Memoria básica

Memoria Básica te permite construir conocimiento persistente mediante conversaciones naturales con Grandes Modelos de Lenguaje (LLM) como Claude, a la vez que guardas todo en archivos Markdown simples en tu ordenador. Utiliza el Protocolo de Contexto de Modelo (MCP) para que cualquier LLM compatible pueda leer y escribir en tu base de conocimiento local.

Sitio web: https://basicmachines.co
Documentación: https://memory.basicmachines.co

Retoma tu conversación justo donde la dejaste

Los asistentes de IA pueden cargar contexto de archivos locales en una nueva conversación
Las notas se guardan localmente como archivos Markdown en tiempo real
No se requieren conocimientos del proyecto ni indicaciones especiales

https://github.com/user-attachments/assets/a55d8238-8dd0-454a-be4c-8860dbbd0ddc

Inicio rápido

# Install with uv (recommended)
uv tool install basic-memory

# Configure Claude Desktop (edit ~/Library/Application Support/Claude/claude_desktop_config.json)
# Add this to your config:
{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "mcp"
      ]
    }
  }
}
# Now in Claude Desktop, you can:
# - Write notes with "Create a note about coffee brewing methods"
# - Read notes with "What do I know about pour over coffee?"
# - Search with "Find information about Ethiopian beans"

Puede ver el contexto compartido a través de archivos en ~/basic-memory (ubicación del directorio predeterminado).

Instalación alternativa mediante herrería

Puede utilizar Smithery para configurar automáticamente la memoria básica para Claude Desktop:

npx -y @smithery/cli install @basicmachines-co/basic-memory --client claude

Esto instala y configura Basic Memory sin necesidad de modificar manualmente el archivo de configuración de Claude Desktop. El servidor Smithery aloja el componente del servidor MCP, mientras que sus datos se almacenan localmente como archivos Markdown.

Glama.ai

¿Por qué Memoria Básica?

La mayoría de las interacciones de LLM son efímeras: se hace una pregunta, se recibe una respuesta y todo se olvida. Cada conversación comienza desde cero, sin el contexto ni el conocimiento de las anteriores. Las soluciones alternativas actuales tienen limitaciones:

Los historiales de chat capturan conversaciones, pero no son conocimiento estructurado
Los sistemas RAG pueden consultar documentos, pero no permiten que los LLM los escriban.
Las bases de datos vectoriales requieren configuraciones complejas y a menudo residen en la nube
Los gráficos de conocimiento generalmente necesitan herramientas especializadas para mantenerse

La memoria básica aborda estos problemas con un enfoque sencillo: archivos Markdown estructurados que tanto usuarios como LLM pueden leer y escribir. Ventajas clave:

Local-first: Todo el conocimiento permanece en los archivos que usted controla
Bidireccional: tanto usted como el LLM leen y escriben en los mismos archivos
Estructurado pero simple: utiliza Markdown familiar con patrones semánticos
Gráfico de conocimiento transitable: los LLM pueden seguir vínculos entre temas
Formatos estándar: funciona con editores existentes como Obsidian
Infraestructura ligera: solo archivos locales indexados en una base de datos SQLite local

Con Memoria Básica, puedes:

Tener conversaciones que se basen en conocimientos previos
Crea notas estructuradas durante conversaciones naturales
Tenga conversaciones con LLM que recuerden lo que han discutido antes
Navegue por su gráfico de conocimiento semánticamente
Mantén todo local y bajo tu control
Utilice herramientas conocidas como Obsidian para ver y editar notas
Construya una base de conocimientos personal que crezca con el tiempo

Cómo funciona en la práctica

Supongamos que estás explorando métodos de preparación de café y quieres poner en práctica tus conocimientos. Así es como funciona:

Comience chateando normalmente:

I've been experimenting with different coffee brewing methods. Key things I've learned:

- Pour over gives more clarity in flavor than French press
- Water temperature is critical - around 205°F seems best
- Freshly ground beans make a huge difference

...continuar la conversación.

Pídale al LLM que le ayude a estructurar este conocimiento:

"Let's write a note about coffee brewing methods."

LLM crea un nuevo archivo Markdown en su sistema (que puede ver instantáneamente en Obsidian o en su editor):

---
title: Coffee Brewing Methods
permalink: coffee-brewing-methods
tags:
- coffee
- brewing
---

# Coffee Brewing Methods

## Observations

- [method] Pour over provides more clarity and highlights subtle flavors
- [technique] Water temperature at 205°F (96°C) extracts optimal compounds
- [principle] Freshly ground beans preserve aromatics and flavor

## Relations

- relates_to [[Coffee Bean Origins]]
- requires [[Proper Grinding Technique]]
- affects [[Flavor Extraction]]

La nota incorpora contenido semántico y enlaces a otros temas a través del formato Markdown simple.

Verá este archivo en su computadora en tiempo real en el directorio del proyecto actual (predeterminado ~/$HOME/basic-memory ).

La sincronización en tiempo real está habilitada de forma predeterminada con la versión v0.12.0

En un chat con el LLM, puedes hacer referencia a un tema:

Look at `coffee-brewing-methods` for context about pour over coffee

El Máster en Derecho (LLM) ahora puede generar contexto enriquecido a partir del grafo de conocimiento. Por ejemplo:

Following relation 'relates_to [[Coffee Bean Origins]]':
- Found information about Ethiopian Yirgacheffe
- Notes on Colombian beans' nutty profile
- Altitude effects on bean characteristics

Following relation 'requires [[Proper Grinding Technique]]':
- Burr vs. blade grinder comparisons
- Grind size recommendations for different methods
- Impact of consistent particle size on extraction

Cada documento relacionado puede generar más contexto y generar una rica comprensión semántica de su base de conocimientos.

