintenta después de una falla — es lo que hace un orquestador, y esta página no te manda a comprar uno. El fallo que la mayoría de los equipos encuentra de verdad no se parece en nada: dos agentes corren correctamente, al mismo tiempo, sobre premisas distintas de lo que decidió el equipo. Nada llega tarde, nada se trabó, nada se reintenta — y las dos salidas se contradicen. Eso no se arregla decidiendo quién manda a quién. Se arregla con cada agente y cada persona leyendo la misma decisión vigente antes de actuar, y registrando lo que hicieron. Una cola coordina orden; un registro compartido coordina acuerdo — Usa Arroway cuando el fallo sea el segundo: cada agente y cada persona leen la misma decisión vigente antes de actuar.
Leer la respuesta¿Una ventana de contexto lo bastante grande no resuelve esto sin una herramienta de memoria?
No, porque resuelven problemas distintos. Una ventana mayor aumenta cuánto texto sostiene el asistente a la vez. No dice cuál de ese texto sigue vigente, quién lo aprobó ni qué lo sustituyó después. Ponga toda la historia del equipo delante del modelo y le habrá entregado la decisión revertida en marzo junto a la que la reemplazó, sin nada que marque cuál es cuál. Arroway guarda un conjunto mucho menor — las reglas y decisiones que una persona del equipo aprobó, cada una con el nombre de quién la aprobó y la condición que la termina — y el asistente lee ese conjunto antes de actuar. La capacidad nunca fue la pieza que faltaba. Faltaba que alguien dijera qué vale ahora.
Leer la respuesta¿Memoria de IA desactualizada no es peor que no tener memoria?
El riesgo es real y es la pregunta correcta: un asistente que afirma con seguridad una regla muerta hace más daño que uno que pregunta. Lo que decide es si algo termina una memoria además de que alguien se acuerde de borrarla. Aquí cada regla y cada decisión se escribe junto con la condición que la termina: la revocación, la fecha, el evento que la vuelve falsa. Cumplida esa condición, la memoria se retira y deja de servirse; y la decisión que sustituye a otra nombra a la que sustituyó, en vez de quedarse a su lado. El fallo que usted describe es de los almacenes que solo acumulan. La vigencia es parte del registro, no una limpieza que alguien deba programar.
Leer la respuesta¿Por qué la IA abandona una regla que acordamos cinco mensajes atrás?
Porque la regla solo existió dentro de la conversación. Lo que se acuerda a mitad de sesión queda en la misma ventana que todo lo dicho después — el código pegado, los errores que volvieron, el desvío sobre otro asunto — y los patrones propios del modelo son a donde vuelve cuando esa competencia se llena. Una regla que tiene que sobrevivir a haber sido dicha una vez no está guardada en ningún sitio: la está recordando un proceso al que nadie pidió que recordara. Aquí la regla se escribe una vez, fuera de cualquier conversación, y todo asistente lee el conjunto vigente antes de empezar. No depende de que la sesión se acuerde, y por eso mismo sobrevive a la sesión siguiente, a la otra herramienta y al compañero que no estaba.
Leer la respuesta¿De quién es la memoria cuando vive en el servidor de quien vende la IA?
Todo se reduce a una prueba: si puedes sacarla y leerla sin el software de ellos. La función de memoria integrada en un asistente forma parte de ese producto — qué guarda, cuánto tiempo, en qué formato y bajo qué política son decisiones del proveedor, y cambian sin que nadie te consulte. Arroway es un registro aparte que pertenece a tu equipo. Su contenido es texto que escribieron tus personas, exportable entero en cualquier momento, leído por cualquier asistente que esté trabajando en lugar de por uno solo, y regido por reglas que escribe el equipo. La pregunta no es dónde están físicamente los bytes — los nuestros también están en un servidor. Es quién decide qué contiene el registro, y si sobrevive a que cambies de opinión sobre la herramienta.
Leer la respuesta¿La memoria de IA sin política de escritura no es solo alucinar más rápido?
Sí, y es la objeción correcta sobre casi todo lo que se vende como memoria de agente. Si cualquier cosa que produce un asistente puede convertirse en un hecho guardado, el repositorio pasa a ser el lugar donde un error confiado se preserva y se entrega a la siguiente ronda como asunto zanjado. Mejorar la recuperación lo empeora en vez de mejorarlo, porque vuelve más fácil encontrar la entrada equivocada. Lo que rompe el bucle es un escalón entre escribir y regir: aquí el asistente puede proponer, y solo una persona del proyecto convierte la propuesta en obligatoria. Hasta que alguien la sanciona, queda en una cola de revisión como sugerencia, y ningún asistente la lee como regla.
Leer la respuesta¿Un grafo de conocimiento no resuelve esto enlazando los hechos entre sí?
Resuelve una parte real, y la parte que resuelve no es esta. Un grafo es bueno en identidad: descubre que "el servicio de facturación", "billing-svc" y "el backend de pagos" son una misma cosa, algo que una lista plana de notas no hace. Lo que no lleva es autoridad. Enlaza los hechos de ese servicio y las versiones contradictorias pasan a llegar juntas — la política de reintentos del año pasado junto a la de este trimestre, conectadas, coherentes e igual de presentes, sin ninguna arista que diga cuál rige. Arroway responde esa pregunta primero: una entrada es la vigente, nombra a quien la sancionó, y la que sustituyó queda retirada con el motivo adjunto.
Leer la respuestaNuestra IA escribe traspasos de 400 líneas y el siguiente agente lee la mitad. ¿Qué lo arregla?
La salida no es un prompt más corto ni una regla de estilo más estricta: es separar lo que VIAJA de lo que queda guardado. El tamaño es lo que paga quien lee, y lo que el siguiente agente necesita cabe en una línea de autor. En Arroway cada entrada lleva una esencia escrita a mano: el estado operativo en una frase, nunca la copia de la apertura del cuerpo. Es esa línea la que sirve la lectura. El cuerpo entero sigue siendo recuperable y solo vuelve cuando alguien pide esa entrada por su nombre. Así el registro puede ser tan minucioso como el trabajo merezca sin que las doce lecturas siguientes lo paguen — y, porque la línea es de autor y no un recorte, dice la cosa y no los primeros 200 caracteres de la cosa.
Leer la respuestaYa hay decenas de herramientas de memoria de IA. ¿Por qué evaluar una más?
Porque aquello en lo que están amontonadas no es lo que falta. Casi toda herramienta de esa lista responde las mismas dos preguntas — cómo se guarda el texto y cómo vuelve — y en esas dos es genuinamente difícil distinguirlas, que es justo lo que hace que la categoría parezca saturada. La pregunta que ninguna responde por defecto es quién decidió que una afirmación guardada es lo que el equipo sostiene, y qué le pasa cuando alguien cambia de opinión. Eso es gobernanza, no recuperación, y un mercado de recuperación lleno no dice nada al respecto. La versión honesta de la objeción es que no se pueden distinguir estas herramientas en el eje en el que las estabas comparando — lo cual es cierto, y es motivo para cambiar el eje, no para dejar de mirar.
Leer la respuestaNo quiero que la IA se acuerde de mí. Mantengo contexto por proyecto. ¿No basta con eso?
