home›Programmazione IA›

Come la Memoria Persistente Rivoluziona gli Agenti di Codifica AI

Scopri come AI-Memory risolve il problema della perdita di contesto negli agenti di codifica AI, fornendo un wiki condiviso e persistente per sessioni di lavoro ininterrotte e collaborative.

26 maggio 2026

#Agenti #Automazione #MCP #Memoria #Strumenti Dev

Esplora AI-Memory, la soluzione innovativa che dota gli agenti di codifica AI di una memoria persistente sotto forma di wiki Git-based. Apprendi come cattura automaticamente il contesto, facilita l'handoff tra agenti e supporta un'ampia gamma di strumenti, migliorando la produttività e la collaborazione nei progetti di sviluppo AI.

Memoria Persistente per Agenti di Codifica AI

Gli agenti di codifica AI perdono tutto il contesto al termine di una sessione. AI-Memory risolve questo problema fornendo agli agenti un wiki condiviso e persistente archiviato come semplice Markdown in un repository Git. Gli hook del ciclo di vita catturano automaticamente ogni prompt, chiamata a strumenti e decisione. Al termine della sessione, le osservazioni rilevanti vengono compilate in pagine narrative coerenti. Quando l'agente successivo si avvia, un blocco di handoff mostra domande aperte, approcci falliti e passaggi successivi. Puoi uscire da Claude Code a metà di un'attività, aprire Codex ore dopo nella stessa directory e continuare senza dover rispiegare l'architettura.

Caratteristiche Principali

Cattura senza attrito – Gli hook si attivano a ogni prompt, chiamata a strumenti e confine di sessione; nessuna presa di appunti manuale.
Handoff tra agenti – Passa da un agente supportato all'altro; la sessione successiva visualizza un handoff strutturato.
Isolamento per progetto – Pagine archiviate sotto <wiki_root>/<workspace_id>/<project_id>/…, indicizzate tramite UUID stabili; sovrascrivibile con .ai-memory.toml per mono-repo, separazioni lavoro/personale e worktree Git.
Wiki compilato da LLM – Le osservazioni vengono consolidate al termine della sessione (o prima della compattazione) in Markdown versionato con Git, non in log grezzi.
Interfaccia /web integrata – Browser in sola lettura con elenco progetti, albero delle cartelle, ricerca FTS5, Markdown renderizzato e modalità scura.
Pronto per multi-agente e multi-macchina – Supporta Claude Code, Codex, OpenCode, Cursor, Gemini CLI, Antigravity CLI, OpenClaw, Oh My Pi/OMP. Il server può essere eseguito in locale o su un homelab con autenticazione tramite bearer token.
CLI Thin-client – Comandi come bootstrap, purge-project, rename-project, lint, embed, forget-sweep, backup sono client HTTP; non interagiscono mai direttamente con SQLite o i file wiki.
LLM opzionale – La modalità Zero-LLM offre ricerca FTS5 e riassunti basati su regole; aggiungi un provider per pagine consolidate e linting delle contraddizioni.

Matrice di Supporto

Area	Stato	Note
Linux	Supportato	Target principale per Docker/server e piattaforma CI.
macOS	Supportato	I test dell'area di lavoro vengono eseguiti in CI; build native dai sorgenti supportate.
Windows via WSL2	Supportato	Utilizza il percorso di installazione Linux all'interno di WSL2.
Windows nativo	Sperimentale	Esistono un wrapper PowerShell e hook `.ps1`; è ancora necessario un feedback reale dagli agenti.
Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Oh My Pi/OMP, OpenClaw, Antigravity CLI	Supportati	Configurazione MCP + hook del ciclo di vita.
Claude Desktop	Solo MCP	Utilizza `mcp-remote`; nessun hook del ciclo di vita.
Provider LLM	Anthropic, OpenAI, Gemini, endpoint compatibili con OpenAI
Provider di embedding	OpenAI, Voyage, Google Gemini

# 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

Note di Installazione

Windows: Usa il percorso Linux all'interno di WSL2, oppure il wrapper PowerShell nativo e gli hook .ps1 per gli agenti Windows nativi. Non mescolare ambienti di percorso.
Docker compose: docker compose -f docker/docker-compose.yml up -d è supportato; la configurazione dell'agente è la stessa del punto 3.
Server remoto: Imposta AI_MEMORY_SERVER_URL=http://<server-ip>:49374 sul client e passa i flag corrispondenti --server-url durante l'installazione di MCP/hook. Qualsiasi server non di loopback dovrebbe utilizzare l'autenticazione bearer.
Aggiornamenti: Esegui ai-memory upgrade per aggiornare il wrapper, l'immagine e gli script hook staged. Ridistribuisci i server remoti separatamente.

Utilizzo Quotidiano

Giorno per giorno, per lo più non ti accorgi di ai-memory. Gli hook del ciclo di vita catturano tutto in modo silenzioso. Gli hook SessionStart recuperano gli handoff in attesa prima del tuo primo prompt nell'agente successivo.

GitHub