Esto crea un flujo bidireccional donde:

Los humanos escriben y editan archivos Markdown
Los LLM leen y escriben a través del protocolo MCP
La sincronización mantiene todo consistente
Todo el conocimiento permanece en archivos locales.

Implementación técnica

Bajo el capó, Memoria básica:

Almacena todo en archivos Markdown
Utiliza una base de datos SQLite para buscar e indexar
Extrae el significado semántico de patrones Markdown simples
- Los archivos se convierten en objetos Entity
- Cada Entity puede tener Observations , o hechos asociados a ella.
- Relations conectan entidades entre sí para formar el gráfico de conocimiento.
Mantiene el gráfico de conocimiento local derivado de los archivos
Proporciona sincronización bidireccional entre archivos y el gráfico de conocimiento.
Implementa el Protocolo de Contexto de Modelo (MCP) para la integración de IA
Expone herramientas que permiten a los asistentes de IA recorrer y manipular el gráfico de conocimiento.
Utiliza URL de memoria:// para hacer referencia a entidades en herramientas y conversaciones

El formato del archivo es simplemente Markdown con algún marcado simple:

Cada archivo Markdown tiene:

Portada

title: <Entity title>
type: <The type of Entity> (e.g. note)
permalink: <a uri slug>

- <optional metadata> (such as tags) 

Observaciones

Las observaciones son datos sobre un tema. Se pueden agregar creando una lista de Markdown con un formato especial que puede hacer referencia a una category , tags con el carácter "#" y un context opcional.

Formato de Markdown de observación:

- [category] content #tag (optional context)

Ejemplos de observaciones:

- [method] Pour over extracts more floral notes than French press
- [tip] Grind size should be medium-fine for pour over #brewing
- [preference] Ethiopian beans have bright, fruity flavors (especially from Yirgacheffe)
- [fact] Lighter roasts generally contain more caffeine than dark roasts
- [experiment] Tried 1:15 coffee-to-water ratio with good results
- [resource] James Hoffman's V60 technique on YouTube is excellent
- [question] Does water temperature affect extraction of different compounds differently?
- [note] My favorite local shop uses a 30-second bloom time

Relaciones

Las relaciones son enlaces a otros temas. Definen cómo se conectan las entidades en el grafo de conocimiento.

Formato Markdown:

- relation_type [[WikiLink]] (optional context)

Ejemplos de relaciones:

- pairs_well_with [[Chocolate Desserts]]
- grown_in [[Ethiopia]]
- contrasts_with [[Tea Brewing Methods]]
- requires [[Burr Grinder]]
- improves_with [[Fresh Beans]]
- relates_to [[Morning Routine]]
- inspired_by [[Japanese Coffee Culture]]
- documented_in [[Coffee Journal]]

Uso con VS Code

Para la instalación con un solo clic, haga clic en uno de los botones de instalación a continuación...

Puedes usar Basic Memory con VS Code para recuperar y almacenar información fácilmente mientras programabas. Haz clic en los botones de instalación de arriba para una configuración con un solo clic o sigue las instrucciones de instalación manual a continuación.

Instalación manual

Agrega el siguiente bloque JSON a tu archivo de configuración de usuario (JSON) en VS Code. Para ello, presiona Ctrl + Shift + P y escribe Preferences: Open User Settings (JSON) .

{
  "mcp": {
    "servers": {
      "basic-memory": {
        "command": "uvx",
        "args": ["basic-memory", "mcp"]
      }
    }
  }
}

Opcionalmente, puede agregarlo a un archivo llamado .vscode/mcp.json en su espacio de trabajo. Esto le permitirá compartir la configuración con otros.

{
  "servers": {
    "basic-memory": {
      "command": "uvx",
      "args": ["basic-memory", "mcp"]
    }
  }
}

Uso con Claude Desktop

La memoria básica se crea utilizando el MCP (Protocolo de contexto de modelo) y funciona con la aplicación de escritorio Claude ( https://claude.ai/ ):

Configurar Claude Desktop para utilizar memoria básica:

Edite su archivo de configuración MCP (generalmente ubicado en ~/Library/Application Support/Claude/claude_desktop_config.json para OS X):

{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "mcp"
      ]
    }
  }
}

Si desea utilizar un proyecto específico (consulte Proyectos múltiples ), actualice la configuración de Claude Desktop:

{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "--project",
        "your-project-name",
        "mcp"
      ]
    }
  }
}

Sincroniza tus conocimientos:

Basic Memory sincronizará los archivos de tu proyecto en tiempo real si realizas ediciones manuales.

En Claude Desktop, el LLM ahora puede utilizar estas herramientas:

write_note(title, content, folder, tags) - Create or update notes
read_note(identifier, page, page_size) - Read notes by title or permalink
build_context(url, depth, timeframe) - Navigate knowledge graph via memory:// URLs
search_notes(query, page, page_size) - Search across your knowledge base
recent_activity(type, depth, timeframe) - Find recently updated information
canvas(nodes, edges, title, folder) - Generate knowledge visualizations

Ejemplos de indicaciones para probar:

"Create a note about our project architecture decisions"
"Find information about JWT authentication in my notes"
"Create a canvas visualization of my project components"
"Read my notes on the authentication system"
"What have I been working on in the past week?"

Más información

Consulte la documentación para obtener más información, que incluye:

Licencia

AGPL-3.0

Se agradecen las contribuciones. Consulta la Guía de Contribución para obtener información sobre cómo configurar el proyecto localmente y enviar solicitudes de colaboración.

Historia de las estrellas

Creado con ♥️ por Basic Machines

basic-memory

Integrations