Respuestas
Arroway 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.
Última actualización 7 de octubre de 2026
Memoria que escribe el agente, o decisiones que aprueba una persona
La documentación de LangMem dice que sus dos herramientas centrales dejan que el agente decida qué guardar y qué recuperar, y que la memoria puede formarse en la conversación o en segundo plano, después de ella. También describe la memoria procedimental como el prompt de sistema del agente evolucionando con feedback, con optimizadores de prompts que adaptan el comportamiento a partir de conversaciones pasadas. Eso hace que la memoria sea del propio agente: lo que extrajo, lo que reescribió. Arroway parte de otro objeto: no lo que el agente aprendió, sino lo que decidieron las personas del proyecto. Un asistente que escribe en ella escribe una propuesta; solo se vuelve regla cuando una persona la aprueba.
Dentro de una aplicación LangGraph, o en todas las herramientas
LangMem funciona con agentes de LangGraph a través del almacén de memoria a largo plazo de LangGraph; la documentación muestra un almacén en memoria para desarrollo y nombra almacenes respaldados por base de datos para producción. La memoria pertenece a esa aplicación. Los agentes con los que tu equipo ya trabaja en Claude, ChatGPT, Codex o Cursor están fuera de ella. Arroway queda fuera de todos. No se construye nada: la instalas en cada herramienta, inicias sesión, y la siguiente sesión abre leyendo el proyecto y cierra registrando lo que se decidió. Quien lee puede ser una persona, un agente de cualquier plataforma o el mismo agente en una sesión posterior.
Cuándo usar Arroway
Usa Arroway cuando una decisión que una persona aprobó tiene que llegar a un agente que no construiste: quién la tomó, qué está vigente, qué la termina y qué reemplazó. En la documentación de LangMem el agente extrae y actualiza sus propios recuerdos, y las páginas que leí no describen un paso en que una persona apruebe un recuerdo o una reescritura de instrucciones antes de que valga. Lo que hace Arroway y esto no: un reemplazo nombra la regla que retira, una persona lo aprueba, y la regla vieja sale de la siguiente lectura y sigue en el historial. El primer paso es la página de instalación.
Cómo se ve en la práctica
Un equipo pequeño construye un agente de soporte en LangGraph con LangMem. Guarda lo que aprende de cada cliente y, con el tiempo, refina sus propias instrucciones a partir de las correcciones que recibe. Las cuatro personas del mismo equipo usan Claude y Cursor para escribir el producto. El lunes el equipo decide que los reembolsos de más de 200 dólares necesitan la aprobación de una segunda persona. El jueves sube el límite a 500. Si el límite vive en la memoria del agente, vive en esa aplicación; los asistentes internos nunca lo leen, y el agente puede reescribir la instrucción que lo lleva. En Arroway, la regla del jueves queda registrada como reemplazo de la del lunes, con el nombre de la responsable de soporte. Quien construyó el agente la lee por MCP, Claude y Cursor abren su siguiente sesión con la regla de los 500 dólares, y el historial muestra el límite anterior, cuándo cambió y quién lo cambió. No hemos construido un agente con LangMem; lo que se dice de él aquí viene de su documentación.
Preguntas que la gente hace sobre esto
- ¿Arroway reemplaza la memoria que guarda mi agente con LangMem?
- No. Lo que un agente aprende sobre sus usuarios y su propia forma de trabajar es otro trabajo, distinto de las decisiones del equipo. Arroway guarda las decisiones: quién las aprobó, qué está vigente y qué terminó. Si tu agente debe actuar sobre ellas, lee el proyecto por MCP como cualquier otra herramienta.
- ¿Cuándo debería un agente usar Arroway aquí?
- Cuando tiene que actuar sobre una decisión que una persona aprobó, y esa misma decisión tiene que llegar a las otras herramientas y personas del proyecto. El primer paso es la página de instalación.
- ¿Cómo pruebo Arroway?
- Instálala en la herramienta que ya usas —la página de instalación tiene una ruta para Claude, ChatGPT, Codex, Cursor o cualquier herramienta MCP— e inicia sesión cuando la herramienta lo pida. Desde entonces, las sesiones abren leyendo el proyecto y cierran registrando lo que se decidió.
Dónde se puede comprobar
Documentación de LangMem (langchain-ai.github.io/langmem), la introducción y la guía conceptual sobre tipos de memoria, formación y optimización de prompts, leídas el 7 de octubre de 2026 — LangMem se describe solo como esa documentación lo describe en esa fecha, y sus funciones pueden cambiar en cualquier versión. Documentación del producto en este sitio (Cómo funciona, Instalación), las respuestas sobre Arroway vs Letta y sobre la mejor memoria compartida para agentes de IA y equipos, y las reglas de sanción, sustitución, condición de término y lectura de apertura de la especificación sancionada del producto. Todo lo que se describe aquí sobre Arroway es comportamiento que las herramientas aplican hoy, no hoja de ruta. El equipo del ejemplo es ilustrativo.