Hipocampus - sistema de memoria persistente para agentes de IA (cero infraestructura)

Los agentes de IA como Claude Code u OpenClaw olvidan todo recuerdo en el momento en que termina la sesión. Hace dos semanas acordaste algo como una estrategia de migración de base de datos, y cuando ves que en la siguiente sesión se ponen a investigarlo de nuevo desde cero, de verdad resulta frustrante.

Claro, existen varias soluciones para eso, pero sus límites son claros:

• Resistir solo con un MEMORY.md: en una semana se desborda y tienes que decidir qué borrar. Lo que borras se pierde para siempre
• Búsqueda RAG: encuentra lo que hay que encontrar, pero desde el inicio no puede determinar "¿yo ya sabía esto?"
• Meter todo en un contexto de 1M: funciona, pero la atención se difumina y el costo de tokens se dispara

Hipocampus lo resuelve con una memoria de 3 capas (hot/warm/cold) y un árbol de compactación de 5 niveles. Comprime todo el historial acumulado de conversaciones/trabajo en un índice ROOT.md de unas ~100 líneas, de modo que al añadir solo ~3K tokens en cada llamada el agente puede identificar de inmediato "qué sé y qué no sé".

• Instalación lista con una sola línea: npx hipocampus init
• Cero dependencias externas + no requiere infraestructura como servidores
• Se puede usar de inmediato con Claude Code y OpenClaw
• Búsqueda híbrida BM25 + vectores basada en qmd (opcional)
• Las escrituras de memoria las procesa un subagente, manteniendo limpio el contexto de la sesión principal.
• Licencia MIT

Lo hice porque me parecía un desperdicio el tiempo y los tokens que se van cuando el agente pregunta lo mismo cada vez y vuelve a investigar todo desde cero, pero funcionó mejor de lo esperado, así que lo publiqué como open source.

[gykim]

Está bueno. Yo voy dejando todo el historial de trabajo por fecha para luego hacerle grep, pero creo que voy a probar esto.