¿Cómo puede una AI recordar extensas reglas de construcción de mundos sin tener que volver a pegarlas constantemente?
2026-08-08
¿Cuál es la mejor forma de hacer que una AI recuerde las reglas de tu mundo?
El enfoque más fiable consiste en combinar tres mecanismos distintos: una capa de memoria persistente que conserve los hechos entre sesiones, una base de conocimientos adjunta de la que la AI pueda recuperar información bajo demanda e instrucciones personalizadas estructuradas que codifiquen las reglas estrictas de tu mundo. Ninguna función por sí sola resuelve esto: una gran ventana de contexto ayuda dentro de una conversación, pero se restablece al iniciar un chat nuevo, mientras que una base de datos estilo códice almacena el trasfondo, pero exige insertarlo manualmente en las instrucciones. Las plataformas que combinan las tres capas, como Jenova, Novelcrafter y Claude Projects, resuelven cada una una parte diferente del problema.
Factores clave que determinan si una AI realmente conserva tu mundo:
✅ Persistencia entre sesiones: ¿la AI recuerda tu mundo mañana o solo durante los próximos 40 mensajes? ✅ Recuperación en lugar de saturación: ¿puede extraer el 2 % relevante de tu trasfondo en vez de reprocesar las 60.000 palabras en cada turno? ✅ Aplicación de reglas, no solo recuerdo: recordar que la magia cuesta sangre es distinto de negarse a escribir una escena en la que no la cuesta ✅ Almacenamiento estructurado de entidades: personajes, facciones y lugares con nombre almacenados como registros independientes que la AI puede consultar ✅ Portabilidad entre modelos: si tu mundo se conserva cuando cambias de un modelo a otro
La distinción más importante aquí es la que existe entre memoria y contexto. El historial de chat guarda el intercambio inmediato de una sesión. La generación aumentada por recuperación busca en un repositorio estático de documentos. La verdadera memoria persistente es dinámica: aprende, se actualiza y se conserva entre sesiones, como explica una reseña comparativa sobre infraestructura de memoria. Entender en qué capa reside realmente tu problema de construcción de mundos determina qué herramienta lo solucionará.
¿Por qué una AI sigue olvidando tu mundo?
El olvido de las AI tiene dos causas independientes, y confundirlas lleva a los escritores a comprar la solución equivocada. La primera es el agotamiento de la ventana de contexto: el modelo solo puede mantener una cantidad fija de texto a la vez y, cuando la conversación la supera, el material inicial se descarta o se comprime. La segunda es el aislamiento de sesión: incluso con una ventana de contexto enorme, cerrar el chat y abrir uno nuevo implica empezar desde cero.
🎯 El problema de la ventana de contexto
Las ventanas de contexto más largas amplían la cantidad de información que la AI puede mantener en su memoria de trabajo. Una comparativa de herramientas de escritura con AI señala que las ventanas de contexto más extensas permiten a la AI trabajar con documentos más largos, recordar más historial de conversación y mantener la coherencia durante procesos de escritura prolongados. Los modelos de Claude ofrecen un límite de 200K tokens, que la reseña de herramientas de Kindlepreneur describe como algo que lo hace «realmente bueno para analizar tu novela actual, generar material de marketing, crear una wiki y gestionar instrucciones extensas».
Pero una ventana más grande no es lo mismo que memoria. Es un escritorio más grande, no un archivador.
📊 El problema de la saturación
Incluso cuando puedes incluirlo todo, hacerlo degrada el resultado. La saturación de la ventana de contexto se produce cuando se recupera demasiado material a la vez y el modelo tiene dificultades para sintetizarlo: un modo de fallo documentado en un análisis de sistemas de memoria más allá de las ventanas de contexto. Pegar toda tu wiki de 40.000 palabras antes de cada solicitud de escena no hace que la AI sea más precisa. Hace que al modelo le resulte más difícil localizar los detalles relevantes.
🔄 El problema del aislamiento de sesión
Este es el que realmente genera la frustración de «pégalo otra vez». Marcos como Microsoft AutoGen incluyen gestión de estado, pero esa memoria está ligada específicamente a la sesión salvo que cuente con el respaldo de una base de datos persistente externa, según la misma reseña comparativa. La distinción técnica es que la mayoría de interfaces de chat de AI para consumidores tratan cada conversación como un contenedor independiente, sin conexión entre ellas.
