Sobre o projeto

ai-memory fornece memória persistente para agentes de IA de codificação, permitindo transferências entre diferentes fornecedores de agentes. Suporta mais de 20 harnesses, incluindo Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Grok, Devin, Kimi e Kiro. Principais capacidades: - Memória entre agentes: Saia de um agente no meio de uma tarefa e retome em outro com o contexto preservado — onde você parou, o que falhou, o que ainda está aberto. As transferências são um protocolo tipado de reivindicação única. - Sincronização entre máquinas: A memória reside em um servidor auto-hospedado, para que os projetos sejam retomados em diferentes dispositivos. - Compartilhamento em equipe: Um servidor atende vários usuários com atribuição por pessoa, autenticação multiusuário e um registro de auditoria. O conhecimento é compartilhado por projeto; transferências pessoais permanecem pessoais. - Markdown como fonte da verdade: A memória é armazenada como arquivos .md com suporte a git — pesquisáveis com grep, editáveis no Obsidian, sincronizáveis com rsync. O banco de dados SQLite é um índice derivado que pode ser reconstruído a partir dos arquivos. - Captura automática: Hooks de ciclo de vida registram prompts, chamadas de ferramentas e limites de sessão, sanitizados em uma fronteira de privacidade tipada antes do armazenamento. As observações são consolidadas em páginas wiki legíveis ao final da sessão. - Zero LLM por padrão: Captura, pesquisa e transferências funcionam sem qualquer chave de API. Consolidação LLM e pesquisa vetorial são adições opcionais. - Recuperação: Pesquisa de texto completo FTS5, correspondência de entidades, RRF de vizinhos de grafo, RRF vetorial opcional, ajuste de autoridade de fonte limitada e fallback de observação bruta para pesquisas não globais. - Binário Rust único: Autocontido, com comandos de limpeza, um teto de escrita medido (~700/s) e um registro de auditoria de cada mutação. Plataformas suportadas: Linux, macOS, Windows via WSL2 (Windows nativo experimental). As opções de instalação incluem pacotes AUR para Arch Linux, Docker/Podman com imagens amd64 e arm64, e binários nativos pré-construídos. Provedores LLM opcionais incluem Anthropic, OpenAI (incluindo OAuth), GitHub Copilot, Gemini, OpenCode e endpoints compatíveis com OpenAI (Ollama, LM Studio, vLLM). Provedores de embedding opcionais incluem OpenAI, Voyage, Gemini e endpoints compatíveis com OpenAI sem chave. O servidor expõe uma interface MCP/HTTP e uma interface web somente leitura opcional com uma API JSON em /api/v1. Recursos de segurança incluem vinculação padrão apenas a loopback, autenticação por token bearer para exposição LAN, contas por usuário com sessões de senha e chaves de API, autenticação de dispositivo OIDC para hooks e TLS via proxy reverso. Regras de captura por repositório podem excluir caminhos ou operar em modo de lista de permissões. O diretório de dados contém um wiki versionado por git, segmentos de transcrição sanitizados imutáveis, índices SQLite, armazenamento de modelo reservado e logs rotativos.