Cómo construir un rival con memoria persistente con Gemini

Una de las funcionalidades de Mentium que más me costó diseñar — y la que más sorprende a los jugadores en la beta — es el rival con memoria persistente. Tu rival no es un NPC genérico que dice frases random. Recuerda cuántas veces le has ganado, en qué temas eres fuerte y dónde fallas. Sus comentarios pre-partida y post-partida son únicos para ti.

Aquí cuento cómo está hecho. Sin los detalles de prompts (esos son secret sauce), pero con la arquitectura, los costes y los trade-offs reales.

El problema

Si llamas a Gemini con un prompt tipo “haz un comentario post-partida para un rival de trivia”, obtienes algo genérico:

“¡Buena partida! Vamos por la siguiente.”

No sirve. Eso lo hace cualquier juego con un random.choice(["¡Bien!", "¡Sigue así!"]). Lo interesante es:

“Llevas 4 victorias contra mí esta semana, pero todas en mitología. Hoy te he pillado en geografía africana — 4 fallos de 8. Mañana vienes preparado, ¿no?”

Esa frase requiere contexto del jugador. Y ahí está el reto.

La arquitectura, paso a paso

1. Estado del rival, persistido en Firestore

Cada jugador tiene un documento users/{uid}/rival_state que guarda:

• personality: cuál de los 5 rivales le tocó (Taunter, Sage, Underdog, Friendly, Calculator). Asignado en la 3.ª partida según patrón de juego inicial.
• head_to_head: cuántas partidas ha jugado contra el rival, cuántas ganadas/perdidas/empatadas, racha actual.
• topic_stats: por categoría, % aciertos del jugador en partidas vs el rival.
• last_5_summaries: resúmenes condensados de las últimas 5 partidas (≤200 caracteres cada uno) generados al cerrar cada partida.
• last_seen_ms: timestamp de la última interacción para evitar referencias raras tipo “ayer” cuando lleva 3 semanas sin abrir el juego.

Total: ~2 KB por jugador. Despreciable a nivel de almacenamiento.

2. Resumen post-partida (no historial completo)

El error obvio sería mandar el historial completo a Gemini en cada partida. No lo hago. Tres motivos:

1. Tokens: a escala, los prompts largos multiplicados por usuarios y partidas saturan el modelo.
2. Latencia: prompts largos = respuestas lentas. El usuario espera el comentario al final de cada partida; no puede tardar 4 segundos.
3. Privacidad: cuanto menos detalle viaje al modelo, mejor.

En su lugar, al final de cada partida (en background, sin que el usuario espere) corro un prompt cortito que pide:

“Genera un resumen de UNA frase, máximo 200 caracteres, sobre qué pasó en esta partida desde el punto de vista del rival.”

Output ejemplo: "Le gané 6-2 en cine clásico; falló dos preguntas de Hitchcock seguidas."

Eso es lo que persisto en last_5_summaries. El historial real (preguntas, respuestas, tiempos) sigue local en el dispositivo para Smart Review.

3. Comentario pre/post-partida

Cuando hace falta generar un comentario del rival, el prompt va con:

• La personalidad (Taunter, Sage, etc.) + 2-3 frases de tono de ejemplo.
• Los last_5_summaries.
• El head_to_head resumido.
• Los 2-3 topics más relevantes para esta partida.
• (Si es post-partida) qué pasó en esta partida concreta.

Tamaño total: ~500-800 tokens. Modelo: Gemini 2.5 Flash Lite (suficiente para este uso, latencia ≈ 800ms).

Por la temperatura ajustada a 0.7-0.8 y un poco de sistema-instruction estricta, las salidas son consistentes con la personalidad del rival y casi nunca se inventan datos que no estén en el contexto.

4. Caché defensivo

Si el usuario abre el menú principal 3 veces en 5 minutos, no llamo a Gemini 3 veces. La primera llamada cachea localmente y se reutiliza durante 10 minutos. Si el usuario juega una partida en ese intervalo, invalido el caché y vuelvo a llamar (porque ahora hay una partida nueva en el historial).

Lo que NO hace

Cosas que decidí explícitamente no implementar:

• Diálogo libre con el rival. Tu rival no es un chatbot. Solo aparece pre/post-partida con frases generadas. Si lo abriera al chat libre, se volvería un asistente, no un rival.
• Memoria infinita. Solo guardo las últimas 5 partidas. Si ganaste hace 3 meses con un score perfecto, el rival ya no se acuerda. Ni el rival ni tú: es como la vida.
• Cross-rival memory. Si te asignan un rival nuevo, arranca de cero. Cada rival tiene su propia memoria con su propio jugador.

Lo que aprendí

1. No le pidas al modelo lo que el código puede calcular. “Cuántas veces le he ganado” es un contador, no una llamada a IA. Solo invoca al modelo para lo que requiere lenguaje natural.
2. Resúmenes condensados > historial completo. Una vez que aceptas que no vas a guardar todo, todo el sistema se simplifica.
3. La personalidad es prompt + tono de ejemplo, no fine-tuning. Para 5 personalidades, no merece la pena fine-tunear. Un buen system prompt con 3-4 ejemplos suficientes.
4. Caché defensivo es obligatorio. Si no, las llamadas al modelo se disparan por nada.

---

Si te gusta este tipo de detalle técnico y quieres ver Mentium en acción, ya puedes descargarlo gratis en Google Play: Mentium 1.0 «Curie» (acceso anticipado).

— Valentín