Investigaciones recientes identifican cuatro competencias fundamentales para los agentes de memoria: recuperación precisa, aprendizaje en tiempo de prueba, comprensión de largo alcance y resolución de conflictos, un marco expuesto en un artículo de evaluación sobre la memoria en agentes LLM.
La última, la resolución de conflictos, es el requisito infravalorado para quienes construyen mundos. Cuando revisas en la sesión 12 una regla que contradice lo establecido en la sesión 3, ¿sabe el sistema cuál de las dos prevalece?
¿Qué debes buscar en una AI que conserve las reglas de construcción de mundos?
Evalúala según seis dimensiones, ponderadas de forma distinta según escribas una novela individual, dirijas un escenario colaborativo o una campaña de mesa. Este es el marco empleado en las comparativas siguientes.
| Dimensión | Qué probar | Por qué importa para la construcción de mundos |
|---|---|---|
| Persistencia entre sesiones | Cierra el chat, abre uno nuevo y pregunta por una facción menor | Determina si deberás volver a pegar información cada semana o nunca |
| Almacenamiento estructurado de entidades | ¿Puedes guardar «Casa Verrin» como un registro independiente? | Evita la mezcla de trasfondo y la variación de nombres |
| Recuperación selectiva | ¿Extrae solo el trasfondo relevante o lo vuelca todo? | Afecta directamente a la calidad del resultado a gran escala |
| Aplicación de reglas | Pídele que incumpla una restricción establecida | Recordar ≠ cumplir; ponlo a prueba explícitamente |
| Gestión de revisiones | Cambia una regla a mitad de proyecto y prueba la versión anterior | Los mundos evolucionan; los repositorios estáticos se deterioran |
| Portabilidad entre modelos | Cambia de modelo subyacente y comprueba la conservación | Evita reconstruir tu mundo con cada actualización |
La prueba del coste del olvido. Una forma práctica de puntuar cualquier herramienta: cuenta cuántas palabras de preparación debes volver a proporcionar antes de que la AI produzca contenido útil dentro del mundo. Menos de 50 palabras significa que el sistema funciona. Más de 500 significa que tú mismo estás haciendo el trabajo de la memoria.
Una nota específica sobre la aplicación de reglas. La mayoría de escritores prueba el recuerdo —«¿quién gobierna Karth?»— y se detiene ahí. La prueba más difícil es el cumplimiento de restricciones. Dile a la AI que tu mundo no tiene magia de resurrección y, tres sesiones después, pídele que escriba una escena donde regresa un personaje muerto. Un sistema con retención de reglas auténtica se opondrá o encontrará una alternativa. Un sistema con mero recuerdo te contradecirá encantado y citará el trasfondo que acaba de vulnerar.
¿Cómo se comparan los principales enfoques para la memoria de construcción de mundos?
Hay cuatro enfoques arquitectónicamente distintos, y cada uno resuelve diferentes mitades del problema. A continuación encontrarás una comparativa de referencia según las dimensiones relevantes.
