Skip to main content
Glama

AIBrain — это локальный, уважающий приватность менеджер AI-памяти для разработчиков, которые запускают агентов кодинга. Каждый используемый вами агент — opencode, Claude Code, Codex, Cursor, Zed и ещё 15+ — читает и пишет в одну и ту же папку Markdown-памяти через локальный MCP-сервер, с полностью офлайн-семантическим поиском (встроенные ONNX-эмбеддинги all-MiniLM-L6-v2), RAG-чатом с нумерованными цитатами и жизненным циклом памяти, похожим на человеческий мозг: шум отфильтровывается при записи, устойчивые факты продвигаются в библиотеку, старые записи архивируются. Ваша память никогда не покидает вашу машину — никакого облака, никакой телеметрии.


✨ Зачем AIBrain?

  • Один мозг, каждый агент — общая память, которую читает и пишет весь ваш флот агентов через Model Context Protocol (MCP). Больше никаких изолированных хранилищ памяти для каждого инструмента или повторных объяснений вашего проекта каждому новому агенту.

  • Действительно офлайн — эмбеддинги вычисляются на вашей машине с помощью встроенной ONNX-модели; никаких API-ключей, утечки данных или удалённых вызовов моделей.

  • Семантический, а не только по ключевым словам — находите заметки по смыслу с помощью локального векторного поиска или задавайте вопросы на естественном языке и получайте ответы, основанные на вашей памяти, с нумерованными цитатами.

  • Память, которая ведёт себя как мозг — запись с фильтром шума, курирование promote/demote, журнал изменений с отменой в один клик и хранение с жёстким 7-дневным минимумом безопасности. Ничто никогда не удаляется молча.

  • Бесплатно и с открытым исходным кодом — лицензия MIT, Rust + Tauri 2 + React, без платных тарифов.

Related MCP server: Stoa

✨ Возможности

🔎 Семантический векторный поиск

  • Полностью офлайн-эмбеддинги — модель ONNX all-MiniLM-L6-v2 (384-мерная) и её WASM-рантайм встроены в приложение; удалённая загрузка моделей отключена.

  • Векторное хранилище SQLite ({brain}/.aibrain/vec.db) с поиском по косинусной близости полным перебором — этого достаточно для личной памяти из сотен записей.

  • Автоматическая переиндексация по хэшу содержимого — каждая запись хэшируется FNV-1a; повторно эмбеддятся только изменённые записи, поэтому правки только форматирования никогда не вызывают переиндексацию.

  • Безопасность при смене модели: векторы от другой модели эмбеддингов никогда не совпадают.

💬 Спросите свой мозг

  • RAG-чат по вашей памяти: лучшие векторные совпадения берутся как контекст, модель отвечает только на основе этих заметок, с нумерованными 【n】 цитатами и чипами источников (название, дата, оценка).

  • Работает через OpenRouter (нужен ключ) или любой локальный провайдер, совместимый с OpenAI — LM Studio, Ollama или BionicGPT, автоматически обнаруживается и применяется в один клик.

  • Однократные завершения (потоковой передачи пока нет).

🧠 Жизненный цикл памяти как у человеческого мозга

  • Фильтр шума при записи — приветствия, подтверждения и голые вставленные команды классифицируются как болтовня и направляются в inbox/_buffer.md вместо датированного журнала сессии (по умолчанию не теряя сути — классификатор склоняется к сохранению).

  • Журнал изменений + отмена в один клик — каждое добавление, продвижение, понижение и перемещение в архив журналируется и обратимо.

  • Promote / demote — записи из входящих продвигаются в library/concepts/ как курируемые заметки (slug по теме, датированные разделы); demote удаляет их снова.

  • Хранение — файлы входящих старше N дней архивируются в archive/YYYY-MM-DD/, с жёстким 7-дневным минимумом безопасности: ничего моложе этого срока никогда не затрагивается, ничего никогда не удаляется.

  • Фоновый библиотекарь — периодически консолидирует буфер в сегодняшний журнал (правила фильтрации шума + дедупликация), при желании дистиллируя его через ваш настроенный локальный LLM, чтобы выживали только устойчивые факты («режим человеческого мозга»).

🔌 MCP-сервер для агентов

Небольшой stdio-сервер (mcp-server, поставляется как отдельный бинарник) открывает память любому MCP-совместимому клиенту — 12 инструментов, см. ниже. Панель управления сканирует вашу машину, перечисляет только установленных агентов и подключает каждого с реальным MCP-рукопожатием (без авто-подключения). Соединения указывают на стабильную копию сервера в каталоге данных приложения, поэтому они переживают переустановки — а сканирование самовосстанавливает устаревшие записи. Работает с opencode, Claude Code, Claude Desktop, Codex, Cursor, VS Code, Zed, Windsurf, Cline, Continue, Gemini CLI, Antigravity, Goose, Aider, Qwen Code, Kimi CLI, Crush, Amp, OpenHands и Copilot CLI — или с любым конфигурационным файлом через универсальное подключение.