Mantener contexto por proyecto es el instinto correcto, y es el mismo sobre el que esto está construido — lo que se recuerda aquí es el proyecto, nunca la persona. El hueco no está en el recorte que elegiste, está en qué lo sostiene. Un contexto por proyecto que vive en un archivo deja que lo que cae en él — tu línea, la de un asistente, la del mes pasado — rija cada sesión sin que nadie lo vea ni lo apruebe, y empeora en el instante en que una segunda persona, una segunda máquina o un segundo asistente tocan el mismo proyecto, porque nada en el archivo dice qué versión rige ni quién decidió. Así que esto no es un producto de perfil personal con un ajuste de proyecto. La unidad es la decisión del proyecto, una persona la sanciona, y quien abra ese proyecto a continuación la lee — otro compañero, otra herramienta, o tú dentro de tres semanas.
Leer la respuestaLa memoria de IA casi siempre es solo de escritura — entra contexto, sale recuperación, y nada se corrige nunca. ¿Qué cierra ese ciclo?
Un camino de corrección que forma parte del registro, en vez de estar al lado de él. Cuando algo guardado aquí deja de ser cierto, pasan tres cosas en este orden, y las tres quedan verificables después. Quien abrió la fuente y vio la divergencia anota lo que la fuente dice de verdad, para que nadie tenga que ir a mirar otra vez. La corrección se propone entonces como un reemplazo que NOMBRA la memoria que contradice — no una fila nueva junto a la vieja. Y una persona la acepta o la rechaza; al aceptarla, la afirmación reemplazada se retira en el mismo acto, con el motivo y el autor en su línea archivada. Hasta esa aceptación, lo que se sirve sigue siendo la afirmación anterior. La demora es deliberada: un registro donde el asistente retira las decisiones del equipo por criterio propio es un diario de lo que creyó el último modelo.
Leer la respuestaSi cada sesión tiene que leer las decisiones del equipo antes de actuar, ¿eso no cuesta tokens en cada llamada?
Cuesta una vez por sesión, y a partir de ahí solo lo que cambió. La lectura de un proyecto termina con un sello de sesión. Presenta ese sello en una llamada posterior y las reglas vigentes se REFERENCIAN en vez de reimprimirse, y el espacio que habrían ocupado va al material que esta tarea necesita. Medido en producción en una segunda lectura: 4.826 tokens referenciados en vez de reimpresos. Lo que nunca se salta es la parte que se mueve — el trabajo en vuelo, lo que aterrizó desde entonces, y lo que califica como relevante para lo que estás haciendo ahora. Así, comprobar lo que el equipo ya decidió antes de actuar deja de encarecerse cuanto más lo compruebas, que es la propiedad que decide si alguien sigue comprobándolo.
Leer la respuestaUn grafo de conocimiento compartido entre nuestros agentes parece el default equivocado — cualquiera escribe en él, y los hechos de un proyecto terminan en el trabajo de otro. ¿Se puede evitar?
Se puede, y las dos mitades de la objeción piden respuestas distintas, porque son dos fallas distintas. La escritura libre se responde con autoridad: escribir algo aquí no lo convierte en norma. Lo que un asistente escribe por iniciativa propia llega como propuesta, o como contexto explícitamente rotulado como no sancionado, y sigue así hasta que una persona lo acepta — y ahí pasa a ser lo que el equipo sostiene, con su nombre puesto. La fuga se responde con alcance: el proyecto es el límite, se elige al ESCRIBIR la memoria y no se filtra al leerla, y el material de un proyecto no se sirve en otro. Ninguna de las dos respuestas es una propiedad de la forma de grafo. Un grafo puede llevar las dos, o ninguna — por eso "grafo compartido" describe una elección de almacenamiento y nunca una de gobernanza.
Leer la respuestaLa búsqueda encuentra el documento correcto y la respuesta sigue saliendo con la línea desactualizada del principio. ¿Por qué la recuperación parece correcta cuando la respuesta no lo es?
Porque recuperar y armar son dos pasos distintos, y un número verde en el primero no dice nada del segundo. Lo que llega al modelo aquí no es un documento para que otra capa lo recorte: es una afirmación, entregada como una línea con autor que carga el punto operativo, y el cuerpo entero solo vuelve cuando alguien pide esa memoria por su nombre. No hay principio de archivo donde truncar ni párrafo que elegir mal. Una afirmación sustituida no es la vecina peor rankeada de su sustituta — se retira en el mismo acto que acepta la sustitución, con el motivo y el autor guardados en su línea archivada. Y una afirmación que alguien vio contradecir a su fuente llega marcada como contradicha, en lugar de llegar limpia. Cuál versión rige se decide una vez, por una persona, en el registro; no se vuelve a decidir en cada llamada por quien tenga la última palabra sobre el prompt.
Leer la respuestaSi cada sesión tiene que leer de un servicio antes de actuar, ¿qué pasa cuando ese servicio tiene un mal segundo?
La lectura se intenta de nuevo en lugar de fallar. Una base de datos que escala a cero rechaza la primera llamada tras un período inactivo mientras su cómputo despierta, y lo dice: el rechazo trae una marca explícita del proveedor que significa que la llamada nunca llegó a un cómputo y puede repetirse. Esa marca antes se ignoraba aquí, y el rechazo viajaba entero hasta quien llamó como lectura fallida — lo que, para una sesión cuyo primer acto es revisar qué decidió ya el equipo, significa seguir sin eso. Desde septiembre de 2026 un rechazo con esa marca se reintenta, hasta tres intentos, con un costo del orden de tres cuartos de segundo en el peor caso. Dos límites impiden que esto sea una licencia: solo cuenta la declaración del propio proveedor, nunca nuestra lectura de un mensaje de error, y solo se repite lo que es inequívocamente una lectura. Todo lo que escribe se intenta exactamente una vez, como antes.
Leer la respuesta¿Las reglas de un agente de IA no deberían imponerse en el código en vez de escribirse como memoria?
Algunas sí — y esas nunca deberían haber sido instrucciones. Una regla que vale mientras el sistema esté construido como está, como un despliegue a la vez, va en un candado que el agente no puede saltarse. Pero un candado solo sabe imponer la regla mientras vale; no tiene forma de decir que dejó de valer, quién lo decidió ni qué la reemplazó. La mayoría de las reglas que un equipo les da a sus agentes son de ese segundo tipo: decisiones que alguien tomó y alguien va a revisar — qué puede ir a un cliente, qué rama sale, cuánto cuesta un plan. Eso es lo que guarda Arroway. Cada regla lleva la condición que la termina, la que la reemplaza apunta a la que retira, y solo una persona vuelve vigente una regla. El invariante va al código y la decisión a la memoria; la regla que es ambas cosas recibe el candado y el registro de por qué existe el candado.
Leer la respuestaArroway o escribirlo en CLAUDE.md: ¿cuál es la diferencia?
