Awareness

Memória persistente local-first para agentes de codificação de IA. Recuperação híbrida Markdown + SQLite (FTS5 + embeddings), funciona offline, sem conta. LongMemEval R@5 96,0%, zero chamadas de LLM na recuperação.

GitHub
12
Experimente este MCPPatrocinado

Documentação

Awareness Local

Idiomas: English | 简体中文

Awareness Local — Persistent Memory for AI Coding Agents

LongMemEval R@5 96.0% Website Docs Discord License MIT

Awareness Local

Dê ao seu agente de IA memória persistente. Um comando. Sem conta. Funciona offline.

Awareness Local é um servidor de memória MCP local-first para agentes de codificação de IA. Ele oferece a Cursor, Claude Code, Copilot, Cline e outros IDEs compatíveis com MCP memória persistente, recuperação híbrida semântica + por palavras-chave e cartões de conhecimento reutilizáveis para projetos de software de longa duração.

Ele executa um daemon leve na sua máquina, armazena memória como Markdown, indexa a recuperação com SQLite FTS5 + embeddings e mantém seu fluxo de trabalho de IA rápido, explicável e pronto para uso offline.

npx @awareness.market/setup

É isso. Seu agente de IA agora lembra de tudo entre sessões.

Por que Awareness Local

Agentes de codificação de IA perdem contexto entre sessões. Awareness Local fornece recuperação de memória entre sessões para que os agentes possam continuar o trabalho sem reexplicar arquitetura, decisões passadas, tarefas pendentes e restrições de implementação.

  • Memória persistente para agentes de codificação de IA
  • Servidor MCP local-first com suporte offline
  • Recuperação híbrida (palavras-chave + semântica)
  • Extração de cartões de conhecimento para decisões, soluções e riscos

Início Rápido

npx @awareness.market/setup

Em seguida, abra seu IDE e comece a codificar. As ferramentas do Awareness ficam disponíveis para recuperação, registro e inicialização de sessão.

Casos de Uso Populares

  • Migrações de bases de código de longa duração em várias sessões
  • Transferências de equipe em que a IA deve lembrar o contexto de implementação anterior
  • Fluxos de trabalho pessoais de codificação que precisam de preferências e convenções duráveis
  • Configurações multiagente que compartilham histórico de decisões e memória de tarefas

FAQ

O Awareness Local funciona offline?

Sim. O modo local funciona totalmente offline com a memória armazenada na sua máquina.

Onde os dados são armazenados?

A memória é armazenada como Markdown em .awareness/, com um índice SQLite local para recuperação.

Preciso de uma conta na nuvem?

Não. A sincronização na nuvem é opcional e pode ser ativada posteriormente.

Quais IDEs são suportados?

Qualquer IDE compatível com MCP, incluindo Cursor, Claude Code, Copilot, Cline, Windsurf e outros. ChatGPT Desktop: Configurações → Servidores MCP → Adicionar servidor → Streamable HTTP → http://127.0.0.1:37800/mcp (apenas daemon local, sem necessidade de autenticação).

Navegação

Benchmark: LongMemEval (ICLR 2025)

Avaliado em LongMemEval — o benchmark padrão da indústria para memória conversacional de longo prazo. 500 perguntas selecionadas por humanos em 5 capacidades principais.

╔══════════════════════════════════════════════════════════════╗
║                                                              ║
║   Awareness Memory — LongMemEval Benchmark Results           ║
║   ─────────────────────────────────────────────────           ║
║                                                              ║
║   Benchmark:  LongMemEval (ICLR 2025)                       ║
║   Dataset:    500 human-curated questions                    ║
║   Variant:    LongMemEval_S (~115k tokens per question)      ║
║                                                              ║
║   ┌─────────────────────────────────────────────────┐        ║
║   │                                                 │        ║
║   │   Recall@1    80.2%    (401 / 500)              │        ║
║   │   Recall@3    92.8%    (464 / 500)              │        ║
║   │   Recall@5    96.0%    (480 / 500)  ◀ PRIMARY   │        ║
║   │   Recall@10   98.6%    (493 / 500)              │        ║
║   │                                                 │        ║
║   └─────────────────────────────────────────────────┘        ║
║                                                              ║
║   Method:     Hybrid RRF (BM25 + vector, daemon pipeline)    ║
║   Embedding:  multilingual-e5-small (production model)       ║
║   LLM Calls:  0  (pure retrieval, no generation cost)        ║
║   Hardware:   Apple M1, 8GB RAM — 35 min total               ║
║                                                              ║
╚══════════════════════════════════════════════════════════════╝