🛰️ Интерфейс Synapse Observatory

  • 14 тем (Synapse, Midnight, Aurora, Dracula, Gruvbox, Nord, Forest, Hacker, Terminal, Paper Dark, Graphite, Solarized Light, One Light, Paper), тёмные и светлые, с проверенными по WCAG акцентными цветами.

  • Офлайн-шрифты — IBM Plex Sans + JetBrains Mono встроены в приложение; ничего не загружается из интернета.

  • Страницы: Dashboard (подключения агентов), Memory (поисковая, атрибутированная хронология), Ask (RAG-чат), Settings (провайдеры, библиотекарь, темы) и Onboarding (выбор или создание папки памяти).

🔐 Локальная приватность

  • Никакой телеметрии, никакого облака. Единственный исходящий трафик — это необязательная проверка обновлений и необязательный ключ OpenRouter, который вы добавляете для чата.

  • Эмбеддинги никогда не покидают машину: векторы в приложении вычисляются локально; агентский recall общается только с локальным эндпоинтом, который вы настроили (всё остальное откатывается к поиску по ключевым словам).

  • MCP-инструмент audit сообщает, какие именно сетевые вызовы может совершать AIBrain.

  • CSP ограничивает webview локальными ресурсами и эндпоинтом обновлений.

  • Полное удаление: деинсталлятор предлагает флажок «Удалить всё с этой системы», который убирает все подключения агентов, внедрённые блоки инструкций, файлы резервных копий и данные приложения — или используйте Настройки → Удалить всё и деинсталлировать в приложении. Пользовательская папка памяти, которую вы выбрали сами, никогда не удаляется деинсталлятором.

📥 Установка

Возьмите v0.3.0 со страницы Releases:

Платформа

Установщики

Windows

.exe (NSIS-установщик) + .msi

Linux

.deb + .AppImage

macOS

.dmg + .app (не подписано — щёлкните правой кнопкой → Открыть при первом запуске)

Автообновление встроено: приложение проверяет страницу Releases (latest.json) и поддерживает себя в актуальном состоянии; артефакты подписаны и проверяются по ключу, который хранится только на машине мейнтейнера.

🚀 Быстрый старт

  1. Установите приложение для вашей платформы (выше).

  2. Выберите или создайте папку памяти — обычную папку с Markdown. Структура мозга (library/, inbox/, index.md) создаётся автоматически, если её нет; пустые папки работают.

  3. Подключите своих агентов — панель Dashboard показывает, что установлено. Нажмите Connect, и в конфигурации агента появится одна стандартная MCP-запись, указывающая на мозг. Агенты Claude Code и Cursor затем могут использовать MCP-инструменты напрямую в своих сессиях.

  4. Используйте Ask — откройте страницу Ask, введите вопрос, получите ответ, основанный на вашей памяти, с 【n】 цитатами. При желании сначала добавьте ключ OpenRouter или укажите локального провайдера в Настройках.

  5. Агенты добавляют устойчивые факты через append_log; проверьте страницу Memory, чтобы увидеть всё записанное, с атрибуцией по агенту и проекту.

🔌 MCP-инструменты

Инструмент

Назначение

read_note

Прочитать заметку памяти по пути относительно корня мозга

list_notes

Перечислить все заметки памяти и журналы сессий

append_log

Добавить датированный, устойчивый факт в сегодняшний журнал сессии (с фильтром шума)

memory_summary

Вернуть индекс мозга — «что знает этот мозг»

search_library

Поиск по ключевым словам в заметках + журналах; до 20 совпадений

recall

Семантический отзыв — векторный поиск через локальный эндпоинт эмбеддингов, иначе откат к ключевым словам

recent_facts

Последние N записей памяти, сначала новые

open_threads

Эвристический поиск открытых тем за последние ~14 дней (ожидающие/заблокированные/задачи…)

audit

Доказать, какие именно сетевые вызовы может совершать AIBrain (офлайн-гарантия)

session_start / session_end

Отслеживать сессии и записывать их сводки

propose_memory

Предложить устойчивый факт для курирования с участием человека

🛠 Разработка

Предварительные требования: Node 20, Rust stable и инструментарий платформы, который использует CI — на Ubuntu 22.04: libwebkit2gtk-4.1-dev libappindicator3-dev librsvg2-dev patchelf libgtk-3-dev; Windows требует MSVC-тулчейн; macOS требует инструменты командной строки Xcode.

