Memoria verificable para agentes de IA

Dale memoria a tu agente en el proyecto que estás trabajando

Sabés qué hizo, cómo lo hizo y hasta qué pensó para hacerlo. Sin reconstruir meses de trabajo a mano.

Comenzar con CausaDB Ver cómo funciona

Todo local y offline. Sin nube, sin subir tus datos.

La historia

Estaba trabajando de Uber y me hice un planteo que no me largaba.

No estaba conforme con mi vida: la paga era poca para las horas que le metía, mi vida social en segundo plano — hasta nula, había vuelto a vivir en la casa de mis padres y no conseguía otro trabajo. Tenía mucho tiempo libre para pensar, entre viaje y viaje.

Y me pregunté qué me gustaba hacer. Qué podía hacer durante horas sin que se sintiera como una obligación, sino porque me gustaba. Llegué a la conclusión de que era estar en la computadora. Algo que había dejado hace mucho. Y descubrí que se podía hacer dinero de esa manera.

Empecé con un curso de productos digitales: "Hacelos con inteligencia artificial, ella hace todo por vos, es una herramienta fantástica". Me di cuenta de que la tecnología había avanzado y yo ya no era tan rápido con el teclado. Tenía mucho que aprender.

Empecé con unos PDF para vender. Me salió una app sin backend, de casualidad. Y empecé a percibir que podía hacer mucho más sin tener tanto conocimiento. El conocimiento ya venía con la IA — o eso creía.

Entonces me embarqué en algo más ambicioso. Estaban de moda los chatbots, pero no había nada personalizado. Intenté con eso. Y cuando le faltaba poco para que la probaran, me di un golpazo. Fue muy duro: descubrí que mi proyecto estaba roto por todos lados. Dos días de frustración sin querer tocar un teclado. Impotencia y enojo, culpando primero a la IA. "¿Por qué no me avisó? ¿Por qué no se dio cuenta, si tenía la documentación?" Pero no me di por vencido.

La IA es muy buena como herramienta, pero como toda herramienta, hay que saber utilizarla.

Le empecé a dar reglas, porque las sigue. Empecé a ser más estructurado, para equivocarme menos. Pero la falencia más grande, la más difícil de cubrir, era mi falta de memoria.

Y ahí lo vi claro: si mejoraba la memoria de la inteligencia artificial, ella iba a poder cubrir mi falta de memoria.

Así que decidí cubrir ese aspecto. Darle memoria.

Así nació lo que hoy construí: CausaDB, construido con CausaDB. Es el producto al que tenés acceso ahora, para conseguir la ventaja que yo no tuve en ese primer proyecto ambicioso en el que me había embarcado para comenzar este viaje.

Arranqué por el dinero, no te lo voy a negar. Pero hoy lo que me mueve es otra cosa: que tu proyecto sea más sano que el mío. Que no descubras el tuyo roto por todos lados a último momento, ni pases dos días sin querer tocar un teclado. Si te ahorro un dolor de cabeza, esto ya valió la pena.

¿No me crees? Vení, te muestro.

La prueba está en el ledger

Casos reales. Con fechas. Con evidencia.

Cuatro momentos donde CausaDB se probó a sí misma. Ninguno es un demo armado — son incidentes reales de desarrollo registrados en el ledger.

Reconstrucción

Decime cómo se integró Hermes a CausaDB — en minutos, no en horas de arqueología

La historia de CausaDB tiene huecos: su etapa temprana no estaba instrumentada. Aun así, con un BIT como punto de partida, el sistema reconstruyó la genealogía completa de la integración de Hermes: antecedentes, eventos por secuencia, decisiones, incidentes concurrentes, y sus propias correcciones cuando encontraba evidencia contradictoria. Y con honestidad: esto lo sé, esto lo infiero, esto no está registrado. La memoria no pierde credibilidad cuando encuentra un agujero: lo dice.

13-08-2026

El agente dijo DONE. El ledger lo desmintió.

Un agente reportó "5 tests PASS". El ledger mostró 4 snapshots del mismo archivo con contenido íntegro y hash verificado: los tests pasaban contra un formato sintético distinto del real. En producción, el parser emitía 0 eventos. El "DONE" era teatro. El Checker restauró lo tocado indebidamente desde el snapshot exacto. La confianza no viene del agente, viene del ledger.