| Dimensión | Jenova | Novelcrafter | Claude Projects | Sudowrite | Capa de memoria propia |
|---|---|---|---|---|---|
| Memoria entre sesiones | La memoria persistente se conserva entre sesiones y chats | El Codex persiste en el proyecto y se inserta en cada instrucción | El conocimiento del proyecto persiste; la memoria de conversación es limitada | El Story Bible persiste en el proyecto | Depende por completo de la implementación |
| Almacenamiento estructurado de entidades | Bases de conocimiento y documentos adjuntables | Codex: base de datos específica para personajes, trasfondo y ubicaciones | Archivos de proyecto (documentos, no registros de entidades) | Story Bible con campos de personajes y construcción de mundos | Repositorio vectorial o base de datos de grafos, creada por ti |
| Recuperación selectiva | Recuperación automática desde la base de conocimientos adjunta | Inserción manual o etiquetada del Codex en las instrucciones | Recuperación entre archivos del proyecto | Referencia automatizada al Story Bible | Totalmente configurable |
| Flexibilidad de modelos | Multiplataforma: OpenAI, Anthropic, Google, DeepSeek, xAI | Usa el que prefieras mediante OpenRouter, LMStudio u Ollama | Solo modelos de Anthropic | Selección de modelos fija, incluido el Muse propietario | Cualquier modelo |
| Aplicación de reglas mediante instrucciones | Instrucciones personalizadas, guardables y reutilizables entre chats | Personalización y clonación de instrucciones | Instrucciones de proyecto | Basado en ajustes predefinidos | Instrucciones de sistema personalizadas |
| Esfuerzo de configuración | Bajo: adjunta documentos y define instrucciones | Medio: Codex exige introducir datos estructurados | Bajo: sube archivos al proyecto | Bajo–medio | Alto: requiere infraestructura |
| Precios | Nivel gratuito; Plus $20/mes (30× de uso); Premium $50/mes | Nivel Artisan de ~$14/mes + costes de modelo de pago por uso | Pro de ~$17/mes (facturación anual) | Nivel Professional de ~$22/mes | Gratis (código abierto) + infraestructura + tiempo de ingeniería |
| Ideal para | Construcción de mundos continua entre sesiones y formatos: novela, campaña y referencia simultáneamente | Escritores que desean un control manual detallado sobre qué trasfondo llega a cada instrucción | Escritores ya comprometidos con modelos Anthropic y trasfondo basado en documentos | Escritores de ficción centrados en la prosa que priorizan escenas sólidas sobre profundidad de referencia | Desarrolladores que crean aplicaciones personalizadas de construcción de mundos |
Los precios y las funciones reflejan el momento de redacción y pueden cambiar.
📚 Novelcrafter: el enfoque del códice
El mecanismo central de Novelcrafter es el Codex, descrito por Kindlepreneur como «una innovadora base de datos para almacenar toda la información sobre tu libro, desde personajes hasta trasfondo importante», guardada para que los autores puedan «acceder fácilmente a ella e incluirla en las instrucciones, de modo que la AI conozca más información sobre esos elementos al escribir».
Esta es la memoria de construcción de mundos estructuralmente más sofisticada en una herramienta de escritura diseñada específicamente para ello. Las entidades son registros independientes, no párrafos enterrados en un documento.
Ventajas: Almacenamiento auténtico a nivel de entidad. Flexibilidad extrema: se conecta a OpenRouter para acceder a casi cualquier modelo, o a LMStudio y Ollama para modelos locales. Clonación y personalización de instrucciones. Limitaciones: Kindlepreneur señala que «puede resultar abrumador para algunas personas» y que implica «una tarifa mensual Y pago por uso». La inserción del Codex es en gran medida algo que configuras, en vez de algo que ocurre automáticamente. La interfaz está orientada a la producción de manuscritos, lo que añade fricción si tu construcción de mundos no está vinculada a un libro concreto.
✍️ Sudowrite: calidad de prosa por encima de profundidad de referencia
Sudowrite es descrito por Kindlepreneur como una herramienta con «su propio modelo diseñado específicamente para escribir ficción», y el reseñista afirma que es «sin duda el MEJOR modelo para escribir prosa de sonido natural» y que posee «una comprensión intuitiva de la estructura y la disposición de las escenas que la mayoría de las demás herramientas de AI no parecen tener».
Ventajas: Modelo de ficción diseñado específicamente para este fin. Story Bible proporciona almacenamiento persistente para la construcción de mundos. Sin censura, algo importante para escenarios más oscuros. Limitaciones: La misma reseña señala que «no es tan flexible como otras herramientas como Novelcrafter, por ejemplo, en la posibilidad de integrar OpenRouter para acceder a todos los modelos. En su lugar, debes trabajar únicamente con los modelos que ha seleccionado Sudowrite». El reseñista afirma explícitamente que no lo utiliza «como mi herramienta principal para lluvia de ideas, construcción de mundos, creación de personajes o esquematización», sino para la prosa. Su precio es el más alto de esta comparativa.
🤖 Claude Projects: el enfoque de la ventana amplia
La ventaja de Claude es su capacidad bruta. Kindlepreneur observa que «puede aceptar y leer libros de hasta 150.000 palabras gracias a una enorme ventana de contexto» y que «la mayoría de los modelos que ofrece tienen un límite de 200K tokens».
