ai-memory
Résumé NexusAi : AI Memory est une couche mémoire open-source basée sur Rust pour les agents de codage. Elle capture des événements de cycle de vie épurés, les consolide dans un wiki Markdown versionné avec Git, et transmet le contexte entre les outils pour que les développeurs reprennent leur travail sans interruption sur Claude, Codex, Cursor, Kiro, et plus encore.
NexusAi Vue d’ensemble
Installez des hooks légers pour votre agent préféré. AI Memory enregistre les prompts, événements de cycle de vie des outils et limites de session, puis les consolide en briefs concis et notes durables. L’agent suivant démarre avec une transmission typée, tandis que le wiki reste consultable et versionné aux côtés de votre base de code.
Comment ça fonctionne
AI Memory convient aux ingénieurs qui alternent entre agents de codage, maintiennent des projets complexes ou collaborent sur plusieurs machines. Idéal pour les équipes standardisant décisions et procédures, les cabinets de conseil gérant plusieurs clients, ou les développeurs solo nécessitant un rappel fiable après changement de contexte. Il profite aux utilisateurs CLI-first, praticiens VS Code/Cursor, et ingénieurs en recherche souhaitant un raisonnement auditable sans sacrifier vitesse, confidentialité ou choix d’outils.
- Capturez des événements de cycle de vie épurés des agents de codage populaires avec un minimum de surcharge.
- Consolidez les sessions en briefs cohérents en Markdown versionnés par Git et en notes durables.
- Transmettez les questions ouvertes et les prochaines étapes à l’agent suivant.
- Interrogez la mémoire avec FTS5, correspondances d’entités, voisins graphiques et embeddings optionnels.
- Reprenez les flux de travail inter-environnements tout en appliquant exclusions de capture et politiques par dépôt.
Points forts
Qui l’utilise
Installez via des images Docker (linux/amd64, arm64) ou des binaires natifs pour macOS, Linux et Windows/WSL2. Lancez le serveur, définissez un token bearer, puis exécutez ai-memory install-mcp et install-hooks pour votre agent. Configurez les fournisseurs uniquement si vous souhaitez la consolidation LLM ou les embeddings. Utilisez ai-memory run pour créer ou reprendre un flux de travail géré ; les lancements directs d’agents restent inchangés. Parcourez /web pour le wiki en lecture seule et appelez memory_query depuis votre client pour récupérer des pages. finalize-session ferme proprement les clients sans hook de fin de session réel.
NexusAi: Une mémoire à long terme qui survit aux changements d’outils et fournit un contexte cohérent et auditable.
Premiers pas
AI Memory transforme les sessions éphémères d’agents en connaissances projet durables et consultables sans gérer un cluster de bases de données. Elle privilégie une capture sécurisée, une consolidation cohérente et une continuité fluide entre agents, soutenue par Git pour la traçabilité. Le résultat : une récupération fiable du contexte, une intégration simplifiée et moins de réexplications — sans verrouillage fournisseur, avec un minimum de formalités et des options de déploiement pragmatiques.
Ouvrez l’outil et examinez son expérience produit principale.
Créez votre compte ou accédez à votre espace de travail existant.
Utilisez votre propre tâche pour évaluer la vitesse, la qualité et l’adéquation.
Vérifiez des outils IA similaires avant de prendre une décision finale.
ai-memory
AkitaOnRails est un créateur expérimenté en ingénierie et bâtisseur de communauté, reconnu pour ses outils pratiques et sa connaissance approfondie des plateformes. Le projet met l’accent sur l’ergonomie développeur, les flux de travail auditable, et l’interopérabilité multi-fournisseurs, en valorisant la fiabilité Rust, le déploiement simple et une documentation claire pour les équipes adoptant le codage agentique en projets réels.
AI Memory offre une mémoire de projet à long terme et inter-agents pour les flux de travail de codage IA. Elle écoute via des hooks légers de cycle de vie ou MCP, stocke des observations épurées, et compile des briefs de session cohérents ainsi que des notes durables en Markdown dans un dépôt Git — sans besoin de base de données vectorielle. À la fin d'une session, elle consolide décisions, questions ouvertes et prochaines étapes ; l'agent suivant reçoit une transmission limitée pour continuer sans répéter le contexte. Un serveur MCP intégré et une interface CLI légère exposent des outils pour interroger, écrire des pages, fournir des retours et gérer les opérations administratives. La récupération combine SQLite FTS5 avec des signaux entité-conscients et de voisinage graphique, avec des embeddings optionnels d'OpenAI, Gemini, Voyage ou des points d'accès compatibles locaux. Les flux de travail gérés reprennent les sessions natives sur des clients comme Claude Code, Codex, Command Code, Kiro, Cursor, Kimi Code, Antigravity, Grok, et d'autres, tout en appliquant des exclusions de capture et des politiques par dépôt. Fonctionne localement via Docker ou des binaires natifs sur Linux, macOS et Windows (y compris WSL2).
Visiter ai-memory
Commentaires (0)
Aucun commentaire trouvé