Optimiza la Ventana de Contexto de tus Agentes IA: Consultas Múltiples y Memoria Temporal con Claix

El Problema: La Amnesia de los Agentes y el Coste del Reprocesamiento

Cuando construyes agentes autónomos, estos no suelen resolver problemas complejos en un solo paso. Siguen un flujo de razonamiento iterativo (Chain of Thought): primero necesitan saber de qué trata un contrato, luego buscan las cláusulas de penalización, y finalmente verifican si las fechas coinciden.

En un pipeline tradicional, el agente se enfrenta a un dilema técnico:

• Pérdida de contexto: si inyecta todo el PDF crudo en cada prompt, satura su ventana de contexto (provocando el efecto Lost in the Middle o pérdida de atención) y dispara la factura de la API de OpenAI o Anthropic.
• Latencia extrema: si vuelve a ejecutar el OCR o el parser del PDF por cada nueva pregunta que se le ocurre al agente, el proceso se vuelve inviable en producción.

La Arquitectura de Consultas Múltiples de Claix

Claix soluciona este problema separando la ingesta de la consulta, utilizando tu base de datos como una extensión de la memoria RAM del agente:

Paso 1: Ingesta Única (One-Time Parsing)

El agente envía el archivo (PDF, Excel, HTML). Claix lo convierte a un formato óptimo (Markdown/TSV) y lo almacena con un expires_at (TTL de hasta 24 horas, configurable en el schema).

Paso 2: Consultas Múltiples (Multi-Querying)

Mientras el documento esté vivo en la ventana de contexto de Claix, el agente puede enviar arrays de preguntas (hasta 5 por llamada) a POST /window-context/{document_id}. El backend solo inyecta el texto limpio al LLM interno para responder a esa duda específica. Si un dato no está en el documento, la respuesta de esa pregunta es null — sin alucinación forzada.

Paso 3: Autodestrucción

Cuando expira el tiempo, el Cron Job purga el documento. Cero residuos de almacenamiento permanente. Cumples RGPD sin montar buckets ni índices vectoriales solo para una sesión de razonamiento.

┌──────────────────┐     ┌─────────────────────────────┐     ┌──────────────────────────┐
│  Ingesta única   │ ──► │  Markdown/TSV + TTL (hasta  │ ──► │  Multi-query (hasta 5    │
│  PDF/Excel/HTML  │     │  24 h) en documents         │     │  preguntas / llamada)    │
└──────────────────┘     └─────────────────────────────┘     └──────────────────────────┘
                                      │                                  │
                                      ▼                                  ▼
                             expires_at / Cron Job              Respuestas en milisegundos
                             Autodestrucción                    sin reprocesar el binario

Tabla Comparativa: Extracción Tradicional vs. Ventana de Contexto Claix

Casos de Uso: Por qué los agentes necesitan preguntar varias veces

Auditorías dinámicas

Un agente financiero revisa un balance (Excel). Primero pregunta por el beneficio neto. Si el beneficio es negativo, entonces realiza una segunda petición a Claix preguntando por el desglose de gastos operativos — sin volver a parsear el libro.

Triaje de atención al cliente

Un agente recibe un hilo gigante de correos (HTML). En su primera petición a Claix extrae el ID del cliente. Consulta la base de datos interna y luego vuelve a pedir a Claix que extraiga los mensajes de queja específicos de ese ID.

La ventana de contexto convierte a Claix de un simple extractor de PDFs a una memoria de trabajo a corto plazo imprescindible para la IA.

Cómo invocarlo desde tu agente

Activa window_context en el schema (con window_time hasta 1440 minutos). La extracción te devuelve un document_id. Mientras no expire, POST https://www.claix.dev/window-context/{document_id} con un array questions de hasta 5 strings. También está expuesto como tool MCP claix.window_context.ask.