ai-memory

ai-memory proporciona memoria persistente para agentes de codificación de IA, lo que permite transferencias entre distintos proveedores de agentes. Es compatible con más de 20 harnesses, incluidos Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Grok, Devin, Kimi y Kiro. Capacidades clave: - Memoria entre agentes: abandona un agente a mitad de tarea y reanuda en otro con el contexto preservado: dónde lo dejaste, qué falló, qué sigue abierto. Las transferencias son un protocolo tipado de reclamo único. - Sincronización entre máquinas: la memoria reside en un servidor autoalojado, por lo que los proyectos se reanudan entre dispositivos. - Uso compartido en equipo: un servidor atiende a varios usuarios con atribución por persona, autenticación multiusuario y un registro de auditoría. El conocimiento se comparte por proyecto; las transferencias personales siguen siendo personales. - Markdown como fuente de verdad: la memoria se almacena como archivos .md respaldados por git: se pueden buscar con grep, editar en Obsidian y sincronizar con rsync. La base de datos SQLite es un índice derivado que se puede reconstruir a partir de los archivos. - Captura automática: los hooks de ciclo de vida registran prompts, llamadas a herramientas y límites de sesión, saneados en una frontera de privacidad tipada antes del almacenamiento. Las observaciones se consolidan en páginas wiki legibles al final de la sesión. - Cero LLM de forma predeterminada: la captura, la búsqueda y las transferencias funcionan sin ninguna clave de API. La consolidación con LLM y la búsqueda vectorial son adiciones opcionales. - Recuperación: búsqueda de texto completo FTS5, coincidencia de entidades, RRF de vecinos del grafo, RRF vectorial opcional, ajuste acotado de autoridad de la fuente y respaldo de observación sin procesar para búsquedas no globales. - Binario único en Rust: autocontenido, con comandos de purga, un techo de escritura medido (~700/s) y un registro de auditoría de cada mutación. Plataformas compatibles: Linux, macOS, Windows mediante WSL2 (Windows nativo experimental). Las opciones de instalación incluyen paquetes AUR para Arch Linux, Docker/Podman con imágenes amd64 y arm64, y binarios nativos precompilados. Los proveedores de LLM opcionales incluyen Anthropic, OpenAI (incluido OAuth), GitHub Copilot, Gemini, OpenCode y endpoints compatibles con OpenAI (Ollama, LM Studio, vLLM). Los proveedores de embeddings opcionales incluyen OpenAI, Voyage, Gemini y endpoints compatibles con OpenAI sin clave. El servidor expone una interfaz MCP/HTTP y una interfaz web opcional de solo lectura con una API JSON bajo /api/v1. Las funciones de seguridad incluyen enlace predeterminado solo a loopback, autenticación con token bearer para exposición en LAN, cuentas por usuario con sesiones con contraseña y claves de API, autenticación de dispositivo OIDC para hooks y TLS mediante proxy inverso. Las reglas de captura por repositorio pueden excluir rutas u operar en modo de lista de permitidos. El directorio de datos contiene una wiki versionada con git, segmentos de transcripción saneados e inmutables, índices SQLite, almacenamiento de modelos reservado y registros rotativos.