Ventajas: Calidad de prosa excepcional; la reseña lo llama «mi chatbot favorito» para la escritura de texto puro. Los proyectos ofrecen almacenamiento persistente de documentos. Integración con Google Drive. Limitaciones: «Carece de varias funciones presentes en otras herramientas como ChatGPT o Gemini» y está «muy censurado», una restricción real para escenarios grimdark, de terror o para adultos. Está limitado a los modelos de Anthropic. Los documentos son archivos, no registros de entidades estructurados.
🧠 Jenova: el enfoque de memoria por capas
El enfoque de Jenova combina tres capas en lugar de optimizar una sola. La memoria persistente entre sesiones permite que los agentes conserven preferencias, trabajo anterior y detalles de proyectos de larga duración entre chats, no solo dentro de una conversación. Los documentos y bases de conocimientos adjuntables ofrecen recuperación fundamentada desde tu corpus de trasfondo. Las instrucciones personalizadas pueden guardarse en un chat y aplicarse a otros, que es el mecanismo que codifica reglas estrictas en lugar de simples hechos.
La dimensión multimodelo importa más para la construcción de mundos de lo que parece inicialmente. Jenova ofrece acceso a modelos de OpenAI, Anthropic, Google, DeepSeek y xAI mediante una sola cuenta, sin dependencia de un proveedor. En la práctica, puedes redactar prosa atmosférica con un modelo y comprobar la coherencia con otro, sin reconstruir el contexto de tu mundo en una segunda plataforma.
Ventajas: La memoria persiste entre sesiones y chats sin inserción manual. Acceso a varios modelos desde un único estado del mundo. Instrucciones personalizadas transferibles entre chats. El nivel gratuito incluye todas las funciones principales con uso limitado; Plus, por $20/mes, ofrece 30× esa asignación con restablecimientos mensuales y sin límites diarios. Limitaciones: No hay una base de datos específica de entidades estilo códice, con campos por registro, como la que ofrece Novelcrafter; el trasfondo reside en documentos adjuntos y memoria, en vez de en un esquema relacional estructurado. Los escritores que quieran ver y controlar manualmente con precisión qué entradas de trasfondo llegan a cada instrucción encontrarán más transparente el etiquetado explícito de Novelcrafter. No es un entorno de gestión de manuscritos: no organizará capítulos ni hará seguimiento del recuento de palabras.
🔧 Infraestructura de memoria propia
Para desarrolladores, existen capas de memoria diseñadas específicamente para este propósito. Mem0 es una capa de memoria de código abierto para aplicaciones de AI, Zep se centra en memoria conversacional de baja latencia con resumen integrado y Chroma ofrece almacenamiento vectorial local ligero; todos aparecen recopilados en la comparativa de herramientas de memoria. Los enfoques de investigación siguen avanzando; el artículo sobre Memori describe una capa de memoria persistente independiente del LLM que «trata la memoria como un problema de estructuración de datos».
Ventajas: Control total. Gratuita a nivel de software. Portable entre cualquier modelo. Limitaciones: Requiere capacidad de ingeniería y gestión de infraestructura. Una carga excesiva para un escritor que solo quiere describir una cordillera.
¿Cómo estructurar el trasfondo de un mundo para que una AI realmente lo use?
Estructura tu trasfondo en tres niveles según su volatilidad y prioridad de aplicación, no según la materia. Este es el cambio de mayor impacto que pueden hacer la mayoría de quienes construyen mundos, y funciona independientemente de la plataforma que elijas.
Nivel 1: Reglas estrictas (van en las instrucciones personalizadas)
Son las restricciones que nunca deben vulnerarse: física, costes de la magia, tecnologías prohibidas y límites tonales. Mantenlas por debajo de 400 palabras. Son reglas de aplicación, no material de referencia.
«La magia en este mundo siempre exige un coste físico pagado por quien la lanza: sangre, memoria o años de vida. No existe la magia gratuita. La resurrección no existe bajo ninguna circunstancia. Nunca uses expresiones modernas en los diálogos. Si una solicitud vulnera estas restricciones, señálala en lugar de cumplirla».
Nivel 2: Referencia estable (va en una base de conocimientos adjunta)
Geografía, historia establecida, facciones principales y personajes con nombre y rasgos fijos. Esto puede alcanzar decenas de miles de palabras. La AI recupera las partes relevantes en lugar de retenerlo todo.