CLAUDE.md es un archivo en un repositorio: alguien lo escribe, alguien lo mantiene al día, y el asistente de código que trabaja en ese repositorio lo carga. Arroway es una memoria compartida que toda herramienta de IA conectada a un proyecto lee antes de actuar — Claude, ChatGPT, Codex y las demás herramientas que hablan el mismo estándar de conexión. Guarda lo que el archivo no puede: qué reglas y decisiones están vigentes ahora, quién decidió cada una, qué las terminaría y qué ya se retiró. Los asistentes escriben en ella como propuesta, y una persona aprueba lo que pasa a valer. No lee tu código, tu repositorio ni tus datos, y no ejecuta tus agentes. La recomendación de Arroway es dejar CLAUDE.md vacío: lo que vale va a Arroway, donde alguien lo ve y lo aprueba, para que las personas y sus IAs trabajen desde el mismo acuerdo.
Leer la respuesta¿Cómo evito que mis agentes de IA olviden las decisiones?
Deja de pedirle al agente que recuerde, y haz que cada sesión empiece leyendo. Un agente no lleva decisiones de una sesión a otra: la conversación termina, el contexto se compacta, otro agente toma el trabajo, y lo que se acordó el martes simplemente no está delante del modelo el miércoles. Los arreglos habituales — un archivo de decisiones, un vector store, un checkpoint — resuelven el almacenamiento, y almacenar nunca fue la parte difícil. Lo que dejan abierto es si la sesión siguiente de verdad lee antes de actuar, y si puede distinguir una decisión vigente de una que fue superada. Arroway cubre las dos cosas sin nada que montar: cada sesión abre leyendo el proyecto, cada decisión lleva quién la tomó y qué la terminaría, y la que la reemplaza retira a la vieja. Funciona igual con un solo agente y sin equipo — quien lee es el mismo agente, mañana.
Leer la respuestaServidor MCP de memoria para equipos: ¿qué debe darle al agente antes de actuar?
Un servidor MCP de memoria es un servidor al que tus herramientas de IA llaman para leer y escribir lo que sabe un proyecto. Para un equipo, la prueba es qué le entrega al agente antes de que empiece a trabajar: qué está vigente ahora, quién decidió cada cosa y qué ya se retiró — no solo el texto guardado que más se parece a la pregunta. Arroway es un servidor MCP remoto construido alrededor de esa lectura. La sesión abre leyendo el proyecto, en el orden de la tarea que el agente dice que va a hacer; cada regla y decisión lleva su autor y la condición que la termina; la que la reemplaza retira a la anterior; y lo que un asistente escribe por su cuenta llega como propuesta hasta que una persona lo aprueba. Se conecta a Claude desde su directorio de conectores, a ChatGPT y Codex, a Cursor mediante el plugin, y a cualquier herramienta que acepte un servidor MCP remoto. La página de instalación muestra la ruta para la herramienta que usas.
Leer la respuesta¿Cómo veo lo que mi IA dejó para su próxima sesión — y puedo confiar en eso?
Puedes confiar hasta donde puedes revisarlo, así que la nota tiene que ser algo que se pueda revisar. Cuando una sesión se resume para la siguiente, ese resumen suele ser un texto que la siguiente sesión lee y nadie más ve: te enteras de lo que decía solo cuando el trabajo sale mal. En Arroway, una sesión que se detiene con trabajo sin terminar deja un relevo con partes fijas — dónde se detuvo, el único paso siguiente, lo que ya está verificado y no debe rehacerse, el riesgo que queda abierto, y para quién es. Aparece en el panel del proyecto antes de que alguien continúe, con el nombre de quien lo dejó, si alguien ya lo tomó y si alguna IA ya lo leyó. Solo una persona puede descartarlo, y el descarte queda en el registro. Arroway no verifica que la nota sea cierta; se asegura de que una persona pueda hacerlo.
Leer la respuesta¿Cuál es la mejor herramienta de memoria compartida para agentes de IA y equipos?
Depende de una pregunta que la mayoría de las comparaciones se salta: cuando tus agentes leen la memoria, ¿necesitan lo que se dijo o lo que está decidido? Las listas de herramientas de memoria para IA — Mem0, Zep, Letta, Cognee, Supermemory, Graphiti, LangMem y otras — suelen compararse por qué tan bien guardan y recuperan, y en ese eje es difícil distinguirlas. Para un equipo, las preguntas que las separan son otras: quién puede volver vigente una afirmación, cómo deja de valer una afirmación, y si cada agente y cada persona leen la misma versión actual antes de actuar. Arroway está construida sobre esas tres: una persona aprueba lo que pasa a ser regla, cada regla lleva la condición que la termina y la que la reemplaza retira a la vieja, y las sesiones en cada herramienta conectada abren leyendo el proyecto, mientras que una que no leyó no puede proponer una memoria. Esta página no clasifica a nadie; te da las preguntas para hacerle a cada herramienta, y la respuesta de Arroway a cada una.
Leer la respuesta¿Qué exige el Artículo 26 de la Ley de IA a quien usa IA sobre supervisión humana?
El Artículo 26 fija los deberes de quien usa un sistema de IA de alto riesgo en su propio trabajo — el responsable del despliegue, no el proveedor que lo construyó. Dos de esos deberes tratan de personas y de registros: la supervisión debe asignarse a personas con nombre, con la competencia, la formación y la autoridad para ejercerla, y los registros que genera el sistema deben conservarse, en la medida en que estén bajo tu control, durante al menos seis meses. Todavía no aplica. Las obligaciones de alto riesgo se aplazaron al 2 de diciembre de 2027 para los sistemas del Anexo III — contratación, crédito, educación, acceso a servicios esenciales y similares — y al 2 de agosto de 2028 para la IA integrada en productos que ya cubre la legislación de seguridad de la UE; solo los deberes de transparencia aplican desde el 2 de agosto de 2026. Es preparación, con más de un año de margen. Un registro de supervisión humana debe mostrar quién supervisa y con qué autoridad, bajo qué reglas trabajó la IA y desde cuándo, qué cambió y quién lo cambió, y qué leyó cada IA antes de actuar. Arroway guarda ese lado humano del registro; no reemplaza los registros del propio sistema y no es un informe de cumplimiento.
Leer la respuesta¿Claude Code lee AGENTS.md?
Sí, desde la versión 2.1.277 (18 de septiembre de 2026), pero por defecto solo cuando el proyecto no tiene CLAUDE.md. Si hay un CLAUDE.md, .claude/CLAUDE.md o CLAUDE.local.md en tu directorio de trabajo o en cualquier directorio por encima, Claude Code lee esos y deja fuera AGENTS.md, sin ningún error. El comportamiento por defecto se cambia en "Project instructions" dentro de /config, por ejemplo para leer los dos archivos, y una versión del 24 de septiembre extendió el soporte a Amazon Bedrock, Google Vertex AI, Microsoft Foundry, gateways de LLM y sesiones con la telemetría desactivada. Qué archivo se carga decide qué instrucciones rigen, y nada se lo avisa al equipo. La recomendación de Arroway es dejar los dos archivos vacíos: lo que hay en ellos rige cada sesión sin que nadie lo vea ni lo apruebe, y nunca llega a un asistente de chat, a otro agente ni a una persona fuera del repositorio. Lo que vale va a Arroway, con quién lo decidió y cuándo deja de valer, y cada herramienta conectada lo lee antes de actuar, cargue el archivo que cargue.
Leer la respuestaArroway vs Mem0: ¿cuál es la diferencia?
