Pesquisa sobre Servidores de Memória Markdown de Primeiro Nível Local para Agentes de IA: Mem0, Hindsight, Zep e o Recém-chegado Engram

Um usuário do Reddit pediu um sistema de memória para agentes totalmente local que armazene memórias como arquivos Markdown legíveis — não um banco de dados ou serviço em nuvem. Após receber ~20 sugestões e testá-las todas, aqui está o detalhamento do que cada ferramenta realmente oferece e onde estão as lacunas.

Sistemas Não-Memória Sinalizados

Várias ferramentas sugeridas não são sistemas de memória: ChromaDB é um banco de dados vetorial; qmd é um mecanismo de busca de documentos sem pipeline de escrita; ContextKeep faz compressão de contexto; LCM preserva apenas o contexto da sessão.

Opções Estabelecidas

• mem0 — líder de mercado, memória baseada em grafos, SDKs em múltiplas linguagens, escala de produção. Desvantagens: padrão é OpenAI, tende a ser hospedado, armazena em banco de dados opaco.
• Hindsight — grafo de conhecimento, resolução de entidades, lida com memórias contraditórias. Requer Postgres + banco vetorial, armazenamento é SQL — não é possível ler arquivos diretamente.
• Zep — maior histórico, memória multimodal, extração estruturada. Foco em nuvem, requisitos de infraestrutura semelhantes ao Hindsight.
• Honcho — aprendizado contínuo, arquitetura com estado, mais voltado para pesquisa. Licença AGPL + dependência de nuvem.

Opções Específicas para OpenClaw

• memory-lancedb-pro — plugin de memória mais robusto para OpenClaw, recuperação híbrida, modelo de decaimento, mantido ativamente. Não é um servidor independente.
• GBrain — foco em MCP, integração decente com OpenClaw, não útil fora do ecossistema.

Novato Mais Interessante: mnem

mnem é um único binário em Rust, sem dependências Python/Ollama/externas. Descrito como "git para memórias de agentes": branch, diff, merge, revert. Usa GraphRAG. Benchmarks bons contra mem0. Tem duas semanas — cobertura de testes fina. Armazenamento é nós de grafo endereçados por conteúdo, não arquivos legíveis.

A Lacuna e o Que a Preenche: Engram

Nenhuma das ferramentas testadas combinou totalmente local + armazenamento de arquivos legíveis por humanos + deduplicação inteligente + decaimento de importância + servidor independente sem requisitos de infraestrutura. Engram por Obsidian68 (github.com/Obsidian68/Engram) é novíssimo (quase sem estrelas) mas atende a todos os quatro requisitos:

• Memórias armazenadas como arquivos Markdown em uma pasta — abertos no VS Code, editáveis, deletáveis.
• API REST completa e servidor MCP.
• Deduplicação inteligente em escritas, decaimento de importância para memórias antigas.
• Funciona inteiramente no Ollama — sem chaves de API, sem chamadas externas, totalmente local.

Se privacidade e legibilidade são importantes para o conhecimento do seu agente, Engram é atualmente a única solução completa.