Memoria Persistente para Claude: Stack Local con MCP, Recuperación de 39ms, Reducción del 82% de Tokens

Un usuario de Reddit construyó una capa de memoria persistente local para Claude que resuelve el problema de contexto cero entre sesiones. La pila se ejecuta completamente en local (sin nube, sin claves API) y se integra mediante MCP. Arquitectura clave: cuatro capas (L0 registro de eventos de solo añadido en SQLite, L1 hechos estructurados diferidos, L2/L3 prosa wiki, L4 nodos de sesión cristalizados con resumen + decisiones + hilos abiertos), Qdrant Docker para búsqueda vectorial, llama.cpp con Qwen3-Embedding-4B en GPU y Qwen3.5-2B-Q4_K_M en CPU para incrustación y chat, y un servidor FastMCP que expone 7 herramientas (retrieve, crystallize_session, list_sessions, get_l4_node, index_status, reindex, shutdown_models).

Números

• Reducción de tokens frente a línea base grep+Read: 82.7% media, 86.2% mediana.
• F1 de recuperación: 0.50 frente a 0.20 línea base.
• Arranque en frío de incrustación ~4s; p95 en ruta caliente 39ms (era 2241ms antes de la corrección de error).
• Evaluación de recuperación de sesión L4: puntuación media 0.920 (umbral 0.6).
• 738 fragmentos indexados en 104 archivos markdown.

Lección Clave: Reutilización de Conexión en Windows

La recuperación en ruta caliente estaba atascada en 2241ms p95 incluso con incrustación residente en GPU en una 4070 Ti Super. La causa: cada httpx.post() abría una nueva conexión TCP, y los handshakes de localhost en Windows tomaban ~2 segundos. Cambiar a un httpx.Client persistente con keep-alive redujo el p95 a 39ms, una aceleración de 57×.

Otras Sorpresas

• Modo de pensamiento de Qwen3: Si enable_thinking no está deshabilitado mediante chat_template_kwargs: {enable_thinking: false} con --jinja en llama-server, el modelo gasta todo el presupuesto de tokens en bloques de pensamiento y genera contenido vacío.
• Registro MCP: El modo agente de Claude Desktop (Cowork) lee un archivo de configuración de plugin, no ~/.claude.json. El servicio LKS debe empaquetarse como un paquete .plugin de Cowork adecuado.

Para Quién Es

Desarrolladores que usan Claude intensivamente y desean una capa de memoria local, privada y rentable que mantenga el contexto entre sesiones sin dependencias en la nube.