ai-memory es memoria a largo plazo para agentes de programación con IA. Cierra Claude Code a mitad de una tarea, abre Codex en el mismo directorio y sigue sin volver a explicar la arquitectura, los intentos fallidos ni las preguntas abiertas.
Tu agente de programación ya toma notas. Viven en una sola máquina y pertenecen a un solo agente. Cambia de herramienta y desaparecen, y tu equipo nunca llega a verlas. ai-memory es lo que hay al otro lado de esos muros.
Cierra Claude Code y abre Codex en el mismo directorio. Arranca con un traspaso (handoff): qué se hizo, qué falló y qué sigue abierto.
La memoria vive en un servidor pequeño que ejecutas tú: en tu portátil, en un equipo del homelab, donde quieras. El proyecto que dejaste en el equipo de escritorio es el mismo que retomas en el portátil.
Apunta a todos al mismo servidor. Lo que aprenden las sesiones de una persona lo encuentran los agentes de todos. Los nuevos le preguntan al proyecto en vez de interrumpirte.
Los hooks capturan el trabajo en silencio. Las sesiones se convierten en páginas de markdown plano, archivadas y enlazadas entre sí en una wiki respaldada por git. Búscala con grep, ábrela en Obsidian, edítala a mano.
Tres comandos para instalar. No necesitas cuenta ni clave de API.
ai-memory para uso individualLlevo un equipo pequeñoHaz el onboarding dejando que la gente le pregunte al proyecto.
ai-memory para equiposYa uso una herramienta de memoriaMem0, Zep, cognee, OpenViking, la memoria propia de Claude.
Comparar y migrarQuiero contribuir101 personas han aportado código hasta ahora.
Empieza a contribuirLos cuatro pasos corren en segundo plano, y la ruta por defecto no hace ninguna llamada a un LLM.
Los hooks de ciclo de vida registran prompts, llamadas a herramientas y límites de sesión. Los secretos se eliminan antes de guardar nada.
Cuando termina una sesión, sus observaciones se convierten en una página markdown legible en la wiki del proyecto.
La siguiente sesión recibe un resumen breve y puede buscar en todo: texto completo, entidades, enlaces y vectores, fusionados en un solo ranking.
La siguiente sesión recoge el testigo, y solo una sesión puede reclamarlo. Funciona entre agentes y entre todas las máquinas que alcanzan el servidor.
Las páginas de sesión se acumulan durante meses. ai-memory las puntúa, conserva las que sigues leyendo y puede compactar o fusionar el resto sin LLM. Una pasada de sueño opcional hace que tu LLM fusione las páginas frías mientras no estás, y toda reescritura se puede restaurar.
La mayoría de las herramientas de memoria necesitan un LLM, un almacén vectorial o una base de datos de grafos antes de recordar nada. ai-memory necesita un binario y una carpeta.
Comparación completa, incluido dónde ganan ellasUn MEMORY.md por portátil. Necesita: Claude Code, Una sola máquina.
La comodidad de "recuerda mi proyecto", en markdown.
Extractores de hechos. Necesita: Un LLM en cada turno, Un almacén vectorial.
Captura automática, sin la ceremonia de “recuerda esto”.
Grafo de conocimiento temporal. Necesita: Neo4j, FalkorDB o Neptune, Un LLM.
Los hechos se reemplazan, nunca se borran. Puedes preguntar qué era cierto en un momento dado.
Pipeline de grafo, vectores y relacional. Necesita: Tres almacenes sincronizados, Una llamada a un LLM por fragmento, Python.
Procedencia, ranking ponderado por feedback y un plugin para Claude Code.
Memoria de documentos vivos, LLM obligatorio. Necesita: Un LLM o VLM, Embeddings, Postgres o un servicio alojado.
Memoria compilada en páginas vivas por un bucle de consolidación en segundo plano. ai-memory tiene una pasada de sueño opt-in y una puntuación de confianza por página.
No hay registro. La instalación por defecto solo escucha en tu máquina, así que nada más puede llegar a ella. Puedes añadirlo a un proyecto que ya está en marcha: la primera sesión importa el historial de agentes que tienes en disco.
# 1. Instala el binario (o bájalo de la página de descargas)
mise use -g github:akitaonrails/ai-memory
# 2. Arranca el servidor. Solo escucha en esta máquina.
ai-memory init
ai-memory serve --transport http --bind 127.0.0.1:49374
# 3. Lanza tu agente a través de él. Los hooks y MCP se conectan solos.
ai-memory run claude
# En el servidor: un equipo del homelab o cualquier host de la LAN
TOKEN=$(ai-memory generate-auth-token)
docker run -d --name ai-memory --restart unless-stopped \
-p 0.0.0.0:49374:49374 -v ai-memory-data:/data \
-e AI_MEMORY_AUTH_TOKEN="$TOKEN" \
-e AI_MEMORY_ALLOWED_HOSTS="<server-ip>,localhost" \
akitaonrails/ai-memory:latest
# En cada máquina, para cada compañero de equipo
export AI_MEMORY_SERVER_URL="http://<server-ip>:49374"
export AI_MEMORY_AUTH_TOKEN="<su clave>"
ai-memory run claude
¿Acabas de llegar? La página de contribución muestra adónde van los reportes de bugs, los pull requests y las integraciones con agentes nuevos.
Gratis y de código abierto bajo la licencia MIT. No necesitas cuenta ni clave de API.