🧠 Mnemos

Deja de gastar 10 $/día en contexto de IA. Dale a tus agentes de codificación de IA memoria a largo plazo de forma gratuita.

Mnemos es un motor de memoria persistente ultrarrápido para agentes de codificación de IA (Kiro, Claude Code, Cursor, Windsurf). Actúa como un "segundo cerebro" a través del Protocolo de Contexto de Modelo (MCP), ahorrándote dinero y frustraciones.

💸 La realidad de la codificación con IA

❌ Sin Mnemos: Tu sesión crece hasta 50k tokens. La IA se confunde y olvida las instrucciones anteriores. Borras el chat para ahorrar dinero. En la siguiente sesión, tienes que volver a explicar la estructura de tu proyecto, las convenciones de CSS y los errores antiguos una y otra vez. Resultado: Tiempo perdido y facturas de API elevadas.

✅ Con Mnemos: Tu IA aprende las decisiones de arquitectura, las causas raíz de los errores y las convenciones del proyecto una vez. Mnemos los desduplica y almacena automáticamente. En la siguiente sesión, Mnemos inyecta con precisión solo los 2k tokens de contexto relevantes. Resultado: Continuidad de memoria infinita entre sesiones por unos centavos.

🚀 Por qué es imprescindible

Stack sin tonterías: Binario único de Go. SQLite (FTS5) en Go puro integrado. Cero dependencias en tiempo de ejecución. Sin Docker. Sin Python. Sin Node.
Nativo de MCP: Diseñado específicamente para el Protocolo de Contexto de Modelo. Se conecta directamente a tus agentes favoritos.
Piloto automático de 1 clic: Configura instantáneamente hooks, .cursorrules y configuraciones de MCP para Claude Code, Cursor y Kiro.
Ciclo de vida inteligente: Desduplicación de 3 niveles integrada, decaimiento de relevancia y recolección de basura. Solo recuerda lo que realmente importa.
Búsqueda híbrida: Búsqueda rápida de palabras clave FTS5 local + búsqueda vectorial semántica opcional (Ollama/OpenAI) usando Reciprocal Rank Fusion (RRF).

⚡ Inicio rápido

Empieza a funcionar en 30 segundos:

# 1. Install via curl (macOS/Linux)
curl -fsSL https://raw.githubusercontent.com/mnemos-dev/mnemos/main/install.sh | bash

# Or via Homebrew (macOS)
brew install s60yucca/tap/mnemos

# 2. First-time setup
mnemos init

# 3. Start the MCP server (runs in background/stdio)
mnemos serve

🔌 Integraciones de piloto automático de 1 clic

Mnemos no es solo una base de datos tonta. Inyecta memoria activamente en tu flujo de trabajo. Ejecuta uno de estos para conectarlo al instante:

# For Kiro (Fully Tested & Highly Recommended)
mnemos setup kiro

# For Cursor (Experimental - Community Testing)
mnemos setup cursor

# For Claude Code (Experimental - Community Testing)
mnemos setup claude

Boom. Tu agente ahora recuerda todo automáticamente. De ahora en adelante:

Inicio de sesión: Mnemos carga el contexto relevante.
Durante el trabajo: Mnemos busca en la memoria cuando cambia el tema.
Fin de sesión: Mnemos almacena de forma segura los aprendizajes duraderos.

(Usa --global para instalar en todos los proyectos, o --force para sobrescribir archivos de configuración existentes)..

🆚 ¿Por qué Mnemos?

Característica	claude-mem	engram	neural-memory	mnemos 🧠
Nativo MCP	✅	✅	✅	✅
Stack sin tonterías	❌	✅	❌ (pip)	✅ (Binario único Go)
Configuración piloto automático 1 clic	❌	❌	❌	✅
Búsqueda híbrida (FTS + Vector)	❌	❌	❌	✅
Decaimiento de memoria / GC	❌	❌	✅	✅
Desduplicación inteligente	❌	❌	❌	✅ (3 niveles)
Contexto con presupuesto de tokens	❌	parcial	❌	✅
Funciona con Cursor y Windsurf	❌	✅	✅	✅

🛠️ Maestría en CLI

Mnemos viene con una potente CLI para cuando quieras ensuciarte las manos:

mnemos store "JWT uses RS256, tokens expire in 1h"    # store a memory manually
mnemos search "authentication"                        # hybrid search
mnemos search "auth" --mode text                      # text-only search
mnemos list --project myapp                           # list memories
mnemos get <id>                                       # fetch by id
mnemos update <id> --content "updated text"           # update
mnemos delete <id>                                    # soft delete
mnemos delete <id> --hard                             # permanent delete
mnemos relate <src-id> <tgt-id> --type depends_on     # create relation
mnemos stats --project myapp                          # storage stats
mnemos maintain                                       # force decay + GC

⚙️ Configuración avanzada y embeddings

Mnemos funciona completamente offline sin configuración usando la búsqueda de texto FTS5. Si deseas Búsqueda Semántica (encontrar memorias por significado, no solo por palabras clave), puedes conectar fácilmente Ollama u OpenAI.

Edita ~/.mnemos/config.yaml:

Local y gratuito (Ollama):

embeddings:
  provider: ollama
  base_url: http://localhost:11434
  model: nomic-embed-text
  dims: 768

OpenAI:

embeddings:
  provider: openai
  model: text-embedding-3-small
  dims: 1536
  api_key: sk-...

⚡ Rendimiento

Evaluado en macOS (Apple Silicon), modo SQLite WAL, inicio de proceso en frío por operación:

store (nuevo): 24-57 ms (incluye verificación de desduplicación)
search híbrida (RRF): ~40 ms
Ensamblaje de contexto (empaquetado de presupuesto de tokens): < 1 ms
Tamaño del binario: ~12 MB
Dependencias en tiempo de ejecución: 0

🌐 API REST

¿Necesitas conectar Mnemos a otra cosa? Ejecútalo como una API REST:

mnemos serve --rest --port 8080

(Admite GET, POST, PATCH, DELETE estándar en /memories, /search, /stats, etc.)

🏗️ Construir desde el código fuente

git clone https://github.com/mnemos-dev/mnemos
cd mnemos
make build    # → bin/mnemos

📜 Licencia

MIT

mnemos