Обзор локальных Markdown-серверов памяти для ИИ-агентов: Mem0, Hindsight, Zep и новичок Engram

Пользователь Reddit попросил полностью локальную систему памяти агента, которая хранит воспоминания в виде читаемых Markdown-файлов — не базу данных или облачный сервис. Получив ~20 предложений и протестировав их все, вот разбор того, что каждый инструмент на самом деле предлагает и где остаются пробелы.

Отмеченные не-системы памяти

Несколько предложенных инструментов не являются системами памяти: ChromaDB — векторная база данных; qmd — поисковая система по документам без конвейера записи; ContextKeep занимается сжатием контекста; LCM сохраняет только контекст сессии.

Устоявшиеся варианты

• mem0 — лидер рынка, графовая память, SDK на нескольких языках, производственный масштаб. Минусы: по умолчанию использует OpenAI, склоняется к облаку, хранит в непрозрачной базе данных.
• Hindsight — граф знаний, разрешение сущностей, обрабатывает противоречивые воспоминания. Требует Postgres + векторную БД, хранилище — SQL — файлы нельзя прочитать напрямую.
• Zep — самый давний опыт, мультимодальная память, структурированное извлечение. Облачный подход, схожие требования к инфраструктуре с Hindsight.
• Honcho — непрерывное обучение, архитектура с сохранением состояния, более исследовательский. Лицензия AGPL + зависимость от облака.

Специфичные для OpenClaw варианты

• memory-lancedb-pro — самый мощный плагин памяти для OpenClaw, гибридный поиск, модель устаревания, активно поддерживается. Не автономный сервер.
• GBrain — ориентирован на MCP, неплохая интеграция с OpenClaw, бесполезен вне экосистемы.

Самый интересный новичок: mnem

mnem — один бинарный файл на Rust, без зависимостей Python/Ollama/внешних. Описан как «git для памяти агентов»: ветвление, сравнение, слияние, откат. Использует GraphRAG. Показывает хорошие результаты в бенчмарках против mem0. Двухнедельный — слабое покрытие тестами. Хранит контентно-адресуемые графовые узлы, а не читаемые файлы.

Пробел и что его заполняет: Engram

Ни один из протестированных инструментов не сочетал полностью локальное + человекочитаемое файловое хранилище + умное удаление дубликатов + устаревание важности + автономный сервер без требований к инфраструктуре. Engram от Obsidian68 (github.com/Obsidian68/Engram) — совершенно новый (почти нет звёзд), но удовлетворяет всем четырём пунктам:

• Воспоминания хранятся в виде Markdown-файлов в папке — открываются в VS Code, редактируются, удаляются.
• Полноценный REST API и MCP-сервер.
• Умное удаление дубликатов при записи, устаревание важности для старых воспоминаний.
• Работает полностью на Ollama — никаких API-ключей, внешних вызовов, полностью локально.

Если конфиденциальность и читаемость имеют значение для знаний вашего агента, Engram на данный момент — единственное полное решение.