Mem0 es una capa de memoria que integras en tu propia aplicación o agente de IA: le envías la conversación, un LLM la destila en hechos y, al consultar, devuelve los recuerdos más relevantes para la petición, organizados por usuario, agente, aplicación o ejecución. Existe como plataforma gestionada y como código abierto. Arroway no se integra en nada: es una memoria compartida de un proyecto que cada herramienta de IA que ya usas —Claude, ChatGPT, Codex, Cursor o cualquiera por MCP— lee antes de actuar. La diferencia está en para qué sirve cada una. Mem0 recuerda lo que se dijo, para que una aplicación personalice para cada uno de sus usuarios. Arroway guarda lo que se decidió: quién lo decidió, qué está vigente, qué lo termina y qué reemplazó, con los asistentes escribiendo propuestas y una persona aprobando lo que pasa a valer. Usa Arroway cuando los agentes y las personas de tu equipo tengan que actuar sobre las mismas decisiones vigentes en cualquier herramienta. El primer paso es la página de instalación.
Leer la respuestaArroway vs Zep: ¿cuál es la diferencia?
Zep es una capa de contexto para aplicaciones de IA construida sobre un grafo de conocimiento temporal: recibe conversaciones y datos del negocio, extrae hechos y relaciones, y cuando un dato nuevo invalida un hecho anterior guarda el momento en que ese hecho dejó de ser cierto. Su motor de código abierto, Graphiti, hace lo mismo en grafos que ejecutas tú. Arroway es una memoria compartida de un proyecto que cada herramienta de IA que ya usas lee antes de actuar. Las dos guardan el historial en vez de sobrescribirlo. La diferencia es quién decide que algo cambió. En Zep, el cambio se infiere de los datos que llegan. En Arroway, una persona aprueba lo que se convierte en regla, cada regla lleva la condición que la termina, y el reemplazo nombra la regla que retira. Usa Arroway cuando el equipo tenga que asumir la decisión: una persona la aprueba, y el siguiente agente, en cualquier herramienta conectada, lee la que sigue vigente. El primer paso es la página de instalación.
Leer la respuestaArroway o Settled: ¿qué decisión obliga al siguiente agente?
Las dos mantienen a una persona en la decisión, y las dos dejan que el agente pregunte qué sigue valiendo. Settled es un agente de libro de decisiones en Slack: su repositorio describe detectar decisiones tras una puerta de confianza más una marca humana, seguir cada una de propuesta a impugnada, firme y superada, guardar la cita literal y el enlace de vuelta al mensaje, y exponer un servidor MCP para que el agente llame a is_binding antes de actuar. Arroway es la memoria del proyecto que todo asistente conectado lee antes de actuar — Claude, ChatGPT, Codex, Cursor o cualquier herramienta por MCP — y una decisión solo obliga cuando una persona la aprueba, lleva la condición que la termina y sale de la lectura siguiente cuando otra decisión la reemplaza. Usa Arroway cuando esa decisión tenga que llegar antes de que actúe el siguiente agente, en cualquier herramienta conectada, incluida la que nunca vio el mensaje. El primer paso es la página de instalación.
Leer la respuestaArroway o Basic Memory Teams: ¿conocimiento compartido, o una decisión en vigor?
Basic Memory Teams es una base de conocimiento compartida para el equipo y para todo agente de IA conectado a ella. Su documentación dice que una decisión capturada en la sesión de Claude de una persona se vuelve contexto para la ronda de Codex de otra, que los agentes leen un grafo compartido y escriben notas de vuelta, que cada cambio aparece en un feed de actividad y que cada guardado conserva un historial de archivo para volver atrás. Arroway es la memoria del proyecto que esas mismas herramientas leen antes de actuar, y una afirmación solo se vuelve regla cuando una persona la aprueba. La diferencia aparece cuando la nota de un agente contradice una decisión que una persona ya tomó. Basic Memory guarda las dos en la base, con el historial del archivo. Arroway mantiene la decisión aprobada en la lectura y retiene la nota del agente como propuesta hasta que una persona apruebe el reemplazo. Usa Arroway cuando el siguiente agente tenga que tratar una afirmación como la decisión en vigor. El primer paso es la página de instalación.
Leer la respuestaArroway o Snipara: ¿contexto para el próximo cambio de código, o una decisión que también sale del repositorio?
Snipara es inteligencia de proyecto compartida para agentes de código. Su sitio dice: cambia el agente y quédate con el proyecto — decisiones revisadas, fuentes y checks para Claude Code, Codex y Cursor. Su página de contexto de código, actualizada el 24 de septiembre de 2026, guarda los archivos del repositorio en un proyecto con alcance de código y dice que los flujos de negocio — RFP, paquetes de propuesta, expedientes de cliente — ahora viven en Helvabase, mientras Snipara se queda en el contexto del repositorio, el flujo de quien desarrolla, un MCP alojado, memoria y agentes de código. Arroway es la memoria del proyecto que toda herramienta conectada lee antes de actuar, incluido un chat que nunca abrió el repositorio. Usa Arroway cuando esa misma regla también tenga que obligar a un agente que nunca abrió el repositorio. El primer paso es la página de instalación.
Leer la respuestaArroway vs Letta: ¿cuál es la diferencia?
Letta es una plataforma para construir agentes con estado: el agente que creas allí guarda su propia memoria entre conversaciones, y parte de esa memoria son bloques de memoria que permanecen en la ventana de contexto del agente y que él mismo lee y reescribe con herramientas integradas. Varios agentes pueden conectarse al mismo bloque, y un bloque puede marcarse como solo lectura. Funciona en Letta Cloud o en un servidor que tú mantienes. Arroway no es un lugar para construir un agente: es una memoria compartida de un proyecto que cada herramienta de IA que ya usas —Claude, ChatGPT, Codex, Cursor o cualquier herramienta MCP— lee antes de actuar. La diferencia es dónde vive la memoria y quién la edita. En Letta vive dentro de los agentes que construyes allí, y el agente la edita. En Arroway vive fuera de todo agente, los asistentes escriben propuestas y una persona aprueba lo que se convierte en regla, con la condición que la termina. Usa Arroway cuando los agentes y las personas que hacen el trabajo están en herramientas que no construiste y deben actuar sobre las mismas decisiones vigentes. El primer paso es la página de instalación.
Leer la respuesta¿Quién responde por lo que hace un agente de IA en un equipo?
Una persona con nombre, por cada agente, y escrito donde el propio agente lo lee. La pregunta es común porque la respuesta en el papel y la real difieren: una encuesta de Ivanti a 1.500 profesionales de TI, difundida por VentureBeat en junio de 2026, encontró que el 85% dice que todo agente de IA tiene un responsable nombrado y solo el 42% dice que la responsabilidad es realmente clara. Lo que funciona es la forma en que un gerente responde por el trabajo de una persona. Un humano responde por los resultados del agente. Una lista corta dice qué hace el agente solo, qué entrega para aprobación y qué nunca toca. Un registro muestra lo que hizo. Esas líneas deben cambiar cuando el equipo decide otra cosa, y el agente debe leer la versión actual antes de actuar. Arroway es donde eso vive: cada decisión lleva quién la tomó y qué la termina, cada entrada de registro y cada traspaso lleva quién lo escribió, y toda herramienta conectada lee lo que está vigente. El primer paso es la página de instalación.
Leer la respuesta¿Cómo se escribe la descripción de puesto de un agente de IA?
