Gerenciamento de memória de longo prazo para agentes de IA

O que é

O agent-memory é um ambiente de execução (runtime) de memória de longo prazo para agentes de IA, como Claude Code, Codex CLI e Muse Code. Ele resolve o problema de perda de contexto ao encerrar sessões. O sistema utiliza arquivos em formato Markdown simples como fonte única da verdade, mantidos em um repositório compartilhado.

A busca é local e ranqueada por índices em SQLite (FTS5), retornando caminhos e resumos em vez de colar textos extensos no contexto. Dessa forma, o agente acessa os dados apenas na profundidade necessária. Além disso, a escrita ocorre em transições de conversa, e uma camada autônoma de consolidação diminui dados desnecessários sem exigir chaves de API externas ou chamadas de rede.

Para quem serve

Serve para desenvolvedores e usuários que operam agentes de IA e precisam manter o conhecimento acumulado entre diferentes sessões. É ideal para quem busca controle total dos dados em arquivos locais legíveis (navegáveis via ls e grep), garantindo que o histórico permaneça portátil, compatível com Git e independente de bancos de dados proprietários.

Como começar

O projeto requer Python 3.12+ e utiliza o próprio agente hospedeiro para julgamento de dados, sem cobrar por chaves de API.

1. Configure o repositório de memória apontando para a variável de ambiente $AGENT_MEMORY_STORE.
2. Utilize os comandos de busca para consultar memórias, como mem recall "<termo>" para listar opções ou mem read <nome> para ler no nível desejado.
3. Se o índice local for excluído, restaure-o a qualquer momento com o comando mem rebuild.

Instalação

git clone https://github.com/tigerless-labs/agent-memory.git
cd agent-memory
uv sync --all-packages

🔗 Repositório oficial: https://github.com/tigerless-labs/agent-memory

Veja em 1 minuto

📚 Mais conteúdos do canal: https://gist.github.com/VictorHugodaSilvaSousa/d1e955e97cd27fc662351821d0a3fdbe