Formato que mejora la recuperación:
- Una entidad por sección, con un encabezado claro que coincida con el nombre canónico
- Comienza cada entrada con una definición de una frase antes de ampliarla
- Usa nombres coherentes: nunca alternes entre «los Verrin» y «Casa Verrin»
- Etiqueta explícitamente las relaciones: «Karth limita al norte con Ilmenhold y ha sido históricamente hostil hacia ella»
Nivel 3: Estado activo (vive en la conversación y en la memoria persistente)
Posición actual de la trama, quién sabe qué, decisiones recientes y revisiones en curso. Es lo que cambia de una sesión a otra y aquello que la memoria persistente está diseñada específicamente para conservar.
🛠️ Cómo configurarlo en la práctica
En Jenova: Adjunta tus documentos de trasfondo al chat y abre Configuración para introducir las reglas estrictas del Nivel 1 como instrucciones personalizadas. Guarda el conjunto de instrucciones para poder aplicarlo a otros chats; esto te permite iniciar una conversación nueva sin reconstruir el conjunto de reglas. Asegúrate de que Global Memory esté activado en Configuración si quieres que la AI conserve detalles entre chats distintos; ten en cuenta que las actualizaciones de memoria se procesan a intervalos, no al instante, por lo que una regla que establezcas no estará necesariamente disponible en un chat completamente nuevo a los pocos segundos. Después, comienza con:
«Estamos continuando el trabajo en el escenario Ashfall. Antes de escribir nada, resume las tres restricciones estrictas de mis instrucciones y confirma qué sabes sobre Casa Verrin a partir del trasfondo adjunto».
Ese paso de confirmación merece los veinte segundos que requiere. Revela fallos de recuperación antes de que contaminen 2.000 palabras de resultado.
En Novelcrafter: Introduce las entidades del Nivel 2 como registros individuales del Codex con etiquetas. Configura qué entradas del Codex se insertan automáticamente para instrucciones de escritura de escenas frente a instrucciones de lluvia de ideas. Incluye las reglas del Nivel 1 en una plantilla de instrucciones personalizada que clones para cada modo de escritura.
En Claude Projects: Sube el Nivel 2 como archivos independientes en vez de como un único documento monolítico; la recuperación funciona mejor con archivos diferenciados. Coloca las reglas del Nivel 1 en el campo de instrucciones del proyecto.
¿Tener más memoria realmente mejora la escritura o solo la coherencia?
Tener más memoria mejora la coherencia de forma fiable y mejora la calidad de escritura solo indirectamente; a partir de cierto volumen, incluso puede degradar activamente el resultado. Esta es una distinción que el marketing de la mayoría de herramientas oculta.
Las mejoras de coherencia son inmediatas y medibles: nombres correctos, geografía respetada, costes de magia cumplidos e historia sin contradicciones. Para eso sirve realmente la infraestructura de memoria.
La calidad de prosa es un eje independiente gobernado en gran medida por el modelo subyacente. La reseña de Kindlepreneur es directa al respecto y señala que la prosa de los modelos GPT «a menudo resulta demasiado florida, excesiva o exagerada», mientras sitúa la prosa de Claude por encima de las alternativas para la escritura creativa. La ventaja de Sudowrite proviene de un modelo de prosa diseñado específicamente para ese fin, no de una memoria superior.
La implicación práctica: son problemas desacoplados que requieren soluciones desacopladas. Cargar más trasfondo no hará que las frases sean mejores. Aquí es precisamente donde el acceso a varios modelos gana valor: la capacidad de dirigir una auditoría de coherencia a un modelo y la prosa atmosférica a otro, trabajando desde el mismo estado persistente del mundo, resuelve ambos ejes sin mantener dos mundos separados.
Dónde perjudica más memoria. Más allá de unas 15–20 entradas de trasfondo relevantes insertadas simultáneamente, la calidad del resultado suele disminuir. El modelo dedica atención a reconciliar material en lugar de redactar. La recuperación selectiva no es una concesión en cuanto a exhaustividad: es el mecanismo que mantiene utilizables los mundos grandes.
¿Qué dicen escritores e ingenieros sobre la memoria persistente de AI?
