Memorias persistentes en ChatGPT y Claude con Markdown

Cómo funcionan las memorias persistentes de ChatGPT y Claude, qué conviene guardar, qué evitar y cómo combinarlas con tus propios archivos Markdown.

Publicado el 11 de mayo de 2026

Durante 2025 y 2026 los principales chatbots de IA han añadido un componente que cambia la conversación literal y figuradamente: memorias persistentes. Ya no empiezas cada chat desde cero, sino que el modelo recuerda quién eres, en qué proyectos trabajas y qué preferencias tienes. La pregunta interesante deja de ser "¿puedo darle contexto?" y pasa a ser "¿qué conviene que recuerde y qué no?".

Este post repasa cómo funcionan las memorias en ChatGPT y Claude, qué tipo de información gestionar bien y cómo combinarlas con tus archivos Markdown propios para tener una base de contexto que ni se te olvide ni se te descontrole.

Qué son las memorias persistentes

En esencia, una memoria persistente es un resumen comprimido de información que el modelo guarda entre sesiones. Cuando inicias una nueva conversación, esa información se incorpora silenciosamente al contexto, sin que tengas que pegarla otra vez.

Lo importante es entender que no es la conversación completa lo que se guarda, sino una versión sintetizada. Cuando le cuentas algo al modelo y este decide "merece la pena recordar esto", lo extrae como una entrada corta y la suma a tu perfil interno. La próxima vez, esa entrada vuelve a estar disponible.

Memorias en ChatGPT

ChatGPT ha tenido varias iteraciones del sistema de memoria. En 2026 funciona en dos capas:

  • Memorias explícitas: entradas que el modelo guarda cuando le dices "recuerda que…" o cuando detecta información personal estable (tu nombre, dónde vives, en qué trabajas). Son visibles desde los ajustes del chat y puedes editarlas o borrarlas una a una.
  • Memorias implícitas: información que el modelo infiere de la conversación y mantiene como contexto suave, sin entradas visibles individuales. Se puede activar o desactivar globalmente desde la configuración.

Las memorias en ChatGPT son por cuenta, no por proyecto. Esto significa que cualquier cosa que recuerde está disponible en todas tus conversaciones, lo que es cómodo pero también puede llevar a contaminaciones extrañas si no eres selectivo.

Memorias en Claude

Claude ha tomado un camino algo distinto. La memoria persistente está disponible en los planes de pago y se organiza alrededor del concepto de Projects: dentro de un proyecto, Claude recuerda el contexto que has añadido tú (archivos, instrucciones) y lo que ha aprendido durante las conversaciones del propio proyecto. La memoria es por proyecto, no por cuenta.

Si tienes tu CV en un proyecto y tu base de conocimiento técnica en otro, el modelo no mezcla los dos. Esto es útil para mantener separados contextos que de otro modo se solaparían.

Profundizamos en este patrón en el post sobre Claude Projects y base de conocimiento en Markdown.

Qué conviene guardar como memoria

Las memorias son útiles cuando son estables y reutilizables. Información tipo:

  • Preferencias de estilo: "Prefiero respuestas concisas, sin disclaimers innecesarios".
  • Idioma y tratamiento: "Respóndeme siempre en español, usa el tuteo".
  • Contexto profesional: "Trabajo como ingeniero de datos en Python".
  • Convenciones de proyectos largos: "El stack del proyecto X es Next.js + Postgres + Prisma".
  • Restricciones recurrentes: "Nunca recomiendes librerías abandonadas como X o Y".

Lo que no conviene guardar como memoria:

  • Información puntual o cambiante: "Hoy estoy resfriado", "esta semana estoy con un cliente concreto". Caduca rápido y ensucia el contexto.
  • Datos sensibles: contraseñas, tokens, datos financieros. Aunque los servicios prometen cifrado, no los expongas innecesariamente.
  • Información ambigua o contradictoria: si guardas "me gusta el código limpio" pero también "no me importa el estilo si funciona", el modelo elegirá una al azar.

