memo

memo

Seu agente de codificação começa toda sessão com amnésia. O memo resolve isso — 100% na sua própria máquina.

Memória persistente e pesquisável para Claude Code, Codex, Cursor, Cline, Devin e OpenCode. Sem nuvem, sem chaves de API, sem Ollama, sem banco de vetores para rodar. E gasta menos tokens, não mais.

Instalação

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.11.3/install.sh | bash

_{Prefere um gerenciador de pacotes? uv tool install mlx-memo · pipx install mlx-memo · brew tap jagoff/memo && brew install mlx-memo}

Em seguida:

memo doctor                                   # self-check
memo save 'we use Postgres, not Mongo'        # save a decision
memo search 'what database did we pick?'      # search by meaning

É isso. Seus agentes o detectam automaticamente via MCP — o instalador conecta todos os clientes que encontrar.

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.11.3/install.sh | bash
memo sync bootstrap git@github.com:yourname/memo-sync.git

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.11.3/install.sh | bash
memo doctor --strict-runtime

No Linux ou só quer dar uma olhada antes?

docker run --rm ghcr.io/jagoff/memo:latest memo doctor

Por que isso economiza seu dinheiro

A maioria dos servidores de memória adiciona contexto. O memo foi feito para removê-lo.

A superfície MCP padrão é de 41 ferramentas, não 164 — 75% menos ferramentas e cerca de 69% menos contexto de schema: 41 ferramentas / ~9.4k tokens de schema versus 164 ferramentas / ~30.4k tokens na superfície completa — custo pago em toda sessão, em todos os clientes.

A recordação ambiente injeta uma memória relevante antes de o modelo responder. O hook do Claude Code incluído limita essa injeção a ~160 tokens. memo roi lê os registros reais de fundamentação e de novas perguntas e estima a economia acumulada com padrões divulgados (350 tokens por recordação fundamentada e 900 por nova pergunta evitada).

memo roi       # value from grounded recalls and avoided re-asks
memo tokens    # usage-savings ledger

Três coisas que nenhum outro faz

🕰️ Máquina do tempo — consulte seu conhecimento como ele era

memo as-of ask "what was the deploy strategy?" --date 2026-02-01
memo diff --from 2026-01-01 --to 2026-03-01

Reconstrução histórica completa por reprodução reversa de history.db. Útil quando você precisa saber por que o você do passado tomou uma decisão, não apenas o que o você do passado decidiu.

⚡ Radar de contradições — memória que percebe quando você muda de ideia

memo contradict scan      # find conflicting facts corpus-wide
memo contradict triage    # resolve: fuse / newer-wins / dismiss

Mude uma decisão e o memo sinaliza a versão agora obsoleta, para que o agente pare de reintroduzir o que você já descartou.

🔮 Dream — ele se otimiza enquanto você dorme

memo dream run

Um pipeline noturno de 7 fases: inventário → mineração de sinais → resolução de conflitos → poda de dados obsoletos → síntese de insights entre clusters → otimização → pré-aquecimento dos 100 principais embeddings de consulta para que a recordação de amanhã permaneça abaixo de 200 ms. Cada execução gera um recibo que você pode auditar. Zero intervenção.

Como funciona

Recuperação híbrida. Uma perna vetorial (MLX em Apple Silicon, sentence-transformers em CPU) e uma perna BM25 (FTS5, com dobramento de diacríticos para espanhol) rodam em paralelo, fundem-se via Reciprocal Rank Fusion e passam por um re-ranking opcional com cross-encoder MLX.

Markdown é a fonte da verdade. Cada memória é um arquivo .md simples que você pode ler, buscar com grep e versionar. SQLite é um índice derivado que se reconstrói a partir dos arquivos a qualquer momento — edite manualmente no Obsidian e sua edição prevalece no próximo memo reindex. Nada fica preso em um banco de dados que você não consegue abrir.

Prompts e memórias permanecem na sua máquina. Embedder, re-ranker e LLM rodam todos em processo. Sem telemetria. A memória só viaja se você apontar memo sync para um repositório git remoto que você possui. A inicialização normal é totalmente offline; verificações de atualização remota e atualização automática exigem aceite explícito. → Política de privacidade e rede

Também incluso: memo resume entre agentes (reabra qualquer sessão de qualquer agente), sincronização git entre Macs, um grafo de conhecimento com arestas opcionais de símbolos do codegraph, armazenamento criptografado de segredos, ingestão de OCR/áudio, pacotes de evidência, aprendizado de resultados, federação assinada e uma interface de chat local sobre sua memória (memo chat serve). → Referência completa de recursos

Como se compara

Verificado em julho de 2026 com base na documentação de cada projeto. Correções são bem-vindas — abra uma issue e eu corrigirei a tabela.

_{✅ primeira classe · ⚠️ parcial, limitado por configuração ou complemento · ❌ ausente}

Os comparadores mais próximos são basic-memory (local-first + Obsidian + MCP — mesma tese) e cipher (memória para agentes de codificação).

Requisitos

Python ≥ 3.13 (o instalador cuida disso via uv se você não tiver). A primeira instalação baixa ~8 GB de modelos, 5–15 min. Opcional: um vault do Obsidian — sem um, o memo usa ~/Documents/memo/.

Documentação

Todos os 144 comandos CLI de nível superior

Contribuindo

git clone https://github.com/jagoff/memo && cd memo
uv pip install -e '.[dev]'

Issues e PRs são bem-vindos — veja CONTRIBUTING.md. Se o memo for útil para você, uma ⭐ realmente ajuda outras pessoas a encontrá-lo.

Licenciado sob MIT. Construído com Apple MLX, sqlite-vec e codegraph.