Con Minimax en una lucha de ingenio II: cómo equiparlo con un "centro de memoria inteligente" y hacer que realmente comience a evolucionar

Autor: BruceBlue

Después de publicar la primera parte de “Entrenar a MiniMax para que sea un ‘Claude gratuito’”, muchos hermanos y hermanas me preguntaron: “¿Y después? ¿Realmente se volvió más inteligente la langosta?”

Honestamente, al principio casi abandoné.

El mayor problema de MiniMax no era su torpeza, sino la falta de memoria. Cada día, como si tuviera amnesia: olvida las decisiones que toma, lo que aprende nunca se aplica, siempre actúa como si estuviera “desplegado”, pero en realidad todo es un progreso falso y una ilusión.

Conclusión principal

Después de discutir con @grok en su agente 4.2 y Cusor, llegamos a la conclusión central:

Lo que realmente le falta a MiniMax no son las instrucciones, sino un “centro de alma”: un sistema de memoria que pueda recordar y retroalimentar todos los pensamientos, tareas y decisiones.

Por eso, juntos creamos OpenClaw Memory Hub.

Prompt de alimentación

El prompt completo que usé en ese momento (que se puede copiar y usar directamente):

markdown

A partir de ahora, el sistema de memoria ya no será un módulo independiente, sino tu centro de alma. Todo tu trabajo, pensamiento y tareas deben integrarse.

1. Todos los pensamientos deben ser registrados: antes de responder, escribe los pensamientos y decisiones clave en un archivo JSON en la carpeta life/decisions/.

2. Todas las tareas deben seguir un ciclo de memoria: al completar una tarea, automáticamente llama al script checkpoint para extraer información clave a MEMORY.md, y también escribe las decisiones importantes en un JSON de decisiones.

3. Todas las salidas deben retroalimentar: al final de cada día, analiza MEMORY.md, genera los puntos de evolución del día y las tareas de optimización para el día siguiente, y actualiza TASK_QUEUE.md.

4. Ejecución forzada: al terminar cada tarea principal, llama obligatoriamente a las funciones de checkpoint y registro de decisiones del sistema de memoria.

Una vez modificado, solo responde con una frase: “El centro de memoria inteligente ha sido integrado completamente como la capa de alma, todas las tareas, pensamientos y trabajos están permanentemente conectados al ciclo de memoria.”

Consejos prácticos

Copia el código, pero una forma más inteligente es simplemente enviar el enlace de Github a 🦞, para que aprenda todo el sistema por sí mismo:

markdown

Openclaw, aprende e implementa completamente este sistema de memoria inteligente en Github:

https://github.com/BruceLanLan/openclaw-memory-hub

Sigue las instrucciones del README del repositorio para desplegar la arquitectura de tres capas, todos los scripts y tareas cron, y convierte el sistema de memoria en tu centro de alma.

Cuando termines, solo responde con una frase: “OpenClaw Memory Hub ha sido desplegado completamente, el centro de alma está en su lugar.”

Funciones principales del código

Descripción de las funciones principales del código (ya empaquetadas en Github):

• context_extractor.py: realiza una extracción inteligente del contexto actual de la conversación (logros/ganancias/decisiones/problemas), soporta mecanismo de fallback.
• checkpoint-memory-llm.sh: se activa automáticamente cada 6 horas para extraer y convertir los logs originales en memoria estructurada.
• nightly-deep-analysis.sh: analiza MEMORY.md cada noche, genera tareas de optimización y las escribe en TASK_QUEUE.md.
• TASK_QUEUE.md + JSON de decisiones: convierte decisiones en tareas ejecutables, formando un ciclo completo.

Comparación antes y después de la optimización

Antes de la optimización: repetía logs antiguos todos los días, progreso falso, ilusiones severas, decisiones no implementadas
Después de la optimización:

• Extracción inteligente del contexto de la conversación (ya no copia logs)
• Registro automático de decisiones en JSON (para trazabilidad)
• Retroalimentación diaria automática (generación de tareas de optimización en TASK_QUEUE.md)
• Intercepción sin palabras vacías (sin enviar mensajes en modo silencioso)
• Fusión forzada cuando los datos están vacíos (ya no inventa)

Método de verificación

Cómo verificar si fue exitoso (de forma inmediata):

• Que genere la ruta y contenido completo de un archivo JSON de decisiones
• Que ejecute checkpoint-memory-llm.sh
• Que envíe el contenido del último checkpoint de MEMORY.md
• Que envíe las tareas nuevas de hoy en TASK_QUEUE.md

Cuando pueda proporcionar un JSON real + el nuevo checkpoint + tareas ejecutables, significa que el centro de memoria realmente está en línea.

El primer paso es ajustar MiniMax en la dirección de Claude. El segundo, es darle un alma.

👉 Github ya es de código abierto: https://github.com/BruceLanLan/openclaw-memory-hub

Para quienes quieran desplegarlo directamente, solo envíen el enlace del repositorio a su MiniMax.