Marco de trabajo de código abierto para memoria persistente de agentes de IA con almacenamiento local y recuperación basada en grafos.

Qué es esto

Un desarrollador está construyendo un marco de trabajo de código abierto para memoria persistente de agentes de IA que opera completamente de forma local sin dependencias en la nube. El sistema almacena datos como archivos Markdown en disco y utiliza enlaces wiki para crear bordes de grafo entre notas.

Detalles técnicos clave

El marco de trabajo implementa varias características específicas extraídas de la fuente:

• Arquitectura de almacenamiento: Archivos Markdown locales en disco con Git para control de versiones
• Estructura de grafo: Los enlaces wiki sirven como bordes de grafo que conectan notas
• Sistema de recuperación: Enfoque de fusión de cuatro señales que combina:
  • Incrustación semántica
  • Coincidencia de palabras clave
  • Importancia de grafo PageRank
  • Calor asociativo
• Gestión de memoria: Sistema de olvido consciente del grafo basado en la ciencia cognitiva ACT-R donde:
  • Las notas decaen con el tiempo a menos que se acceda a ellas
  • Las notas usadas permanecen vivas y relevantes
  • Los vecinos de grafo y semánticos mantienen relevancia mediante activación propagada
• Activación propagada: Cuando se accede a una nota, las notas conectadas también se vuelven "más cálidas", ayudando al agente a anticipar relevancia antes de que comiencen las tareas
• Rendimiento: 22 MB de almacenamiento total después de tres meses de uso, descrito como "extremadamente eficiente"
• Estado de desarrollo: Primeros dos problemas de GitHub presentados, pequeña comunidad formándose alrededor de mantener la memoria de IA libre y descentralizada

Este tipo de sistema de memoria local es útil para agentes de IA de programación que necesitan contexto persistente entre sesiones sin depender de servicios en la nube o APIs externas.