Локальная система памяти для инструментов ИИ-кодирования извлекает более 2600 фактов из журналов переписки.

Разработчик создал локальную систему памяти для инструментов ИИ-программирования, которая работает полностью на его компьютере, решая проблему повторного объяснения контекста в новых сессиях. Система работает с Claude Code, Factory.ai и Codex CLI, записывая все журналы разговоров в единую базу данных SQLite.

Как это работает

Система использует несколько автоматизированных процессов:

• Задача cron запускается каждые 15 минут для загрузки журналов разговоров в SQLite
• Каждый час она генерирует векторные эмбеддинги и извлекает структурированные факты с помощью локальной LLM (разработчик запускает Nemotron 3 Super на DGX Spark через ollama)
• Каждая новая сессия Claude Code начинается с автоматически добавленного файла memory-context.md через CLAUDE.md
• В середине сессии Claude может искать по всей истории с помощью инструментов MCP, включая поиск по ключевым словам, семантический поиск, поиск фактов и исследование графа сущностей

Статистика использования

После нескольких месяцев обычного использования:

• Проиндексировано более 13 000 сообщений в более чем 400 сессиях
• Извлечено более 2 600 фактов (предпочтения, решения, пары ошибка/решение, паттерны использования инструментов)
• Отслеживается более 330 сущностей (библиотеки, сервисы, языки с количеством упоминаний)
• Размер базы данных 40 МБ

Граф сущностей отслеживает паттерны использования, например "вы использовали pytest 45 раз, playwright 20 раз, jest 3 раза" на основе реальных данных использования.

Возможности и ограничения

Система включает веб-интерфейс для поиска, редактирования фактов и предпросмотра того, что добавляется в контекст, а также инструмент командной строки и слеш-команды. Она не работает по принципу "включил и работай" — пользователям нужно настроить задачи cron, сконфигурировать MCP и при необходимости запустить ollama. Разработчик отмечает, что это его первый проект с открытым исходным кодом, и приветствует отзывы об архитектуре, подходе к извлечению фактов, дизайне инструментов MCP и улучшениях структуры Python/проекта.