Encuesta de servidores de memoria Markdown local para agentes de IA: Mem0, Hindsight, Zep y el recién llegado Engram

Un usuario de Reddit solicitó un sistema de memoria completamente local para agentes que almacene memorias como archivos Markdown legibles — no una base de datos ni un servicio en la nube. Tras recibir ~20 sugerencias y probarlas todas, aquí está el desglose de lo que cada herramienta ofrece realmente y dónde quedan las carencias.

Sistemas que no son de memoria señalados

Varias herramientas sugeridas no son sistemas de memoria: ChromaDB es una base de datos vectorial; qmd es un motor de búsqueda de documentos sin pipeline de escritura; ContextKeep hace compresión de contexto; LCM solo preserva el contexto de la sesión.

Opciones establecidas

• mem0 — líder del mercado, memoria basada en grafos, SDKs en múltiples lenguajes, escala de producción. Desventajas: por defecto usa OpenAI, tiende a ser alojado, almacena en base de datos opaca.
• Hindsight — grafo de conocimiento, resolución de entidades, maneja memorias contradictorias. Requiere Postgres + base de datos vectorial, el almacenamiento es SQL — no se pueden leer archivos directamente.
• Zep — la trayectoria más larga, memoria multimodal, extracción estructurada. Prioriza la nube, requisitos de infraestructura similares a Hindsight.
• Honcho — aprendizaje continuo, arquitectura con estado, más orientado a investigación. Licencia AGPL + dependencia de la nube.

Opciones específicas para OpenClaw

• memory-lancedb-pro — el plugin de memoria más potente para OpenClaw, recuperación híbrida, modelo de decaimiento, mantenido activamente. No es un servidor independiente.
• GBrain — primero MCP, integración decente con OpenClaw, no útil fuera del ecosistema.

El recién llegado más interesante: mnem

mnem es un binario único en Rust, sin dependencias externas de Python/Ollama. Descrito como "git para memorias de agente": ramificar, diff, fusionar, revertir. Usa GraphRAG. Se compara bien con mem0. Tiene dos semanas — cobertura de pruebas ligera. El almacenamiento son nodos de grafo direccionados por contenido, no archivos legibles.

La carencia y lo que la llena: Engram

Ninguna de las herramientas probadas combinaba completamente local + almacenamiento en archivos legibles + deduplicación inteligente + decaimiento de importancia + servidor independiente sin requisitos de infraestructura. Engram de Obsidian68 (github.com/Obsidian68/Engram) es completamente nuevo (casi sin estrellas) pero cumple con los cuatro requisitos:

• Memorias almacenadas como archivos Markdown en una carpeta — abiertos en VS Code, editables, eliminables.
• API REST completa y servidor MCP.
• Deduplicación inteligente en escrituras, decaimiento de importancia para memorias antiguas.
• Se ejecuta completamente en Ollama — sin claves API, sin llamadas externas, totalmente local.

Si la privacidad y la legibilidad importan para el conocimiento de tu agente, Engram es actualmente la única solución completa.