Sistema de memória de código aberto para agentes LLM alcança altas pontuações em benchmarks

Sistema de memória para agentes LLM com benchmarks publicados

Um desenvolvedor criou um sistema de memória persistente para Claude Code e OpenClaw que dá aos agentes LLM uma verdadeira continuidade de contexto entre sessões. O sistema alcança pontuações de benchmark de 90,8% no LoCoMo (superando todos os sistemas publicados) e 89,1% no LongMemEval.

Arquitetura e compatibilidade com frameworks

A arquitetura é baseada em adaptadores, atualmente conectando-se a eventos do ciclo de vida, mas os componentes principais (armazenamento, recuperação, inteligência) são independentes de framework. O pipeline de recuperação usa uma abordagem RRF de 4 canais com FTS5, Qdrant KNN, recência e caminhamento em grafo. A camada de inteligência inclui classificação de intenção, padrões de experiência e componentes de política RL que podem ser integrados a qualquer framework de agentes.

Configuração e stack tecnológico

A configuração rápida requer:

ollama pull snowflake-arctic-embed2
bun install && bun run build && bun run setup
node dist/angel/index.cjs

A stack tecnológica inclui TypeScript, SQLite (better-sqlite3), Qdrant, Ollama, esbuild e Vitest.

Principais decisões de design

• Sistema de gravação dupla com SQLite como fonte de verdade e Qdrant para aceleração, com degradação graciosa
• Toda operação é não-lançadora — falhas individuais nunca quebram o pipeline
• Ganchos efêmeros (vida útil de milissegundos) para captura, Angel persistente para reflexão
• Modelos de política RL são TypeScript puro (matemática Float32Array, sem PyTorch)
• Preenchimento de embeddings com consciência de comprimento de conteúdo em segundo plano

O projeto contém 29K linhas de código, 1.968 testes e está licenciado sob MIT em https://github.com/grigorijejakisic/Claudex.