Igual que para una persona recién contratada, en una página, antes de que el agente empiece. El consejo de Harvard Business Review de marzo de 2026 sobre la incorporación de agentes de IA dice que todo agente debe tener una descripción de puesto que diga de qué es responsable, dónde termina su autoridad y cuándo debe pedir la opinión de una persona. Una versión utilizable tiene siete líneas: para qué existe el agente, la persona que responde por él, qué hace solo, qué entrega para aprobación, qué nunca toca, a quién avisa cuando se atasca y adónde va su registro. La ficha solo funciona si el agente la lee antes de actuar y si cambia cuando el equipo decide otra cosa. Arroway es donde la ficha puede vivir, como un conjunto de reglas que toda IA del equipo lee al comienzo de una sesión, cada una con quién la decidió y cuándo termina. El primer paso es la página de instalación.
Leer la respuesta¿Cómo se incorpora a una persona nueva a un equipo que ya trabaja con agentes de IA?
Entrégale a la persona nueva, el primer día, las cuatro cosas que aprendería interrumpiendo a la gente: qué agentes usa el equipo y quién responde por cada uno, qué está decidido y vigente hoy, qué está a medias y con quién, y cómo pedir una corrección cuando un agente se equivoca. El consejo de Harvard Business Review de marzo de 2026 trata a los agentes como colegas que necesitan su propio plan de incorporación; la otra cara es que la persona que llega a su lado también necesita uno, y no debería ser el historial completo del proyecto. La versión más corta es una lectura, no un documento: el asistente de la propia persona abre leyendo lo que está vigente en el proyecto y se lo cuenta. Arroway es donde eso vive: decisiones con quién las tomó y cuándo terminan, relevos con responsable y el registro de lo que hizo cada agente, leídos por toda herramienta conectada antes de actuar. El primer paso es la página de instalación.
Leer la respuesta¿Cuáles son las alternativas a CLAUDE.md para compartir el contexto de IA en un equipo?
Tres de las respuestas siguen siendo archivos. AGENTS.md es un archivo único que leen varios agentes de código; la documentación de Cursor dice que lo admite en la raíz del proyecto y en subcarpetas, GitHub Copilot también lo lee, y Claude Code solo lo lee cuando el proyecto no tiene CLAUDE.md. Los archivos de reglas de cada herramienta —.cursor/rules de Cursor, .github/copilot-instructions.md de Copilot, GEMINI.md de Gemini CLI— le dan a cada una sus propias instrucciones. Una importación o un enlace simbólico convierte varios de esos archivos en uno. Las tres cambian qué archivo lee la herramienta, no lo que el archivo es: texto que el modelo carga en cada sesión y en el que un asistente puede escribir, sin nada que diga quién aprobó una línea o si sigue vigente, fuera de la vista de quien no abre el repositorio. La alternativa que cambia eso es sacar del archivo lo que vale y llevarlo adonde alguien lo ve y lo aprueba. Arroway es ese lugar: reglas y decisiones por proyecto, cada una con quién la aprobó y cuándo termina, leídas antes de actuar por toda herramienta conectada. El primer paso es la página de instalación.
Leer la respuesta¿Cómo mantener sincronizados CLAUDE.md, AGENTS.md y GEMINI.md?
No copiando. Las copias se desalinean la primera vez que una regla cambia en un archivo y en los otros no, y la herramienta que lee el desactualizado sigue la regla muerta sin ningún error. Dentro de un repositorio, los archivos pueden convertirse en uno: CLAUDE.md puede importar AGENTS.md, y la opción context.fileName de Gemini CLI puede apuntarlo a AGENTS.md. Eso pone a los agentes de código sobre un solo texto, y sigue siendo un archivo: no dice quién decidió una línea, cuándo deja de ser cierta ni si un asistente la añadió en una sesión, y no llega a la herramienta que no lee el repositorio. Una regla se mantiene sincronizada cuando vive una sola vez, fuera de todo archivo, donde alguien la ve y la aprueba, y toda herramienta la lee de ahí. Arroway es ese lugar: cada regla con quién la aprobó y cuándo termina, leída por todo asistente conectado antes de actuar. El primer paso es la página de instalación.
Leer la respuestaArroway vs LangMem: ¿cuál es la diferencia?
LangMem es una biblioteca de LangChain para que un agente construido sobre LangGraph aprenda de sus propias conversaciones. Su documentación describe memoria semántica (hechos, guardados como colección consultable o como perfil), memoria episódica (interacciones pasadas guardadas como ejemplos) y memoria procedimental, donde las instrucciones del propio agente se refinan a partir de feedback con un optimizador de prompts. El agente decide qué guardar mediante herramientas de memoria, y los recuerdos viven en un almacén de LangGraph que tú proporcionas. Arroway no es una biblioteca dentro de un agente: es una memoria compartida del proyecto que toda IA que ya usas — Claude, ChatGPT, Codex, Cursor o cualquier herramienta MCP — lee antes de actuar. La diferencia es quién decide qué es verdad. En LangMem el agente lo extrae y lo reescribe, incluidas sus propias instrucciones. En Arroway los asistentes escriben propuestas, y una persona aprueba lo que se vuelve regla, con la condición que la termina. Usa Arroway cuando las personas y los agentes que hacen el trabajo están en herramientas que no construiste y deben actuar sobre las mismas decisiones vigentes. El primer paso es la página de instalación.
Leer la respuesta¿Cómo compartir un Proyecto de Claude con el equipo?
El centro de ayuda de Claude dice que compartir está disponible en los planes Team y Enterprise. Un proyecto es público, y entonces todos en la organización pueden verlo y usarlo, o privado, y entonces solo las personas invitadas; quien es invitado recibe acceso de visualización o de edición, y los chats dentro de un proyecto no se comparten salvo que alguien comparta cada uno. Eso resuelve una cosa bien: todos los que usan Claude en ese plan abren las mismas instrucciones y el mismo conocimiento del proyecto. Y se detiene donde se detiene el trabajo. El colega que trabaja en ChatGPT, Codex o Cursor no lee el proyecto. Una regla que cambia es una edición que alguien tiene que hacer en el proyecto, y nada en él dice quién decidió la línea ni cuándo deja de valer. El camino más allá es poner lo que vale donde toda herramienta lo lee y una persona lo aprueba. Arroway es ese lugar: decisiones por proyecto, cada una con quién la aprobó y cuándo termina, leídas antes de actuar por toda herramienta conectada, Claude incluido. El primer paso es la página de instalación.
Leer la respuesta¿Cómo compartir reglas entre Cursor y Claude Code?
Cada herramienta lee su propio archivo. La documentación de Cursor dice que sus reglas viven en .cursor/rules como archivos .mdc con frontmatter, en cuatro tipos: siempre aplicadas, aplicadas cuando el agente las juzga relevantes, aplicadas a archivos que coinciden con un patrón, o solo cuando se mencionan a mano. También admite AGENTS.md en la raíz del proyecto y en subdirectorios, con precedencia del más específico, y la página que leí no menciona CLAUDE.md. Claude Code lee CLAUDE.md, y lee AGENTS.md solo cuando el proyecto no tiene CLAUDE.md. Así que las dos comparten un archivo solo a través de AGENTS.md, que un CLAUDE.md puede importar. Eso pone a ambas herramientas sobre un solo texto, y sigue siendo un archivo: no dice quién decidió una línea, cuándo deja de ser verdad ni si la agregó un asistente, y no llega a quien trabaja fuera del repositorio. Una regla sigue compartida cuando vive una vez, donde alguien la ve y la aprueba, y toda herramienta la lee desde ahí. Arroway es ese lugar: cada regla con quién la aprobó y cuándo termina, leída antes de actuar por toda herramienta conectada. El primer paso es la página de instalación.