┌─────────────────────────────────────────────────────────────┐
│          Long-Term Memory Retrieval — R@5 Leaderboard       │
│          LongMemEval (ICLR 2025, 500 questions)             │
├─────────────────────────────────┬───────────┬───────────────┤
│  System                         │  R@5      │  Note         │
├─────────────────────────────────┼───────────┼───────────────┤
│  MemPalace (ChromaDB raw)       │  96.6%    │  R@5 only *   │
│  ★ Awareness Memory (Hybrid)    │  96.0%    │  Hybrid RRF   │
│  OMEGA                          │  95.4%    │  QA Accuracy  │
│  Mastra (GPT-5-mini)            │  94.9%    │  QA Accuracy  │
│  Mastra (GPT-4o)                │  84.2%    │  QA Accuracy  │
│  Supermemory                    │  81.6%    │  QA Accuracy  │
│  Zep / Graphiti                 │  71.2%    │  QA Accuracy  │
│  GPT-4o (full context)          │  60.6%    │  QA Accuracy  │
├─────────────────────────────────┴───────────┴───────────────┤
│  * MemPalace 96.6% is Recall@5 only, not QA Accuracy.      │
│    Palace hierarchy was NOT used in the evaluation.         │
└─────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────┐
│     Awareness Memory — R@5 by Question Type                 │
│                                                             │
│  knowledge-update        ███████████████████████████ 98.7%  │
│  multi-session           ███████████████████████████▊  99.2%│
│  single-session-asst     ███████████████████████████▌  98.2%│
│  temporal-reasoning      ██████████████████████████▏   93.2%│
│  single-session-user     ██████████████████████████    92.9%│
│  single-session-pref     █████████████████████████▎    90.0%│
│                                                             │
│  Overall                 ██████████████████████████▉   96.0%│
│                                                             │
│  ┌───────────────────────────────────────────────┐          │
│  │  Ablation Study                               │          │
│  │  ─────────────────────────────────────────    │          │
│  │  Vector-only:   92.6%  ▓▓▓▓▓▓▓▓▓▓▓▓▓░░░     │          │
│  │  BM25-only:     91.4%  ▓▓▓▓▓▓▓▓▓▓▓▓▓░░░     │          │
│  │  Hybrid RRF:    95.6%  ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓░  ★  │          │
│  │  (2026-04 harness run)                        │          │
│  │  Hybrid = +3% over any single method          │          │
│  └───────────────────────────────────────────────┘          │
│                                                             │
│  arxiv.org/abs/2410.10813          awareness.market         │
└─────────────────────────────────────────────────────────────┘

Zero chamadas de LLM na recuperação (caminho do daemon). Scripts de benchmark reproduzíveis →

O Que Ele Faz

Antes: Cada sessão começa do zero. Você reexplica a base de código, rejustifica decisões e vê o agente refazer o trabalho.

Depois: Seu agente diz "Lembro que você estava migrando de MySQL para PostgreSQL. Na última sessão, você concluiu as alterações de esquema e ainda tinha 2 TODOs pendentes..."

Session 1                          Session 2
┌─────────────────────────┐       ┌─────────────────────────┐
│ Agent: "What database?" │       │ Agent: "I remember we   │
│ You: "PostgreSQL..."    │       │ chose PostgreSQL for     │
│ Agent: "What framework?"│  →    │ JSON support. You had    │
│ You: "FastAPI..."       │       │ 2 TODOs left. Let me     │
│ (repeat every session)  │       │ continue from there."    │
└─────────────────────────┘       └─────────────────────────┘

IDEs Suportados (13+)

IDEDetecção automáticaPlugin
Claude Code✅awareness-memory
Cursor✅via MCP
Windsurf✅via MCP
OpenClaw✅@awareness.market/openclaw-memory
Cline✅via MCP
GitHub Copilot✅via MCP
Codex CLI✅via MCP
Kiro✅via MCP
Trae✅via MCP
Zed✅via MCP
JetBrains (Junie)✅via MCP
Augment✅via MCP
AntiGravity (Jules)✅via MCP
ChatGPT Desktop✅via MCP (Streamable HTTP, veja FAQ)