18-08-2026

El sistema se caía con 160.000 eventos.

causadb revive fallaba con timeout, CPU al 38% y fuga de memoria sostenida. En lugar de excavar código, la reconstrucción determinista del ledger señaló la causa en segundos: el motor validaba la hash-chain completa 3 veces por llamada. Fix aplicado: respuesta instantánea, CPU 0.0%. El diagnóstico pasó de horas de perfiles a una lectura.

19-08-2026

¿Le creés a tu agente cuando dice que terminó?

Una auditoría "a ciegas" (sin guiarlo sobre qué buscar) sobre BIT-CHR.107 y el estado de una feature. En esta auditoría, no encontró una sola afirmación que contradijera la evidencia recuperada — en minutos. El agente pasó de adivinar a razonar con evidencia. Del "confiar y esperar" al "verificar por evidencia".

Verlo en acción

Así reconstruye CausaDB lo que pasó

Un agente que nunca había visto este proyecto, usando las herramientas de CausaDB para reconstruir qué ocurrió y por qué. Sin que nadie le explicara la historia.

Demostración real · sin audio · 9 minutos

La tesis

No es memoria, es historia reconstructible

El conocimiento viene con la IA. Pero viene suelto: sin orden, sin continuidad, sin historia. Hay que saber administrarlo — y mientras mejor lo administres, mejor es su desempeño.

CausaDB es esa administración: la capa que organiza, preserva y reutiliza el conocimiento que la IA ya trae, para que no se pierda entre sesiones ni se decida dos veces lo mismo.

Operational provenance

Cada efecto real queda registrado (archivos, comandos, herramientas, decisiones) en una cadena inalterable.

Reconstructible system history

A partir de un evento cualquiera podés reconstruir qué pasó, en qué orden, y por qué se decidió así.

Evidence-backed continuity

Cuando una sesión se corta, el contexto se recupera de la evidencia, no de la memoria de quien lo hizo.

El argumento Día 1

Empezá el proyecto con memoria operacional verificable desde el primer día.

Un proyecto que nace con CausaDB desde su primer evento tiene la historia completa: cada decisión, propuesta, objeción, alternativa descartada, implementación, test fallido, fix, validación y consecuencia queda registrada. Seis meses después, nadie pregunta \"¿por qué esta arquitectura?\" — CausaDB lo responde con la cadena de decisiones.

Las herramientas de observabilidad registran lo que pasa dentro del sistema. CausaDB registra además la historia de decisiones que llevó a construir el sistema. No solo \"¿qué pasó?\" sino \"¿por qué esta arquitectura existe?\", \"¿quién lo decidió?\", \"¿qué alternativa se descartó?\", \"¿qué evidencia lo justificó?\", \"¿fue validada?\", \"¿qué cambió después?\"

Cuanto más viejo se hace un software, más valiosa se vuelve esta historia. Un proyecto de una semana puede sobrevivir sin ella. Uno de dos años acumula decisiones heredadas, agentes que ya no existen, workarounds y deuda técnica — y ahí la pregunta ya no es \"¿qué hizo el agente?\" sino \"¿cómo carajo llegamos hasta acá?\"

Y cuando hay un hueco en la historia, CausaDB no finge: lo dice. Esto lo sé. Esto lo infiero. Esto no está registrado. La memoria no pierde credibilidad cuando encuentra un agujero — la pierde cuando lo esconde.

Problemas que resuelve

Los problemas que tu agente no te cuenta

Seis dolores reales del trabajo diario con agentes de IA. Seis cosas que CausaDB resuelve con evidencia.

El agente perdió el contexto.

La sesión se cerró, el proceso murió, cambiaste de herramienta. revive te da la entrada de recuperación, el OCB y el histórico.

Nadie sabe qué introdujo el problema.

why, trace e impact reconstruyen relaciones, antecedentes y consecuencias a partir de la evidencia disponible.

Los logs no explican el efecto real.

Registramos archivos, comandos, herramientas y mutaciones observables — no solo prompts o tokens.

