Temporal Memory Workflows
Plantillas de workflows durables que emparejan Temporal con memoria persistente de agentes
Cinco plantillas Temporal (T01-T05): agente memory-aware, aprobación de operador, saga rollback, síntesis recurrente, coordinación multi-agente. Todos los workflows escriben conocimiento durable (learn), decisiones (decide) y mistakes en Memory vía Temporal activities. Bring-your-own-backend mediante el adaptador MemoryClient (HostedMemoryClient + InMemoryMemoryClient). 45 tests con time-skipping, MIT.
Qué problema resuelve
LangGraph es bueno en cadenas cortas guiadas por el modelo. n8n es bueno en flujos visuales y deterministas. Ninguno cubre el tercer caso: un flujo de larga duración que no va del modelo en absoluto, con reversiones tipo saga, semanas esperando un evento externo y reintentos que sobreviven a la caída de un proceso. Para eso está Temporal, y estas plantillas lo emparejan con memoria de agente.
Cómo funciona
Cinco plantillas, cada una empareja un flujo de Temporal con memoria persistente para que el estado del flujo y el conocimiento del agente sigan siendo coherentes. La primera enseña la forma básica: leer memoria, razonar, escribir memoria, y sobrevivir a la caída de un trabajador a mitad de camino. Las cinco se verificaron en vivo contra un clúster autoalojado y la suite de pruebas está en verde.
Cuándo usarlo
Cógelas cuando lo que automatizas dura días o semanas, tiene que ocurrir exactamente una vez y debe retomar donde estaba tras un reinicio. Esa es la banda estrecha donde Temporal justifica su coste operativo, y las plantillas te ahorran además la integración de la memoria.
Cuándo no usarlo
Temporal es un clúster que tienes que operar, y eso es un coste real para un flujo corto. Para una cadena que acaba en un minuto, LangGraph o n8n es la respuesta más barata. Ten en cuenta además que esto todavía no está en npm: se clona o se bifurca en vez de instalarse.
Stars
★ 1
Clones (14d)
⊟ 30
Lenguaje
TypeScript
Actualizado
2026-08-21