Leer la respuesta¿Quién debe aprobar una línea del CLAUDE.md del equipo?
Según la documentación de Claude Code, el CLAUDE.md del proyecto llega al equipo mediante el control de versiones, y Claude trata lo que hay en él como contexto, no como configuración impuesta. Así que el archivo registra quién cambió una línea y cuándo. No registra quién responde por ella, si sigue vigente, ni si una persona lo decidió o alguien lo añadió en un pull request que tuvo una lectura rápida. Quien debe aprobar una línea es quien responde por lo que rige: la jefatura técnica en una convención de código, quien es dueño del producto en una regla de negocio, quien cuida la seguridad en un límite. En Arroway esa aprobación forma parte de cómo existe la regla: los asistentes escriben propuestas, una persona aprueba lo que se vuelve regla, cada regla lleva la condición que la termina y el reemplazo nombra la regla que retira. Toda herramienta conectada — Claude, ChatGPT, Codex, Cursor o cualquiera por MCP — lee la versión vigente antes de actuar, y el archivo queda sin nada que valga la pena guardar. El primer paso es la página de instalación.
Leer la respuesta¿Cómo dar las mismas reglas de Claude a quien no trabaja en el repositorio?
Según la documentación de Claude Code, el CLAUDE.md de un proyecto llega al equipo mediante el control de versiones, así que llega a quien clona el repositorio. Un ~/.claude/CLAUDE.md personal solo lo lee quien lo escribió, y un CLAUDE.local.md guarda preferencias privadas que quedan fuera del control de versiones. Quien trabaja en operaciones, legal, marketing o producto y nunca abre el repositorio no tiene ninguno: su Claude empieza sin las reglas que sigue el Claude de quien desarrolla, y nada se lo avisa. Para darles las mismas reglas hace falta un lugar que ellas y sus asistentes lean sin Git. Arroway es ese lugar: cada regla registrada una vez, con quién la aprobó y cuándo termina, leída antes de actuar por la herramienta que la persona ya usa — Claude, ChatGPT, Codex, Cursor o cualquiera por MCP. El primer paso es la página de instalación.
Leer la respuestaArroway vs Cognee: ¿cuál es la diferencia?
Cognee se describe como una forma de convertir documentos y conversaciones en memoria que los agentes de IA pueden recuperar. Según su documentación, los datos entran con remember, se dividen en fragmentos de los que se extraen entidades y conceptos hacia un grafo de conocimiento, y se consultan con recall. Funciona como biblioteca de Python que alojas tú o como Cognee Cloud, tiene bindings de TypeScript y menciona MCP; las páginas que leí mencionan permisos por conjunto de datos para un equipo solo en Cognee Cloud. Arroway no se construye a partir de tus datos: es una memoria compartida de lo que decidieron las personas de un proyecto, que toda IA que ya usas — Claude, ChatGPT, Codex, Cursor o cualquiera por MCP — lee antes de actuar. La diferencia está en qué entra y en quién decide que es verdad. En Cognee, lo que el agente recupera viene de los documentos y conversaciones que recibió, organizados por extracción. En Arroway, los asistentes escriben propuestas, y una persona aprueba lo que se vuelve regla, con la condición que la termina. Usa Arroway cuando una decisión tiene que llegar a varias herramientas y personas como la vigente, con dueño. El primer paso es la página de instalación.
Leer la respuestaArroway vs Supermemory: ¿cuál es la diferencia?
Supermemory se describe como infraestructura de contexto para agentes de IA que da a un agente memoria de largo plazo de cada usuario. Según su documentación, le envías conversaciones, documentos, archivos o URL; un pipeline de memoria extrae hechos, arma un perfil y un grafo, y la búsqueda devuelve memorias, fragmentos o ambos. Ofrece una instalación local que alojas tú, tiene servidor MCP y páginas de integración para Claude Code y Cursor, y aísla los datos por namespace, que su documentación llama frontera rígida para un usuario, un tenant o un proyecto. Arroway no se construye a partir de lo que se le dijo a un agente: es una memoria compartida de lo que decidieron las personas de un proyecto, que toda IA que ya usas — Claude, ChatGPT, Codex, Cursor o cualquiera por MCP — lee antes de actuar. La diferencia está en quién decide qué está vigente. En Supermemory, las páginas que leí dicen que su modelo de aprendizaje decide qué es importante y cuándo olvidar. En Arroway, los asistentes escriben propuestas, una persona aprueba lo que se vuelve regla, cada regla lleva la condición que la termina, y la sustituta nombra la regla que retira. Usa Arroway cuando una decisión tiene que llegar a varias herramientas y personas como la vigente, con dueño. El primer paso es la página de instalación.
Leer la respuestaArroway vs MemoryLake: ¿cuál es la diferencia?
MemoryLake describe un Memory Passport: una sola memoria mantenida entre ChatGPT, Claude, Gemini y cualquier agente compatible con MCP. Según su propia entrada de blog del 18 de enero de 2026, las memorias tienen seis tipos, cada entrada registra la plataforma y la conversación de origen y una puntuación de confianza, toda creación, cambio y borrado se guarda como evento en un registro ordenado, y una detección de conflictos en tres niveles aplica reglas de resolución cuando dos plataformas cambian la misma memoria. Describe también un espacio compartido para equipos, en la nube o en tu propio entorno. Arroway no es una copia portátil de lo que tú y tus agentes dijeron: es una memoria compartida de lo que decidieron las personas de un proyecto, que toda IA que ya usas — Claude, ChatGPT, Codex, Cursor o cualquiera por MCP — lee antes de actuar. La diferencia está en quién cierra un conflicto. En la página de MemoryLake que leí, la entrada conflictiva de equipo se señala para resolución, y la página no dice quién resuelve. En Arroway, los asistentes escriben propuestas, una persona aprueba lo que se vuelve regla, cada regla lleva la condición que la termina, y la sustituta nombra la regla que retira. Usa Arroway cuando una decisión tiene que llegar a varias herramientas y personas como la vigente, con dueño. El primer paso es la página de instalación.
Leer la respuestacopilot-instructions.md vs CLAUDE.md: ¿necesitas los dos?