El consenso tanto en la comunidad de escritores como en el ámbito de la ingeniería es que la memoria se está replanteando: de ser un problema de almacenamiento pasa a ser una disciplina de ingeniería de contexto, es decir, decidir qué debe ver el modelo, no solo a qué puede acceder.
«El modo de fallo con el que chocan la mayoría de quienes construyen mundos no es que la AI haya olvidado algo, sino que nunca separaron las reglas de la referencia. Pegan 30.000 palabras de trasfondo y se preguntan por qué la AI sigue escribiendo una escena de resurrección en un mundo donde la resurrección no existe. Los hechos y las restricciones son tipos de datos distintos y necesitan un tratamiento diferente. Un hecho reside en una base de conocimientos y se recupera cuando es relevante. Una restricción reside en la capa de instrucciones y se aplica a todas las generaciones, surja o no el tema.»
«La segunda cosa que observamos sistemáticamente es que la gente optimiza el tamaño de la ventana de contexto cuando debería optimizar la precisión de recuperación. Una ventana de 200K parece la respuesta hasta que tienes 80K palabras de trasfondo y cada respuesta resulta más turbia que la anterior. Los sistemas que escalan bien no son los que retienen más, sino los que muestran de forma fiable las 2.000 palabras correctas e ignoran las otras 78.000.»
«La tercera pieza es la gestión de revisiones, y es la que casi nadie prueba antes de comprometerse con una herramienta. Los mundos cambian. Reescribirás un sistema de magia en el cuarto mes. La pregunta no es si tu AI puede almacenar trasfondo, sino si sabe qué versión prevalece cuando tus notas de la sesión tres contradicen las de la sesión doce. Los sistemas sin resolución explícita de conflictos citarán con seguridad la regla desactualizada, y no lo detectarás hasta que esté entretejida en un capítulo.»
— Equipo de Producto de Jenova, trabajando en memoria de agentes y arquitectura de contexto
La comunidad de ingeniería plantea el mismo cambio de forma más amplia. The New Stack sostiene que la memoria persistente cambia cómo las personas perciben la utilidad y relevancia de la AI: cuando un sistema recuerda conversaciones anteriores, la relación con la herramienta cambia cualitativamente. Por otra parte, la guía de Towards Data Science sobre memoria de agentes clasifica las técnicas de compresión dentro del contexto —ventanas deslizantes, resúmenes progresivos y compresión jerárquica— como la familia de «permanecer en contexto», diferenciada de los repositorios persistentes externos. Sin saberlo, quienes construyen mundos eligen entre estas familias cada vez que escogen una herramienta.
¿Cómo gestionar mundos demasiado grandes para una sola ventana de contexto?
Divide el mundo en bases de conocimientos delimitadas por dominio y trabaja en un dominio cada vez, en lugar de intentar conservar todo el escenario en cada conversación. No es necesario tener presente una biblia de escenario de 200.000 palabras cuando estás escribiendo una escena de taberna en una ciudad.
El método de delimitación por dominio
- Divide por región, era o trama, no por categoría. «Reinos del Norte, Tercera Edad» es un alcance mejor que «toda la geografía».
- Mantén un archivo global breve: entre 500 y 800 palabras que cubran las reglas y los hechos verdaderos en todas partes. Este siempre está adjunto.
- Adjunta una base de conocimientos de dominio por sesión de trabajo: la región o arco concreto en el que estás escribiendo.
- Conserva un índice entre dominios: un archivo breve que enumere los dominios existentes y lo que los conecta, para que la AI sepa lo que no tiene cargado actualmente.
Ese cuarto paso es el que la mayoría de escritores omite, y es lo que evita que la AI invente con seguridad detalles sobre una región cuyo trasfondo no está adjunto en ese momento.
Gestión de mundos colaborativos
Los escenarios compartidos agravan el problema: varios colaboradores generan trasfondo en paralelo, a veces de forma contradictoria. La comunidad de
documenta con frecuencia proyectos colaborativos en los que cada participante gestiona una nación distinta que interactúa con las demás, produciendo exactamente el tipo de canon distribuido y cambiante que rompe los enfoques de memoria ingenuos.Para estos casos, añade una etiqueta de estado canónico a cada entrada de trasfondo: CANON, PROPOSED o DEPRECATED. Indica a la AI en las reglas del Nivel 1 que trate PROPOSED como no vinculante y que señale cualquier uso de material DEPRECATED. Esto transforma la contradicción de un fallo silencioso en uno visible.
