lemory

Lemory é um middleware de base de dados de contexto local-first para agentes de IA, que integra os arquivos markdown existentes do usuário (por exemplo, vaults do Obsidian) em um sistema de memórias, conhecimentos e habilidades compreensível pela IA. Ao usar arquivos reais como a base de dados, em vez de um sistema de arquivos virtual ou um DB hospedado separado, ele garante que as ferramentas existentes como `ls`, `grep` e `git` continuem a funcionar, resultando em um custo de saída próximo de zero. Os recursos principais incluem uma pesquisa de fusão híbrida de 4 vias, combinando pesquisa vetorial baseada em significado, pesquisa de palavras-chave especializada em coreano (BM25), navegação por gráfico de wikilinks e pesquisa por janela de tempo. Ele é especificamente otimizado para o processamento de idiomas coreanos e CJK, oferecendo correção de erros de digitação, correspondência de radicais de flexão e indexação de bigramas para garantir alta precisão de pesquisa. Além disso, ele emprega uma estrutura de carregamento hierárquica de 3 níveis (L0: resumo, L1: visão geral, L2: texto completo), permitindo uma decisão de leitura tardia que reduz significativamente o uso de tokens sem exigir chamadas de LLM. Para a memória de trabalho do agente, Lemory fornece ferramentas como `remember`, `recall`, `reflect` e `resume_case`, suportando uma estrutura de “pirâmide de memória” onde o conteúdo da conversa é destilado em átomos de fato e promovido automaticamente para notas de narrativa de cena e persona. Ele opera como um servidor MCP (Model Context Protocol), integrando-se facilmente com agentes de codificação de IA como Claude Code, Cursor e Windsurf. Um proxy de API compatível com OpenAI também permite que clientes que não suportam MCP se conectem. Todas as consultas e operações de escrita são registradas localmente no SQLite para observação na linha do tempo, e as notas geradas pela IA são gerenciadas com atribuição de fonte e botões de desfazer.