Cómo la Memoria Persistente Revoluciona los Agentes de Programación con IA

Memoria persistente para agentes de programación con IA

Los agentes de programación con IA pierden todo el contexto al terminar una sesión. AI-Memory lo soluciona ofreciendo a los agentes una wiki compartida y persistente almacenada como Markdown plano en un repositorio Git. Los hooks de ciclo de vida capturan automáticamente cada prompt, llamada a herramienta y decisión. Al finalizar la sesión, las observaciones relevantes se recopilan en páginas narrativas coherentes. Cuando el siguiente agente arranca, un bloque de traspaso muestra preguntas abiertas, enfoques fallidos y próximos pasos. Puedes salir de Claude Code a mitad de una tarea, abrir Codex horas más tarde en el mismo directorio y continuar sin volver a explicar la arquitectura.

Características principales

• Captura sin fricción – Los hooks se activan en cada prompt, llamada a herramienta y límite de sesión; sin toma manual de notas.
• Traspasos entre agentes – Cambia entre cualquier agente compatible; la siguiente sesión ve un traspaso tipado.
• Aislamiento por proyecto – Páginas almacenadas bajo <wiki_root>/<workspace_id>/<project_id>/… identificadas por UUIDs estables; se puede sobrescribir con .ai-memory.toml para monorrepositorios, separación trabajo/personal y worktrees de git.
• Wiki compilada por LLM – Observaciones consolidadas al final de sesión (o antes del pre-compact) en Markdown versionado en Git, no en registros crudos.
• Interfaz /web integrada – Navegador de solo lectura con lista de proyectos, árbol de carpetas, búsqueda FTS5, Markdown renderizado y modo oscuro.
• Preparado para multiagente y multimáquina – Compatible con Claude Code, Codex, OpenCode, Cursor, Gemini CLI, Antigravity CLI, OpenClaw, Oh My Pi/OMP. El servidor se ejecuta local o en un homelab con autenticación por token portador.
• CLI de cliente ligero – Comandos como bootstrap, purge-project, rename-project, lint, embed, forget-sweep, backup son clientes HTTP; nunca tocan directamente SQLite ni los archivos de la wiki.
• LLM opcional – El modo sin LLM ofrece búsqueda FTS5 y resúmenes basados en reglas; añade un proveedor para páginas consolidadas y linting de contradicciones.

Matriz de compatibilidad

# 1.
Install the ai-memory CLI wrapper (a ~3 KB shell script that
#    runs the binary inside docker with your $HOME mounted).
This is
#    the only thing that needs to live on the host filesystem.
mkdir -p ~/.local/bin
curl -fsSL https://raw.githubusercontent.com/akitaonrails/ai-memory/main/bin/ai-memory \
    -o ~/.local/bin/ai-memory
chmod +x ~/.local/bin/ai-memory
# Most distros put ~/.local/bin on PATH automatically.
If `which
# ai-memory` comes up empty, add this to ~/.bashrc / ~/.zshrc:
#     export PATH="$HOME/.local/bin:$PATH"

# 2.
Start the server. `--restart unless-stopped` makes it come back
#    on docker daemon restart and on machine boot (provided your
#    docker service is enabled at boot — `sudo systemctl enable
#    docker` on most distros).
Loopback-only bind (`127.0.0.1:49374`)
#    so nothing outside this machine can reach it.
Omit the LLM /
#    EMBEDDING lines for zero-LLM mode — FTS5 search still works
#    without any keys.
docker run -d --name ai-memory \
    --restart unless-stopped \
    -p 127.0.0.1:49374:49374 \
    -v ai-memory-data:/data \
    -e AI_MEMORY_LLM_PROVIDER=anthropic \
    -e ANTHROPIC_API_KEY=sk-ant-... \
    -e AI_MEMORY_EMBEDDING_PROVIDER=openai \
    -e OPENAI_API_KEY=sk-... \
    akitaonrails/ai-memory:latest

# 3.
Wire your agent CLI in two commands.
The wrapper takes care of
#    mounts + auto-detecting ~/.claude/settings.json.
Re-run with
#    `--agent codex`, `--agent opencode`, `--agent gemini-cli`,
#    `--agent omp`/`pi`, `--client cursor`, `--client gemini-cli`, etc.
#    for additional agents; full list in docs/install.md.
ai-memory install-mcp   --client claude-code --apply
ai-memory install-hooks --agent  claude-code --apply

Notas de instalación

• Windows: Usa la ruta de Linux dentro de WSL2, o el envoltorio PowerShell nativo y los hooks .ps1 para agentes nativos de Windows. No mezcles entornos de ruta.
• Docker compose: Se admite docker compose -f docker/docker-compose.yml up -d; la configuración del agente es la misma que en el paso 3.
• Servidor remoto: Establece AI_MEMORY_SERVER_URL=http://<ip-del-servidor>:49374 en el cliente y pasa la bandera --server-url correspondiente al instalar MCP/hooks. Cualquier servidor que no sea de bucle local debe usar autenticación por token portador.
• Actualizaciones: Ejecuta ai-memory upgrade para refrescar el envoltorio, la imagen y los scripts de hooks preparados. Vuelve a desplegar los servidores remotos por separado.

Uso diario

En el día a día apenas piensas en ai-memory. Los hooks del ciclo de vida capturan todo silenciosamente. Los hooks SessionStart obtienen los traspasos pendientes antes de tu primer prompt en el siguiente agente.