MemRosetta -- motor de memoria local de largo plazo para herramientas de IA

Al usar herramientas de codificación con IA (Claude Code, Cursor, Codex, Gemini, etc.), el contexto se pierde cada vez que cambia la sesión.
La arquitectura que decidiste ayer, los resultados del debugging de la semana pasada, tu estilo de código preferido: hay que volver a explicarlo cada vez.

MemRosetta es un motor de memoria local de largo plazo para resolver este problema.

Instalación en una línea:
npm install -g memrosetta && memrosetta init --claude-code

Cómo funciona

Guarda todos los recuerdos en un solo archivo local de SQLite (~/.memrosetta/memories.db). Claude Code, Cursor,
Codex y Gemini comparten la misma base de datos, así que un recuerdo guardado en una herramienta puede buscarse desde otra.

En lugar de dividir documentos en fragmentos de texto (chunk) como en un RAG tradicional, los guarda en unidades de memoria atómica (atomic memory).
Un hecho es un registro.

// Sesión del lunes — Claude llama automáticamente a MCP durante la conversación
store({
"content": "La autenticación se decidió con OAuth2 + PKCE",
"memoryType": "decision",
"keywords": ["auth", "oauth2", "pkce"]
})

// Nueva sesión del martes — Claude busca con MCP
search({ "query": "auth" })

→ [0.95] La autenticación se decidió con OAuth2 + PKCE (decision, 2026-03-31)
→ [0.82] El rate limit de la API es de 100 req/min por usuario (fact, 2026-03-31)
→ [0.41] La UI de la página de login está terminada (event, 2026-03-28)

Incluso si se acumulan 100 recuerdos, combina coincidencia por palabras clave + similitud semántica + puntaje de activación ACT-R para devolver solo los 5 más relevantes. Funciona como la forma en que el cerebro humano recuerda información relacionada: los recuerdos que se evocan con frecuencia se recuerdan mejor, y los que no se usan durante mucho tiempo se desvanecen de manera natural, pero no desaparecen.

Características principales

• Búsqueda híbrida: coincidencia por palabras clave FTS5 + similitud semántica por vectores + fusión Convex Combination
• Detección de contradicciones: un modelo NLI local (71 MB) detecta automáticamente contradicciones entre un hecho nuevo y recuerdos existentes, y los conecta como relaciones
• Olvido adaptativo: basado en el modelo ACT-R de la ciencia cognitiva. Los recuerdos buscados con frecuencia aumentan su puntaje de activación, y los que no se usan se desvanecen de forma natural (no se eliminan)
• Modelo temporal: cada recuerdo tiene 4 marcas de tiempo: cuándo se guardó, cuándo ocurrió la conversación, el momento real del evento y el momento de invalidación
• Grafo de relaciones: updates, extends, derives, contradicts, supports — conecta recuerdos entre sí
• No requiere LLM: el motor principal funciona localmente sin llamar APIs externas. Tanto los embeddings (33 MB) como el NLI (71 MB) son locales

Integración por herramienta

memrosetta init --claude-code # Claude Code: hooks + CLAUDE.md + MCP
memrosetta init --cursor # Cursor: MCP + .cursorrules
memrosetta init --codex # Codex: config.toml + AGENTS.md
memrosetta init --gemini # Gemini: settings.json + GEMINI.md

Mediante MCP (Model Context Protocol), la IA guarda y busca recuerdos directamente durante la sesión. En el caso de Claude Code, durante la sesión Claude guarda directamente mediante MCP (máxima calidad, costo $0), y al finalizar la sesión el Stop Hook complementa como red de seguridad lo que se haya pasado por alto.

Comparación con productos competidores

Las soluciones de memoria para IA existentes como Mem0, Zep y Letta están basadas en la nube y dependen de LLM. MemRosetta funciona con un único SQLite local, y funciones como detección de contradicciones, modelo de olvido ACT-R, modelo temporal y grafo de relaciones no están presentes en las soluciones existentes.

• GitHub: https://github.com/obst2580/memrosetta
• Sitio web: https://memrosetta.liliplanet.net
• npm: npm install -g memrosetta
• 696+ pruebas, licencia MIT

[you4you4]

Hola, me parece una buena idea.
¿Han pensado en separarlo por proyecto?