ai-memory
Resumen de NexusAi: AI Memory es una capa de memoria de código abierto basada en Rust para agentes de codificación. Captura eventos de ciclo de vida depurados, los consolida en una wiki Markdown versionada con git y transfiere contexto entre herramientas para que los desarrolladores retomen el trabajo sin interrupciones en Claude, Codex, Cursor, Kiro y más.
NexusAi Resumen
Instala hooks ligeros para tu agente preferido. AI Memory registra prompts, eventos del ciclo de vida de herramientas y límites de sesión, luego los consolida en resúmenes concisos y notas duraderas. El siguiente agente comienza con una transferencia tipada, mientras la wiki permanece buscable y versionada junto a tu código.
Cómo Funciona
AI Memory es ideal para ingenieros que alternan entre agentes de codificación, mantienen proyectos complejos o colaboran entre máquinas. Perfecto para equipos que estandarizan decisiones y procedimientos, consultoras boutique con múltiples clientes o desarrolladores solitarios que necesitan un recuerdo fiable tras cambios de contexto. Beneficia a usuarios CLI, practicantes de VS Code/Cursor e ingenieros de investigación que desean razonamiento auditable sin sacrificar velocidad, privacidad o elección de herramientas.
- Captura eventos de ciclo de vida depurados de agentes de codificación populares con mínima sobrecarga.
- Consolida sesiones en resúmenes coherentes en Markdown versionados con git y notas duraderas.
- Transfiere preguntas abiertas y próximos pasos al siguiente agente.
- Busca en la memoria con FTS5, coincidencias de entidades, vecinos en grafo y embeddings opcionales.
- Reanuda flujos de trabajo entre plataformas aplicando exclusiones de captura y políticas por repositorio.
Aspectos Destacados
Quién Lo Usa
Instala mediante imágenes Docker (linux/amd64, arm64) o binarios nativos para macOS, Linux y Windows/WSL2. Inicia el servidor, configura un token bearer y ejecuta ai-memory install-mcp e install-hooks para tu agente. Configura proveedores solo si deseas consolidación LLM o embeddings. Usa ai-memory run para crear o reanudar un flujo gestionado; los lanzamientos directos de agentes permanecen igual. Navega /web para la wiki de solo lectura y llama a memory_query desde tu cliente para recuperar páginas. finalize-session cierra clientes sin hook real de fin de sesión de forma segura.
NexusAi: Memoria a largo plazo que sobrevive a cambios de herramienta y ofrece contexto coherente y auditable.
Primeros Pasos
AI Memory convierte sesiones efímeras de agentes en conocimiento de proyecto duradero y buscable sin necesidad de un clúster de base de datos. Enfatiza captura segura, consolidación coherente y continuidad fluida entre agentes, respaldado por Git para trazabilidad. El resultado es recuperación confiable de contexto, incorporación más sencilla y menos reexplicaciones: sin dependencia de proveedores, mínima burocracia y opciones pragmáticas de despliegue.
Abre la herramienta y revisa su experiencia principal.
Crea tu cuenta o accede a tu espacio de trabajo existente.
Usa una tarea propia para evaluar velocidad, calidad y encaje.
Revisa herramientas de IA similares antes de tomar una decisión final.
ai-memory
AkitaOnRails es un creador experimentado y constructor de comunidad reconocido por herramientas prácticas y profundo conocimiento de plataformas. El proyecto se centra en la ergonomía del desarrollador, flujos auditable y la interoperabilidad entre proveedores, destacando la fiabilidad de Rust, despliegue sencillo y documentación clara para equipos que adoptan codificación agentiva en proyectos reales.
AI Memory ofrece memoria de proyecto a largo plazo y entre agentes para flujos de trabajo de codificación con IA. Escucha mediante hooks de ciclo de vida ligeros o MCP, almacena observaciones depuradas y compila resúmenes coherentes de sesión y notas duraderas en Markdown dentro de un repositorio git, sin necesidad de base de datos vectorial. Al finalizar una sesión, consolida decisiones, preguntas abiertas y próximos pasos; el siguiente agente recibe una transferencia acotada para continuar sin repetir contexto. Un servidor MCP integrado y una CLI ligera exponen herramientas para consultas, escritura de páginas, retroalimentación y operaciones administrativas. La recuperación combina SQLite FTS5 con señales de entidades y vecinos en grafo, con embeddings opcionales de OpenAI, Gemini, Voyage o endpoints compatibles locales. Los flujos de trabajo gestionados reanudan sesiones nativas entre clientes como Claude Code, Codex, Command Code, Kiro, Cursor, Kimi Code, Antigravity, Grok y otros, aplicando exclusiones de captura y políticas por repositorio. Funciona localmente vía Docker o binarios nativos en Linux, macOS y Windows (incluyendo WSL2).
Visitar ai-memory
Comentarios (0)
No se encontraron comentarios