El patrón híbrido: memorias del chatbot + Markdown propio

La práctica que mejor escala en 2026 es combinar las memorias nativas del chatbot con archivos Markdown propios que vayas pegando al inicio de cada proyecto importante. La división de roles queda así:

  • Memorias del chatbot: cosas pequeñas, generales y muy estables (preferencias personales, idioma, estilo).
  • Archivos Markdown propios: contexto específico de cada proyecto, mucho más detallado, versionable en Git y portable a cualquier chatbot.

Por ejemplo, para un proyecto técnico podrías mantener un archivo contexto-proyecto.md así:

# Proyecto Acme

## Stack
- Backend: FastAPI + PostgreSQL
- Frontend: Next.js 14
- Despliegue: Vercel + Railway

## Convenciones de equipo
- Tests con pytest, mínimo 80% de cobertura
- Commits en inglés, formato Conventional Commits
- Branches: main, develop, feature/*

## Decisiones tomadas
- Migración a Postgres 16 en marzo 2026
- Adopción de pnpm en lugar de npm

## Cosas que evitar
- No usamos Redis, no propongas soluciones que lo asuman
- El módulo de pagos no se puede testear en local

Al iniciar una conversación importante sobre el proyecto, pegas ese archivo. El chatbot tiene contexto inmediato y completo, mucho más profundo que cualquier memoria implícita.

Patrón para Claude Code y agentes

Si trabajas con Claude Code o cualquier agente de programación, el mismo principio se aplica con CLAUDE.md o AGENTS.md en la raíz del repositorio. El agente lee el archivo al arrancar y queda con el contexto cargado para toda la sesión.

La diferencia frente a las memorias nativas: este archivo está versionado en Git y compartido por todo el equipo. Cualquier persona del proyecto, o cualquier agente que use ese repo, parte del mismo contexto. Las memorias del chatbot son por persona; el archivo Markdown del repo es por proyecto.

Cómo auditar y mantener las memorias

Las memorias persistentes envejecen mal si no se revisan. Algunas costumbres saludables:

  • Audita una vez al mes: entra a los ajustes y borra entradas obsoletas. Cosas como "voy a empezar a aprender Rust" tienen sentido durante un mes, no durante dos años.
  • Detecta sesgos: si el modelo responde de forma extraña, mira las memorias. A veces una entrada antigua sesga las respuestas sin que te des cuenta.
  • Exporta a Markdown: en ChatGPT puedes copiar el listado de memorias y guardarlo en un archivo .md. Tener una copia versionada te permite ver cómo evolucionan.
  • Borra cuando termine un proyecto: si el contexto era específico de un proyecto que acabó, libera espacio.

Privacidad

Las memorias son datos personales, tanto en sentido legal como práctico. Algunas reflexiones:

  • En cuentas compartidas, las memorias se mezclan. Evita compartir cuenta para uso serio.
  • Si guardas datos sensibles (clientes, contratos), revisa las condiciones del proveedor. Las versiones de pago suelen ofrecer mayor protección y opciones para que el contenido no se use para entrenamiento.
  • Los archivos Markdown propios son más controlables: viven en tu disco o en tu Git privado, sin enviar nada a un proveedor hasta que tú lo decides.
  • Si tienes dudas sobre el tratamiento, lee la política de privacidad de la herramienta antes de subir información delicada.

Para terminar

Las memorias persistentes son una de esas funcionalidades que parecen menores hasta que las usas bien. La regla práctica: lo pequeño y estable, en las memorias del chatbot; lo específico y detallado, en archivos Markdown propios. Con esa división consigues lo mejor de ambos mundos: la comodidad de no repetirte y el control total sobre el contexto que importa.

Recursos relacionados

Esto ha sido todo.

👋 Hola! Soy Edu, me encanta crear cosas y he redactado este tutorial. Si te ha resultado útil, el mayor favor que me podrías hacer es el de compatirlo en Twitter.

para estar al día con mi contenido. 😊