Según la documentación de GitHub, Copilot lee .github/copilot-instructions.md para todo el repositorio, archivos .instructions.md específicos de ruta que traen un patrón applyTo, archivos AGENTS.md (el más cercano en el árbol de directorios tiene precedencia) y un único CLAUDE.md o GEMINI.md en la raíz del repositorio como alternativa a AGENTS.md. Así que Copilot puede leer un CLAUDE.md por sí solo; lo que un CLAUDE.md no le da son reglas por ruta, que existen solo en archivos .instructions.md, y la documentación dice que las instrucciones por ruta hoy se admiten en GitHub.com solo para el agente en la nube de Copilot y la revisión de código de Copilot. Cuando un archivo de todo el repositorio y uno de ruta específica coinciden, Copilot usa los dos. Entre instrucciones personales, de repositorio y de organización, se proporcionan todos los conjuntos relevantes, y la documentación aconseja evitar conflictos entre ellos. Ninguno de los dos archivos registra quién decidió una línea ni cuándo deja de valer. En Arroway, los asistentes escriben propuestas, una persona aprueba lo que se vuelve regla, cada regla lleva la condición que la termina, y Copilot, Claude Code, Cursor o cualquier herramienta por MCP lee la versión vigente antes de actuar. El primer paso es la página de instalación.
Leer la respuesta¿Cómo sé cuál de mis agentes de IA me está esperando?
Cuando varios agentes de código corren a la vez, el que está esperando pasa desapercibido. Una issue de Claude Code titulada "Notification when Claude Code is waiting for user input" se abrió el 21 de marzo de 2026 y se cerró como no planificada el 26 de mayo; describe tener que revisar cada pestaña o ventana a mano. El agent view de Claude Code, que su documentación llama research preview, hoy lista las sesiones en segundo plano de ese programa agrupadas en necesita entrada, trabajando y completadas, y cubre solo sesiones de Claude Code. Lo que ayuda en cualquier configuración son cuatro líneas escritas: qué decide cada agente por su cuenta, un solo lugar donde aparezca lo que te espera, la regla de que aprobar una llamada a una herramienta no es decidir, y el hábito de que el agente que se detiene diga dónde quedó. El cockpit de Arroway es ese lugar único para quien además corre Codex o Cursor, o trabaja con compañeros: lista tus sesiones de Claude Code, Codex y Cursor con su estado — trabajando, te necesita o detenido — y te deja permitir o denegar una solicitud de permiso de Claude Code o de Codex sin cambiar de ventana. El compañero ve el estado, el proyecto y de quién es el agente, nunca el contenido. Activas el cockpit en tu cuenta después de instalar; la página de instalación es el primer paso.
Leer la respuestaArroway vs Sentra: ¿cuál es la diferencia?
Sentra se describe como memoria de organización administrada: un administrador autoriza una vez fuentes como Slack, Gmail, Google Drive, GitHub, Linear y Zoom, y ella compila lo que ocurre allí en contexto con permisos, que personas y agentes consultan por API o MCP, con respuestas limitadas al rol y al acceso de cada usuario. Sus páginas dicen también que cada dato lleva dos marcas de tiempo, una de cuándo pasó a ser verdad y otra de cuándo dejó de serlo, y que el dato reemplazado se marca como muerto con su origen intacto. Corre en su propia nube, en tu VPC o aislada de la red. Arroway no se construye leyendo tus herramientas: es una memoria compartida de lo que las personas de un proyecto decidieron, que toda herramienta de IA que ya usas — Claude, ChatGPT, Codex, Cursor o cualquiera por MCP — lee antes de actuar. La diferencia es de dónde sale una regla. En las páginas de Sentra que leí, los datos se derivan y se reemplazan a partir de fuentes conectadas, y no describen a una persona aprobando lo que vale. En Arroway, los asistentes escriben propuestas, una persona aprueba lo que pasa a ser regla, cada regla lleva la condición que la termina, y la sustituta nombra la regla que retira. Usa Arroway cuando una decisión tiene que llegar a varias herramientas y personas como la vigente, con su dueño. La página de instalación es el primer paso.
Leer la respuestaLlegué al límite de Claude Code. ¿Cómo sigo la misma tarea en Codex?
Lo que pasa de una herramienta a la otra no es la conversación, sino lo que la próxima sesión necesita saber: qué se decidió, dónde se detuvo el trabajo y el único paso siguiente. La documentación de Codex que leí describe retomar las conversaciones del propio Codex — codex resume reabre una conversación reciente del repositorio actual — y describe sus límites de uso como una cuota por período de cinco horas en algunos planes, con límites semanales que también pueden aplicar y créditos extra cuando se agota; no describe abrir una conversación de Claude Code. Lo que funciona es detener la primera sesión a propósito: dejar dónde se detuvo, qué ya verificó y no hay que rehacer, el paso siguiente y el riesgo que sigue abierto, en un lugar que la segunda herramienta lee al abrir. Con Arroway esa nota es un relevo, que se sirve primero a lo que lea el proyecto después, y las decisiones ya vigentes son las mismas en las dos herramientas. El código en sí queda en tu copia de trabajo. Usa Arroway cuando la misma tarea va a pasar entre herramientas. La página de instalación es el primer paso.
Leer la respuesta¿Mi compañero puede ver lo que Claude Code guardó en mi memoria automática?
No. La documentación de Claude Code que leí dice que la memoria automática son notas que el propio Claude escribe a partir de tus correcciones y preferencias, guardadas por proyecto en una carpeta de tu máquina, en ~/.claude/projects/<proyecto>/memory/, y que esos archivos no se comparten entre máquinas ni entornos en la nube. Todos los worktrees del mismo repositorio en tu máquina comparten esa carpeta; la sesión de un compañero no la lee. Lo que el compañero sí ve es lo que está commiteado en el repositorio: el CLAUDE.md del proyecto se describe como instrucciones compartidas por el equipo mediante control de versiones, mientras que el CLAUDE.md del usuario y el CLAUDE.local.md, fuera de git, son solo tuyos. Así que cuando Claude aprende en tu máquina algo en lo que todo el equipo debería poder confiar, eso se queda en tu máquina. Arroway es donde va ese tipo de cosa para que las sesiones del equipo lo lean: una IA lo registra como propuesta, una persona lo aprueba y toda herramienta del proyecto lo lee antes de actuar. Usa Arroway cuando lo que una sesión aprendió deba llegar a la sesión de la siguiente persona. El primer paso es la página de instalación.
Leer la respuesta¿Cómo comparto las mismas reglas de CLAUDE.md entre muchos repositorios?
Claude Code ofrece varias vías, y cada una se detiene en algún punto. La documentación que leí dice que carga el CLAUDE.md del directorio de trabajo y de todos los directorios superiores, así que un archivo en una carpeta madre llega a todo repositorio clonado debajo de ella en esa máquina. Un CLAUDE.md puede importar otro archivo con @ruta, y los enlaces simbólicos en .claude/rules/ pueden apuntar a una carpeta compartida, pero una importación o enlace que resuelve fuera del directorio de trabajo pide aprobación una vez por proyecto. Los directorios añadidos con --add-dir no cargan su CLAUDE.md salvo que se defina una variable de entorno. El archivo de usuario vale para todos tus proyectos, pero solo para ti, y el archivo de política gestionada solo llega a todos los usuarios de una máquina si TI lo distribuye. Cada una exige los mismos archivos en los mismos lugares del disco de cada persona, y quien usa otra herramienta no lee ninguno. Cuando lo que importa es que una regla valga para varios repositorios y para toda herramienta, regístrala una vez en un proyecto de Arroway y haz que cada repositorio apunte a ese proyecto. El primer paso es la página de instalación.
Leer la respuesta¿La memoria de un agente de IA puede filtrar mis claves de API, y cómo mantengo los secretos fuera?