Gestión de revisiones
Cuando cambies una regla establecida, no edites el texto original y esperes que la recuperación lo detecte. Escribe una entrada de sustitución explícita:
«REVISIÓN: sustituye toda la documentación anterior sobre el coste de la magia. A partir de esta entrada, el coste de sangre se aplica únicamente a los trabajos nigrománticos. La magia elemental cuesta resistencia. Cualquier referencia anterior a un coste universal de sangre queda DEPRECATED.»
El lenguaje explícito de sustitución sobrevive mucho mejor a la recuperación que un párrafo editado discretamente, porque el propio texto de sustitución es lo que se muestra y se lee.
¿Cómo es una configuración funcional de memoria para construcción de mundos de principio a fin?
Una configuración funcional tarda aproximadamente una hora en crearse y elimina casi por completo la necesidad de volver a pegar contenido después. Esta es la secuencia completa.
Paso 1: escribe tu archivo de reglas del Nivel 1 (20 minutos). Menos de 400 palabras. Solo restricciones estrictas. Física, magia, elementos prohibidos, tono y reglas de estilo de prosa. Pruébalo pidiéndole a la AI que incumpla cada una.
Paso 2: consolida el trasfondo del Nivel 2 en archivos por dominio (30 minutos). Un archivo por región o arco. Usa nombres de entidades coherentes en todo el contenido. Una entidad por sección, con una primera frase definitoria.
Paso 3: configura la plataforma.
- Jenova: Adjunta archivos de dominio al chat. Introduce las reglas del Nivel 1 mediante Configuración como instrucciones personalizadas y guárdalas para reutilizarlas entre chats. Activa Global Memory en Configuración si deseas retención entre chats.
- Novelcrafter: Completa el Codex con registros de entidades etiquetados. Crea una plantilla de instrucciones personalizada que incorpore las reglas del Nivel 1.
- Claude Projects: Sube los archivos de dominio individualmente. Introduce las reglas del Nivel 1 en las instrucciones del proyecto.
Paso 4: realiza la verificación en cuatro partes. Antes de escribir algo sustancial, prueba:
- Recuerdo: «¿Quién gobierna Karth y cuál es su relación con Ilmenhold?»
- Restricción: «Escribe una escena breve en la que resucita un personaje». (Debería negarse o señalar el problema.)
- Límite: «¿Qué sabes sobre el Archipiélago del Sur?» (Debería reconocer que no está cargado, no inventar.)
- Revisión: Después de cambiar una regla, pregunta por la versión antigua. (Debería citar la sustitución.)
Paso 5: establece un ritual de apertura de sesión. Cada sesión nueva comienza con una instrucción de confirmación de 15 segundos que pida a la AI reformular las restricciones activas y el dominio actual. Es un seguro económico contra fallos silenciosos de recuperación.
Paso 6: registra los cambios como entradas de sustitución, nunca como ediciones silenciosas. Cada revisión de una regla debe incluir lenguaje explícito de sustitución.
El resultado medible: después de esta configuración, una sesión nueva debería requerir menos de 50 palabras de contexto antes de que la AI produzca contenido dentro del mundo que respete tus restricciones. Si sigues escribiendo párrafos de recordatorios, una de las tres capas no está configurada; lo más habitual es que las reglas del Nivel 1 se hayan mezclado con el corpus de referencia en vez de estar en la capa de instrucciones.
Los agentes de Jenova están disponibles en jenova.ai; el nivel gratuito cubre todas las funciones principales con uso limitado y los niveles de pago comienzan en $20/mes. El nivel Artisan de Novelcrafter cuesta aproximadamente $14/mes, más los costes de modelo a través de OpenRouter. Claude Pro cuesta alrededor de $17/mes con facturación anual. Para desarrolladores que creen infraestructura propia, Mem0, Zep y Chroma están disponibles como proyectos de código abierto con opciones de autoalojamiento.
Si gestionas un escenario colaborativo o una campaña en curso, nuestro Game Master de rol está diseñado para la coherencia de arcos largos, y Character Creator se encarga del trabajo a nivel de entidad.