YourMemory: Memória de IA com decaimento biológico atinge 59% de recall no LoCoMo-10

YourMemory implementa memória persistente para agentes de IA usando a curva de esquecimento de Ebbinghaus — as memórias decaem a menos que sejam reforçadas pela recordação, e dados não utilizados são podados quando atingem um limite. Construído como um servidor MCP local-first no DuckDB, combina BM25, busca vetorial e uma camada de grafo para resolver o problema do "vizinho lógico", onde a busca semântica perde nós relevantes, mas não semelhantes.
Benchmarks
No benchmark LoCoMo-10 (1.534 pares de pergunta-resposta em 10 conversas de múltiplas sessões):
- YourMemory: 59% Recall@5 (IC 95%: 56–61%)
- Zep Cloud: 28% (IC 95%: 26–30%)
Isso é 2× melhor recall que o Zep Cloud. Armazenamentos vetoriais sem estado supostamente sofrem 84% mais desperdício de tokens.
Início Rápido
Python 3.11–3.14. Sem necessidade de Docker ou serviços externos.
pip install yourmemory
yourmemory-setupObtenha o caminho da sua configuração:
yourmemory-pathConfiguração MCP
Claude Code — adicione em ~/.claude/settings.json:
{
"mcpServers": {
"yourmemory": {
"command": "yourmemory"
}
}
}Claude Desktop — adicione no arquivo de configuração apropriado:
{
"mcpServers": {
"yourmemory": {
"command": "yourmemory"
}
}
}Cline, Cursor, OpenCode e qualquer cliente compatível com MCP (Windsurf, Continue, Zed) podem conectá-lo usando o caminho completo de yourmemory-path.
Fluxo de Trabalho de Memória
Copie as instruções de exemplo:
cp sample_CLAUDE.md CLAUDE.mdDepois edite CLAUDE.md com seu nome e ID de usuário. Claude segue um fluxo de recordar → armazenar → atualizar a cada tarefa usando três ferramentas MCP:
recall_memory(query)— traz memórias relevantes no início da tarefastore_memory(content, importance)— incorpora e armazena com decaimento biológicoupdate_memory(id, new_content)— reincorpora e substitui informações desatualizadas
Exemplo: store_memory("Sachit prefere tabs a espaços em Python", importance=0.9, category="fact")
Para Quem é
Desenvolvedores construindo agentes de codificação de IA que executam projetos de longa duração e precisam lembrar preferências do usuário, contexto do projeto e evitar retreinamento do zero a cada sessão.
📖 Leia a fonte completa: HN LLM Tools
👀 See Also

Meta para o Claude Code: tarefas persistentes com revisão adversarial
Um comando /goal para o Claude Code que o mantém trabalhando em uma tarefa longa por muitas rodadas, com uma sessão opcional separada do Claude revisando o resultado final para evitar conclusão falsa.

GIF Personalizado para Código Claude via Conversão de Fonte COLR
Um desenvolvedor criou um método para substituir o spinner padrão do Claude Code por qualquer GIF animado, convertendo o GIF em uma fonte de cores OpenType COLR e ajustando o spinner para alternar entre glifos que representam cada quadro. A ferramenta atualmente é compatível com Windows, com versões para macOS/Linux planejadas.

NLA transforma as ativações internas do Gemma 3 em texto legível para qualquer token
A Anthropic lançou os Natural Language Autoencoders (NLA), que decodificam o estado interno de um modelo em texto. Combinado com o Gemma 3, o Auto Verbalizer explica o que o modelo estava "pensando" para qualquer token gerado. Os pesos estão no Hugging Face; demo no Neuronpedia.

OpenClaw-superpowers adiciona recursos de confiabilidade para modos de falha operacionais.
O repositório openclaw-superpowers foi expandido com oito novas habilidades focadas em confiabilidade, incluindo verificações prévias de implantação, prova de execução de cron, recuperação de redefinição de sessão e gerenciamento do ciclo de vida de autenticação MCP. Essas adições elevam o total para 60 habilidades, sendo 44 nativas do OpenClaw e 23 projetadas para agendamento cron.