Por qué un agente n8n olvida el historial del chat, cómo funcionan las claves de sesión y cuándo Simple Memory o Postgres Memory es la opción correcta.
Cuando un chatbot de n8n ya no recuerda, tras la primera respuesta, el nombre del usuario o preguntas anteriores, esto se debe casi siempre a la configuración de memoria del AI Agent Node y no al modelo de lenguaje en sí. n8n no guarda automáticamente un historial de conversación: solo cuando conecta un nodo de memoria como Simple Memory o Postgres Chat Memory al agente, y ese nodo dispone de una clave de sesión única por conversación, el agente puede recuperar mensajes anteriores. Si falta la clave de sesión, es idéntica en cada ejecución, o el Chat Trigger no está ajustado en "From Memory", el agente se comporta como si cada mensaje iniciara una nueva conversación. Estado: julio de 2026.
Antes de tocar el propio nodo de memoria, vale la pena revisar las fuentes de error típicas que en la práctica llevan una y otra vez al mismo síntoma.
La clave de sesión es la clave bajo la cual n8n guarda una conversación determinada en la memoria. Según la documentación de n8n, tanto Simple Memory como Postgres Chat Memory requieren exactamente este único parámetro obligatorio para establecer "the key to use to store the memory in the workflow data", o, en el caso de Postgres, en la tabla de la base de datos. En la práctica, esto significa que cada conversación necesita su propio valor estable, por ejemplo el ID de chat del Chat Trigger, un número de teléfono en escenarios de telefonía, o un ID de cliente de su CRM. Si en su lugar utiliza una expresión que cambia en cada ejecución, se crea un recuerdo nuevo y vacío con cada mensaje. Un detalle que se pasa por alto fácilmente: los sub-nodos como los nodos de memoria, según la documentación, resuelven las expresiones siempre solo para el primer elemento, no para cada elemento individualmente como los nodos normales. Si procesa varios mensajes de chat en un lote, esto puede provocar una clave de sesión incorrecta o mezclada.
Simple Memory, que figura en la lista de nodos como Window Buffer Memory, mantiene el historial de conversación, según la documentación, directamente en los datos del workflow de la instancia de n8n en ejecución, lo que la convierte en la forma más rápida de dotar a un agente de memoria. La pega: esta memoria no está vinculada de forma permanente a una base de datos y, según n8n, explícitamente no funciona de manera fiable en un workflow de producción que se ejecuta en modo cola. Postgres Chat Memory en cambio escribe cada mensaje en una tabla de su propia base de datos Postgres, que n8n crea automáticamente si es necesario. El historial sobrevive así a reinicios, despliegues y varios procesos worker. Ambos tipos de nodo comparten el parámetro "Context Window Length", que determina cuántas interacciones anteriores tiene en cuenta el agente como contexto: un valor demasiado alto aumenta innecesariamente el consumo de tokens y el tiempo de respuesta. Importante con Postgres: si conecta varios nodos Postgres Chat Memory en el mismo workflow, según la documentación acceden por defecto a la misma instancia de memoria. Las conversaciones separadas necesitan, por tanto, claves de sesión diferentes, no nodos diferentes.
Un paso frecuentemente pasado por alto concierne al propio Chat Trigger Node. Solo cuando cambia allí "Load Previous Session" de "Off" a "From Memory" aparece siquiera la posibilidad de conectar un nodo de memoria, y n8n carga el historial anterior al iniciar una sesión. n8n también recomienda explícitamente conectar el Chat Trigger y el agente al mismo nodo de memoria, para que ambos componentes utilicen la misma fuente de verdad. De lo contrario, dos nodos de memoria separados con claves de sesión diferentes crean dos memorias paralelas e inconsistentes para una y la misma conversación, lo que se manifiesta como un comportamiento de respuesta errático o contradictorio.
Para un bot de prueba interno o una prueba de concepto, Simple Memory suele bastar. En cuanto un agente trabaja en producción con datos reales de clientes, atiende a varios usuarios simultáneos, o debe ser posible rastrear quién dijo qué al agente y cuándo, un almacenamiento permanente en una base de datos propia como Postgres Chat Memory es la opción más robusta, entre otras cosas porque el historial se puede exportar, revisar y eliminar allí si es necesario. Quien desee construir una arquitectura así junto con un concepto de clave de sesión limpio encontrará un punto de partida en los servicios de agentes de IA de NordFlux, así como en la automatización con n8n en general.
La clave de sesión es el identificador bajo el cual un nodo de memoria guarda y recupera un historial de conversación. Debe ser estable y única por conversación, por ejemplo el ID de chat del Chat Trigger, de lo contrario el agente ya no puede asociar los mensajes anteriores.
Según la documentación de n8n, Simple Memory mantiene el historial en los datos del workflow de la instancia en ejecución y, por tanto, no está vinculada a una base de datos. En workflows de producción en modo cola con varios workers, el nodo por ello explícitamente no funciona de forma fiable, porque no está garantizado que las llamadas siguientes lleguen al mismo worker.
Sí, pero varios nodos Postgres Chat Memory acceden por defecto, según la documentación, a la misma instancia de memoria. Para conversaciones separadas necesita claves de sesión diferentes, no necesariamente nodos diferentes.
Sí. La opción "Load Previous Session" debe estar ajustada en "From Memory", de lo contrario n8n no conecta el trigger con un nodo de memoria y no carga ningún historial anterior. Además, el Chat Trigger y el agente deben estar conectados al mismo nodo de memoria.
NordFlux crea empleados digitales para las organizaciones: automatizaciones y agentes KI que asumen el trabajo repetitivo. Usted mantiene el control.
¿n8n reporta 'JavaScript heap out of memory'? Resuélvalo con NODE_OPTIONS, modo de sistema de archivos y Execution-Pruning.
Resumen de todos los tipos de trigger de n8n: Schedule, Webhook, Polling, Manual y Chat, incluyendo recomendación de uso para cada escenario.
Make o n8n para Agentes de IA: Diferencias en construcción, coste por ejecución y control de datos en comparación.
Las claves de sesión, la elección correcta entre Simple Memory y Postgres Memory, y la conexión adecuada entre el Chat Trigger y el agente determinan si una conversación se mantiene coherente. NordFlux configura la arquitectura de memoria de sus agentes de n8n según su volumen de uso y sus exigencias.