PowerShell блокирует shim npm.ps1 — в Windows всегда вызывайте npm.cmd.

# app/
npm.cmd install
npm.cmd run build          # tsc + vite build (+ WASM trim)
npm.cmd run tauri dev      # run with hot reload

# app/src-tauri/
cargo test                 # workspace tests (core, mcp-server)
cargo build -p aibrain-mcp-server --release   # agent server binary

# app/ — embedding pipeline smoke test (model, dims, similarity)
node scripts/embed-smoke.mjs

Структура рабочего пространства:

app/                        React 19 + Vite + TypeScript frontend
app/src-tauri/              Tauri 2 shell + Tauri commands
app/src-tauri/crates/core/  aibrain-core — vectors, lifecycle, librarian,
                            chat, locals, settings, journal, connectors
app/src-tauri/crates/mcp-server/   the stdio MCP server binary
app/public/models|wasm|fonts|       vendored assets — never fetched at runtime

CI (.github/workflows/ci.yml) запускается при каждом push/PR: сборка фронтенда + тесты Rust на Ubuntu 22.04 и Windows. Релизы (.github/workflows/release.yml) собирают все три ОС на тегах v*, запускают тесты и создают черновик подписанного релиза с установщиками + артефактами обновления.

🗺 Дорожная карта

  • Потоковый чат (SSE) с видимостью вызовов инструментов

  • Просмотр графа знаний памяти

  • Линтер здоровья памяти (осиротевшие записи, битые вики-ссылки, дублирующиеся факты)

  • Управление жизненным циклом в интерфейсе (отмена / продвижение / хранение), тесты фронтенда

❓ FAQ

Приватна ли моя память? Да. AIBrain локально-ориентирован: заметки, эмбеддинги и поиск никогда не покидают вашу машину. Единственный необязательный исходящий трафик — это проверка автообновления и ключ OpenRouter, который вы добавляете сами для RAG-чата. Запустите audit (MCP-инструмент), чтобы увидеть точно, какие сетевые вызовы может совершать AIBrain.

Нужен ли GPU или API-ключ? Нет. Семантический поиск работает полностью офлайн на CPU с встроенной ONNX-моделью. Для страницы Ask (RAG-чат) вы можете принести ключ OpenRouter или указать на любой локальный сервер, совместимый с OpenAI (LM Studio, Ollama, BionicGPT) — или вообще пропустить чат и использовать AIBrain чисто как хранилище памяти агентов.

С какими AI-агентами он работает? opencode, Claude Code, Claude Desktop, Codex, Cursor, VS Code, Zed, Windsurf, Cline, Continue, Gemini CLI, Goose, Aider, Qwen Code, Kimi CLI, OpenHands, Copilot CLI и другие — всё, что говорит на MCP, плюс универсальное подключение через конфиг для остальных.

Чем это отличается от AGENTS.md / CLAUDE.md? Это статические файлы правил для конкретного проекта. AIBrain — это живая, доступная для поиска память между проектами: журналы сессий, курируемые концепции и обсуждения, которые каждый агент может вспомнить семантически — а не только тот, кто написал файл.

Удаляется ли что-либо когда-нибудь? Нет. Хранение архивирует старые записи входящих в папки с датами с жёстким 7-дневным минимальным сроком хранения, и каждое изменение журналируется, чтобы его можно было отменить.

📄 Лицензия

MIT — см. LICENSE.


Создано с Tauri 2 · ядро на Rust · React + TypeScript · работает с opencode, Claude Code, Codex, Cursor, VS Code, Zed и другими

Maintenance

ActivityStale
ResponsivenessNo recent community issues

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    A
    maintenance
    Local-first, file-based memory layer for AI agents — one shared Markdown vault across Claude, Codex, Gemini, Cursor and any MCP client. Provides read/write memory tools with an audit trail, per-agent trust levels, and Git sync; no cloud and no lock-in.
    2
    MIT
  • A
    license
    Not graded
    quality
    C
    maintenance
    Persistent shared memory for AI coding agents that turns a folder of markdown files into searchable memory across sessions, repos, and machines.
    12 npm
    Functional Source , Version 1.1, MIT Future
  • A
    license
    Not graded
    quality
    D
    maintenance
    Provides persistent long-term memory for AI assistants with tag-based retrieval, wiki-style linking, and source references, storing memories as markdown files with SQLite index.
    1
    MIT
  • A
    license
    Not graded
    quality
    A
    maintenance
    Gives AI assistants persistent, shared memory using the Zettelkasten method, so they retain corrections, preferences, and decisions across sessions and across tools via local, hybrid search.
    466 npm
    7
    MIT