El desarrollador detrás del agente Eris relata su experiencia al modelar la memoria del sistema siguiendo el comportamiento de la memoria humana: las entradas que no se consultan pierden valor con el tiempo (curva de olvido), mientras que las упоминаемые suben de nivel mediante una métrica promotion_score. La arquitectura organiza los recuerdos efímeros en tres niveles (Session, Scratch y Promote) con TTL, umbrales y decaimiento por tick, de modo que solo lo que alcanza el nivel Promote puede volcarse al vault en Markdown.
En la práctica, el sistema presenta varios problemas. El flujo exige dos llamadas explícitas (memory:stage y memory:commit_all), algo que los modelos locales pequeños gestionan mal: suelen saltarse el paso intermedio, creen que el volcado funcionó y malgastan turnos reintentando. Además, el boost por stage (3,5) supera el umbral Session→Scratch (3,0), por lo que cualquier entrada llega casi automáticamente al segundo nivel, inutilizando ese peldaño. El empuje por mención, presentado como algo semántico, es en realidad un solapamiento de tokens por longitud de palabra, sin embeddings.
El autor reconoce que construyó el sistema pensando en un futuro «modo curación» donde el propio agente revisaría los puntajes y decidiría qué conservar o fusionar, pero nunca llegó a implementarlo. Con un único usuario (él mismo) y sin ese módulo, la escalera de niveles añade seis parámetros de configuración y complejidad innecesaria al agente. Su conclusión: a la hora de almacenar memoria en un agente, conviene decidir menos al escribir y clasificar más al leer. Por ahora conserva la estructura, pero admite que probablemente sobraba.