Como Funciona

Your IDE / AI Agent
    │
    │  MCP Protocol (localhost:37800)
    ▼
┌────────────────────────────────────┐
│  Awareness Local Daemon            │
│                                    │
│  Markdown files    → Human-readable, git-friendly
│  SQLite FTS5       → Fast keyword search
│  Local embedding   → Semantic search (optional: npm i @huggingface/transformers)
│  Knowledge cards   → Auto-extracted decisions, solutions, risks
│  Web Dashboard     → http://localhost:37800/
│                                    │
│  Cloud sync (optional)             │
│  → One-click device-auth           │
│  → Bidirectional sync              │
│  → Semantic vector search          │
│  → Team collaboration              │
└────────────────────────────────────┘

Seus Dados

Todas as memórias armazenadas como arquivos Markdown em .awareness/ — legíveis por humanos, editáveis e compatíveis com git:

.awareness/
├── memories/
│   ├── 2026-03-22_decided-to-use-postgresql.md
│   ├── 2026-03-22_fixed-auth-bug.md
│   └── ...
├── knowledge/
│   ├── decisions/postgresql-over-mysql.md
│   └── solutions/auth-token-refresh.md
├── tasks/
│   └── open/implement-rate-limiting.md
└── index.db  (search index, auto-rebuilt)

Recursos

Ferramentas MCP (disponíveis no seu IDE)

FerramentaO que faz
awareness_initCarrega o contexto da sessão — conhecimento recente, tarefas, regras
awareness_recallBusca memórias — divulgação progressiva (resumo → completo)
awareness_recordSalva decisões, alterações de código, insights — com extração de conhecimento
awareness_lookupConsulta rápida — tarefas, cartões de conhecimento, histórico de sessão, riscos
awareness_get_agent_promptObtém prompts específicos do agente para configurações multiagente

Divulgação Progressiva (Uso Inteligente de Tokens)

Em vez de despejar tudo no contexto, o Awareness usa uma recuperação em duas fases:

Phase 1: awareness_recall(query, detail="summary")
  → Lightweight index (~80 tokens each): title + summary + score
  → Agent reviews and picks what's relevant

Phase 2: awareness_recall(detail="full", ids=[...])
  → Complete content for selected items only
  → No truncation, no wasted tokens

Painel Web

Visite http://localhost:37800/ para navegar por memórias, cartões de conhecimento, tarefas e gerenciar a sincronização na nuvem.

Sincronização na Nuvem (Opcional)

Conecte-se ao Awareness Cloud para:

  • Busca vetorial semântica (100+ idiomas)
  • Sincronização em tempo real entre dispositivos
  • Colaboração em equipe
  • Marketplace de memórias
npx @awareness.market/setup --cloud
# Or click "Connect to Cloud" in the dashboard

Ecossistema SDK e Plugins

Awareness Local faz parte do ecossistema Awareness:

PacoteParaInstalação
Awareness LocalDaemon local + servidor MCPnpx @awareness.market/setup
Python SDKInterceptadores wrap_openai() / wrap_anthropic()pip install awareness-memory-cloud
TypeScript SDKInterceptadores wrapOpenAI() / wrapAnthropic()npm i @awareness-sdk/memory-cloud
OpenClaw PluginRecuperação automática + captura automáticaopenclaw plugins install @awareness.market/openclaw-memory
Claude Code PluginSkills + hooks/plugin marketplace add everest-an/Awareness-SDK → /plugin install awareness-memory@awareness
Setup CLIConfiguração em um comando para 13+ IDEsnpx @awareness.market/setup

Documentação completa do SDK: awareness.market/docs

Requisitos

  • Node.js 18+
  • Qualquer IDE compatível com MCP

Sem necessidade de Python, Docker ou conta na nuvem.

⭐ Apoie o projeto

Se o Awareness Local poupa você de reexplicar sua base de código ao seu agente de IA, dê uma ⭐ — isso ajuda mais desenvolvedores a descobrirem o projeto e o impulsiona em direção ao GitHub Trending.

Star History Chart

Licença

MIT

Tags e Integração

Suporte a IDEs: Cursor, Windsurf, Trae, Zed, VS Code, JetBrains. Compatível com: OpenClaw, AutoGPT, LangChain, MetaGPT. Tecnologia-chave: OMP (Open Memory Protocol), LatentMAS, Shared Thought Space, Implantação em um clique. Foco: Resolver a "Memória de Lagosta" da IA (perda de memória de longo prazo), automatizar fluxos de trabalho complexos, simplificar a configuração de agentes.