ai-memory é memória de longo prazo para agentes de código com IA. Saia do Claude Code no meio de uma tarefa, abra o Codex no mesmo diretório e continue sem explicar de novo a arquitetura, as abordagens que falharam e as questões em aberto.
Seu agente de código já faz anotações. Elas ficam em uma máquina só e pertencem a um agente só. Troque de ferramenta e elas somem, e o resto do time nunca chega a ver nada disso. O ai-memory é o que existe do outro lado desses muros.
Saia do Claude Code, abra o Codex no mesmo diretório. Ele começa com um handoff: o que foi feito, o que falhou e o que ainda está em aberto.
A memória fica em um servidor pequeno que você mesmo roda: no laptop, numa máquina do homelab, onde quiser. O projeto que você largou no desktop é o mesmo que você retoma no notebook.
Aponte todo mundo para o mesmo servidor. O que as sessões de uma pessoa aprendem, os agentes de todo mundo encontram. Quem acabou de chegar pergunta para o projeto em vez de interromper você.
Os hooks capturam o trabalho em silêncio. As sessões viram páginas em markdown puro, organizadas e interligadas numa wiki versionada em git. Dê grep nela, abra no Obsidian, edite na mão.
Três comandos para instalar. Sem conta e sem chave de API.
ai-memory para uso individualLidero um time pequenoFaça o onboarding deixando as pessoas perguntarem para o projeto.
ai-memory para timesJá uso uma ferramenta de memóriaMem0, Zep, cognee, OpenViking, a memória do próprio Claude.
Comparar e migrarQuero contribuir101 pessoas já colocaram código no projeto.
Comece a contribuirAs quatro etapas rodam em background, e o caminho padrão faz zero chamadas a LLM.
Hooks de ciclo de vida registram prompts, chamadas de ferramenta e o começo e o fim das sessões. Segredos são removidos antes de qualquer coisa ser gravada.
Quando uma sessão termina, as observações dela viram uma página markdown legível na wiki do projeto.
A próxima sessão recebe um briefing curto e pode buscar em tudo: full-text, entidades, links e vetores, fundidos em um ranking só.
A próxima sessão pega o bastão, e só uma sessão consegue assumi-lo. Funciona entre agentes e entre todas as máquinas que alcançam o servidor.
As páginas de sessão se acumulam por meses. O ai-memory dá uma pontuação a elas, mantém as que você ainda lê e pode compactar ou mesclar o resto sem LLM. Uma passada de sonho opcional põe o seu LLM para mesclar páginas frias enquanto você está fora, e toda reescrita pode ser restaurada.
A maioria das ferramentas de memória precisa de um LLM, um banco vetorial ou um banco de grafos antes de lembrar de qualquer coisa. O ai-memory precisa de um binário e uma pasta.
Comparação completa, inclusive onde eles ganhamUm MEMORY.md por laptop. Precisa de: Claude Code, Uma máquina só.
A conveniência de “lembrar do meu projeto”, em markdown.
Extratores de fatos. Precisa de: Um LLM a cada turno, Um banco vetorial.
Captura automática, sem o ritual de “lembre disso”.
Grafo de conhecimento temporal. Precisa de: Neo4j, FalkorDB ou Neptune, Um LLM.
Fatos são substituídos, nunca apagados. Dá para perguntar o que era verdade em um ponto no tempo.
Pipeline de grafo, vetores e relacional. Precisa de: Três bancos em sincronia, Uma chamada de LLM por chunk, Python.
Proveniência, ranking ponderado por feedback e um plugin para Claude Code.
Memória em documentos vivos, LLM obrigatório. Precisa de: Um LLM ou VLM, Embeddings, Postgres ou um serviço hospedado.
Memória compilada em páginas vivas por um loop de consolidação em background. O ai-memory tem uma passada de sonho opt-in e uma pontuação de confiança por página.
Não tem cadastro. A instalação padrão escuta só na sua máquina, então nada de fora chega nela. Dá para adicionar a um projeto que já está em andamento: a primeira sessão importa o histórico de agentes que você tem em disco.
# 1. Instale o binário (ou pegue na página de downloads)
mise use -g github:akitaonrails/ai-memory
# 2. Suba o servidor. Ele escuta só nesta máquina.
ai-memory init
ai-memory serve --transport http --bind 127.0.0.1:49374
# 3. Abra seu agente por ele. Hooks e MCP se configuram sozinhos.
ai-memory run claude
# No servidor: uma máquina do homelab ou qualquer host da 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
# Em cada máquina, para cada colega de time
export AI_MEMORY_SERVER_URL="http://<server-ip>:49374"
export AI_MEMORY_AUTH_TOKEN="<chave de cada um>"
ai-memory run claude
Chegou agora? A página de contribuição mostra para onde vão bug reports, pull requests e integrações com novos agentes.
Gratuito e open source sob a licença MIT. Sem conta e sem chave de API.