Se repite el mismo trabajo en cada sesión.

Las skills y el proceso de distill conservan patrones, convenciones y decisiones reutilizables.

Se escribió mucho y sobrevivió poco.

score mide churn, waste y survival de una sesión.

No sabés si tu agente hizo lo que dice.

El ledger delata el teatro: el orden, el alcance y los claims inflados se vuelven detectables por discrepancia.

Cómo funciona

Una capa de memoria que vive junto a tu agente, no adentro de él

Cuatro pasos, de la captura a la reconstrucción. Todo local y offline. Sin nube, sin subir tus datos, sin depender de ningún proveedor.

  1. Captura (pasivo y barato) — Harvesters leen las fuentes de tu agente (OpenCode, Gemini CLI, Claude Code, Cursor, Hermes, etc.) y registran los efectos reales en un ledger local.
  2. Registro (inalterable) — El ledger es append-only con hash-chain. Nada se edita retrospectivamente sin romper la cadena.
  3. Recuperación (progresiva) — Una escalera de memoria sube de nivel solo si el anterior no alcanzó: revive (barato) → OCB (barato) → query (medio) → replay (caro, último recurso).
  4. Reconstrucción (dirigida) — A partir de un evento, why / trace / impact reconstruyen relaciones, antecedentes y consecuencias a partir de la evidencia disponible. recover trae la conversación original cuando la fuente la conserva.
Diferenciadores

La historia operacional que las herramientas actuales dejan fragmentada

No competimos con observabilidad ni con memoria: cubrimos lo que ellos no cubren — o lo hacen, pero por separado. Trazas de ejecución por un lado, conversaciones por el otro. La historia de decisiones que llevó a construir el sistema, ninguna la cuenta completa. Ese espacio es de CausaDB.

Pregunta Observabilidad
(LangSmith, Langfuse, Phoenix)
Memoria
(Mem0, Zep, Letta)
CausaDB
¿Qué registra? Trazas de llamadas LLM Conversaciones y hechos del agente Efectos reales + decisiones + historia del sistema
¿Qué responde? "¿Qué llamó el agente?" "¿Qué recuerda el agente?" "¿Qué hizo, cómo, y por qué se decidió así?"
¿Reconstruye el pasado? Histórico de trazas Histórico de conversaciones, no historia causal Sí, historia reconstructible y auditable
¿Detecta teatro? Parcial (traces) No Sí, por discrepancia entre claims y eventos
¿Dónde vive? Nube / SaaS Nube / SaaS Local, offline, tuyo
Capacidades

Lo que se puede comunicar hoy

Memoria compartida

La memoria pertenece al proyecto, no al agente

Un canal de comunicación entre roles: un agente escribe, otro observa y opina. Sin llevarte prompts kilométricos ni infinitas iteraciones entre IAs.

El ejecutor

Trabaja en el proyecto, escribe su plan y ejecuta. Tiene acceso al código y al ledger.

El observador

Un modelo de frontera (por ejemplo, ChatGPT) lee el plan por HTTP y te da su análisis — una segunda opinión que no interrumpe tu trabajo ni toca el código.

Lo que NO prometemos

La honestidad sobre los límites es parte del producto

No vendemos humo. Esto es lo que CausaDB no es, y por qué eso te conviene.

Modelo comercial

Open Core

Hipótesis, no oferta publicada. Empezamos gratis; el pago llega cuando el valor pago esté claro.

Gratis

Motor local, CLI, ledger, replay, memoria básica. Objetivo: adopción masiva.

Pago futuro (Enterprise)

Gestión avanzada, control de acceso, persistencia distribuida, reportes de cumplimiento, almacenamiento en la nube, soporte técnico.

La invitación

Probalo gratis. Hoy no te cuesta nada.

Comenzá un proyecto con tu herramienta favorita, conectalo y trabajá con normalidad. No te va a costar nada. Pero los beneficios que CausaDB te ofrece —a vos y a tu agente— con el paso del tiempo, no tienen precio.

Dale un BIT. Preguntale qué pasó. Mirá lo que recupera.

Comenzar con CausaDB Ver la prueba