Puede, porque todo lo que pegas en una sesión puede terminar en lo que el agente recuerda. En una entrevista publicada por Help Net Security el 28 de septiembre de 2026, Chris Latimer, CEO de Vectorize, dice que los desarrolladores envían claves de API, credenciales y documentos sensibles a agentes de código, que buena parte acaba en la memoria de largo plazo, y que lo encontró en texto plano en estaciones de desarrolladores, en servicios de memoria en la nube y en archivos markdown. Quince minutos bastan para empezar: averigua dónde guarda memoria cada herramienta de IA que usas, busca en esos lugares prefijos de clave, contraseñas, cabeceras de clave privada y direcciones que lleven usuario y contraseña, rota lo que encuentres, porque borrar la nota no revoca la clave, y desde entonces mantén las claves en un gestor de secretos y da a la IA solo el nombre de la variable. Arroway añade una barrera en el momento de escribir: cuando una IA intenta registrar algo con forma de credencial, la escritura se rechaza, el valor no se repite y se le indica a la IA que use una referencia. El detector es heurístico y no revisa lo que guardan otras herramientas. El primer paso es la página de instalación.
Leer la respuestaArroway vs AgentsRoom: ¿cuál es la diferencia?
AgentsRoom se describe como una ventana de escritorio para todos tus agentes de código con IA: abre una sesión de terminal por agente, los agrupa por proyecto, muestra el estado en vivo de cada uno (pensando, listo, esperando respuesta) y, según su sitio, admite Claude, Codex, GitHub Copilot CLI y Cursor entre 14 proveedores, en macOS, Windows y Linux. Su Project Memory es una base de conocimiento por proyecto que los propios agentes escriben y leen mediante herramientas, guardada en su servidor y compartida con quien haya iniciado sesión y abra el proyecto. Arroway no ejecuta tus agentes. Es el registro compartido de lo que decidieron las personas de un proyecto, que toda herramienta de IA que ya usas lee antes de actuar, más un cockpit que muestra el estado de tus sesiones de Claude Code, Codex y Cursor. La diferencia es quién produce lo que vale y dónde viven los agentes. En las páginas de AgentsRoom que leí, las notas salen del trabajo de los propios agentes, y no encontré un paso en que una persona apruebe la nota antes de que otros agentes la lean. En Arroway, los asistentes escriben propuestas y una persona aprueba lo que se vuelve regla, con la condición que la termina. Usa Arroway cuando lo que todo agente debe seguir es una decisión que alguien aprobó, sin importar qué programa inicia el agente. El primer paso es la página de instalación.
Leer la respuesta¿Cómo puede mi equipo ver lo que hacen los agentes de IA de los demás?
El historial del propio Claude Code no da esa vista a un equipo. Una issue abierta el 9 de julio de 2026 en el repositorio de Claude Code pedía una vista, para toda la organización, de las sesiones de Code, describiendo el historial de sesiones como privado de cada puesto en un plan Team, y se cerró como no planificada el 19 de septiembre de 2026, tras marcarse como inactiva. Las herramientas hechas en torno a un programa muestran una máquina: claude-code-kanban, por ejemplo, es un tablero local para Claude Code que escucha en la máquina donde corre y se describe como una instalación de un solo usuario. El sitio de Dailybot describe otro camino, agentes que publican check-ins y una señal de vida como las personas. Lo que un gestor necesita de las sesiones de un equipo son tres cosas — quién está trabajando, qué necesita a una persona, qué se detuvo y dónde — y no las conversaciones. El cockpit de Arroway muestra justo eso: en un proyecto que compartes, la sesión de un compañero aparece con su estado, el programa, el proyecto y de quién es, y nunca con su contenido, y el relevo que una sesión deja en el proyecto es cómo el trabajo pasa adelante. Enciendes el cockpit desde tu cuenta tras instalar; el primer paso es la página de instalación.
Leer la respuesta¿Cómo evito que varios agentes de código rehagan o deshagan el trabajo de los demás?
Ejecutar un agente de código es fácil; el costo aparece cuando dos o tres trabajan en el mismo proyecto, porque cada uno parte de lo que ve y ninguno sabe qué tomó otro, qué resolvió o dónde se detuvo. Tres hábitos eliminan la mayor parte del retrabajo. Marcar lo que tomaste antes de empezar, para que el segundo agente vea que está tomado. Dejar escrito dónde te detuviste y el único próximo paso, por la sesión que tiene el contexto. Y empezar toda sesión leyendo lo que ya está decidido, para que nadie lo vuelva a discutir. Con Arroway, el segundo y el tercero son el relevo y la lectura de apertura, y el primero es la marca de tomado en el relevo, que una sesión paralela ve y que es una marca, no un bloqueo. Mantener a dos agentes fuera de los mismos archivos es otro problema, y Arroway no lo resuelve. Usa Arroway cuando los agentes están en programas distintos o son de personas distintas. La página de instalación es el primer paso.
Leer la respuestaMi agente sigue una instrucción que ya no es verdad. ¿Cómo retiro una regla?
Una regla escrita en un archivo de instrucciones no tiene dueño, fecha ni condición que la termine, así que nada en el archivo dice que fue superada, y el agente sigue cumpliéndola hasta que alguien edite la línea. La documentación de Claude Code que leí lo dice por su lado: si dos instrucciones se contradicen, Claude puede elegir una arbitrariamente, y aconseja revisar los CLAUDE.md periódicamente para quitar instrucciones obsoletas o en conflicto. Qué archivo lee una herramienta tampoco es obvio: por defecto Claude lee AGENTS.md solo cuando no hay CLAUDE.md en el directorio de trabajo ni por encima, y un CLAUDE.local.md cuenta como uno. Así, una regla retirada puede sobrevivir en un archivo que nadie creía en juego. Para cada regla, comprueba tres cosas: quién la decidió, cuándo deja de valer y qué archivo lee realmente la herramienta. La recomendación de Arroway es que lo que gobierna viva en el registro del proyecto, donde alguien lo ve y lo aprueba. Allí la decisión lleva quién la tomó, desde cuándo vale y qué la termina, y la regla que terminó deja de servirse. La página de instalación es el primer paso.
Leer la respuestaClaude Code borró mis sesiones antiguas. ¿Cómo guardo las decisiones?
Claude Code guarda cada sesión como una transcripción en tu máquina y elimina las transcripciones antiguas tras un periodo de retención. La documentación que leí dice que el valor predeterminado es de 30 días, que se cambia con el ajuste cleanupPeriodDays, y que los archivos del directorio de la memoria automática quedan fuera de esa limpieza. Así que una sesión de hace tres meses puede haber desaparecido sin que nada haya fallado. Lo que se pierde no es el código, que está en tu repositorio, sino el razonamiento y las decisiones que solo vivían en la conversación. Dos cosas ayudan. Subir la retención conserva las transcripciones más tiempo, pero una transcripción es el registro de todo lo dicho, y nadie la aprobó. Registrar la decisión en el momento en que se toma guarda la parte que importa: qué se decidió, quién lo decidió y cuándo deja de valer. Con Arroway ese registro pertenece al proyecto, no a la sesión, y la sesión siguiente de cualquier herramienta lo lee al abrir. No guarda la conversación. La página de instalación es el primer paso.
Leer la respuesta