Las páginas sin traducir se abren en inglés y se indican como inglés.
Esta página es una traducción automática de la página en inglés, que prevalece. Machine-translated from the English page, which is authoritative.
Personalizar el pipeline de extracción
memory.set_from_messages procesa su transcripción mediante una lista ordenada de pasos que comparten un mismo estado. Una solicitud puede reemplazar esa lista a través de pipeline_steps: reordenar u omitir pasos, o llamar a un paso en proceso que un operador haya registrado. Esta página cubre solo la lista de pasos; Extracción explica qué hace la extracción.
pipeline_steps es un campo del cuerpo HTTP. Está oculto en el esquema de herramientas de MCP y no es un parámetro del helper memory.set_from_messages del SDK de Python; envíalo por HTTP o mediante call(...). Los tipos de entrada de las operaciones generados (sdk/python/loom/ops.py, sdk/typescript/src/generated/ops.ts) lo incluyen.
El pipeline predeterminado
DEFAULT_PIPELINE en server/memory/app/pipeline.py:
| Paso | Qué hace |
|---|---|
loom.fetch_namespace_categories |
Carga la taxonomía de etiquetas del espacio de nombres para el extractor. |
loom.fetch_existing_memories |
Las memorias existentes más cercanas (hasta 50), que se muestran al extractor. |
loom.llm_extract |
La llamada de extracción. |
loom.drop_recall_echoes |
Descarta hechos que repiten memorias servidas a la sesión. |
loom.drop_session_echoes |
Descarta hechos que repiten lo que transportaron las propias llamadas a Loom de la sesión. |
loom.drop_activity_narration |
Descarta la narración de actividad de herramientas sin un resultado duradero. |
loom.drop_non_durable |
Sesiones de programación: descarta instantáneas de estado, tareas de mantenimiento y planes. |
loom.verify_durable |
Sesiones de programación: pasada de verificación sobre los hechos restantes. |
loom.hash_dedup |
Descarta hechos cuyo hash canónico ya está almacenado. |
loom.bulk_write |
Envía las reglas del bot (about="agent") a la cola de aprendizajes y escribe el resto mediante memory.bulk_set. |
Una sesión de programación es una transcripción cuyos extra_tags incluyen una etiqueta de origen de agente de programación (source:claude-code, source:codex, source:cursor), o una reproducción de trayectoria. Los dos pasos de programación dejan pasar sin cambios las demás transcripciones.
Un pipeline_steps vacío ejecuta esta lista. Uno no vacío ejecuta exactamente los pasos que nombra, en orden, sobre un único estado compartido. Si omites loom.bulk_write, no se escribe nada: la respuesta sigue informando de lo que se extrajo.
Ejecutar un pipeline más corto
Extraer y escribir sin contexto de deduplicación, para una importación única de datos que se sabe que son nuevos:
curl -s "$LOOM_BASE_URL/v1/memory.set_from_messages" \
-H "Authorization: Bearer $LOOM_API_KEY" -H 'Content-Type: application/json' -d '{
"org": "acme",
"namespace": "support",
"agent": "importer",
"messages": [{ "role": "user", "content": "..." }],
"pipeline_steps": [{ "step_id": "loom.llm_extract" }, { "step_id": "loom.bulk_write" }]
}'
Esto requiere un proveedor de LLM real (LOOM_LLM_PROVIDER y su clave); el proveedor falso de la pila predeterminada no extrae hechos significativos.
Comportamiento de los pasos
Cada descriptor es {"step_id": ..., ...}; el objeto completo se pasa al paso como su configuración.
- Como máximo 16 pasos por solicitud.
- Los pasos
hook.*se rechazan con 422VALIDATION_FAILED: el servidor no realiza ninguna llamada saliente en nombre de quien llama. - Los ids de paso desconocidos se omiten y se informan en
pipeline_errorsde la respuesta comounknown_step:<id>. - Pasos que fallan de forma abierta. Un paso de obtención que falla registra el error en
pipeline_errors(por ejemplo,fetch_existing_failed:<error>) y el pipeline continúa. loom.llm_extractfalla de forma cerrada: un error de extracción aborta la solicitud con 502, de modo que una transcripción nunca recibe en silencio la respuestawritten=[]. Acepta{"judge": true}en su descriptor para activar el filtro de juicio;judge_extraction=trueen la solicitud hace lo mismo para la lista predeterminada.- Tiempos. El campo
stage_msde la respuesta incluye el tiempo real de cada paso (step.<step_id>). Cada paso también se ejecuta dentro de un span de OpenTelemetry llamadopipeline.stepcon el id del paso como atributo.
Registrar un paso en proceso
Un operador registra un paso en código que el proceso del servidor importa al arrancar:
from server.memory.app.pipeline import WorkflowState, register_step
async def spam_filter(state: WorkflowState, config: dict) -> WorkflowState:
state.extracted_facts = [
f for f in state.extracted_facts if "spam" not in str(f.get("value", "")).lower()
]
return state
register_step("operator.spam_filter", spam_filter)
Las solicitudes pueden entonces nombrar {"step_id": "operator.spam_filter"}; cualquier otra clave del descriptor llega como config. El paso se ejecuta en proceso con acceso de lectura y escritura a todo el WorkflowState: identidad, mensajes, memorias existentes, hechos extraídos, contadores. register_step reemplaza un registro existente con el mismo id, por lo que un paso del operador también puede reemplazar uno integrado.
Un paso que reemplace a loom.bulk_write debe dejar fuera de lo que escribe los hechos con about="agent": son las reglas del bot, que el paso integrado envía a la cola de aprendizajes.
Advertencia: un paso que descarta o reescribe
extracted_factscambia lo que almacena cada quien llama que lo nombra. Un paso ubicado después deloom.bulk_writeve las filas escritas enstate.written, pero no puede deshacer su escritura.
Para añadir un paso integrado a Loom, agrega la función y su llamada a register_step en server/memory/app/pipeline.py, colócalo en DEFAULT_PIPELINE y ejecuta make bench-quick antes y después: la lista predeterminada da forma a cada extracción.
Límites
- Los pasos se ejecutan de forma secuencial; no hay ramificación ni paralelismo.
- La lista predeterminada es global; no hay un pipeline por espacio de nombres.
- No hay reintentos a nivel de paso.