Context-M — El tejido de memoria neuro-simbólico universal

Mem0 le da a tu agente un cuaderno. Context-M le da a tu agente un cerebro.

Un sustrato de memoria para agentes de IA que combina un Trace simbólico bi-temporal (hipocampo) con un Palacio de Memoria VSA (neocórtex), unidos por un puente determinista μ=0 — cero llamadas a LLM en la ingesta, procedencia criptográfica en cada recuperación, despliegue edge-first a 96 bytes por memoria.

pip install cortexm          # works offline, no API keys, single command

from cortexm import Memory   # Mem0-compatible surface

m = Memory()
m.add("I work at Google", user_id="alice")
m.search("Where does Alice work?", user_id="alice")
# → [Memory — Known facts]
#   - (Alice, works_at, Google) [valid 2026-08-27→∞; learned …; conf 0.92;
#      id 3f2a91c2; src #a1b2c3d4; "I work at Google"]

Resultados de benchmark — memoria de largo horizonte estilo BEAM

Conversaciones sintéticas de múltiples sesiones (metodología BEAM, arXiv:2510.27246), 10 habilidades de memoria, juez determinista de nuggets, ingesta μ=0 asegurada (cero llamadas a LLM incluyendo al juez). Media ± desviación estándar en cinco semillas de generador (42 / 44 / 45 / 46 / 47 — las dos últimas nunca inspeccionadas durante el desarrollo), totalmente reproducible sin conexión:

Puntuaciones por semilla en 10M: 100.0% / 100.0% / 100.0% / 100.0% / 100.0% — todas las diez habilidades al 100.0% en el bucket de 10M. Contexto: el plan apuntaba a 70%+ en BEAM-10M; el SOTA de agosto de 2026 que cita es Exabase M-1 con 68.0% (ingesta con LLM en el bucle). Cada sonda se responde desde una cadena de procedencia verificada por hash, a un costo de $0 de LLM.

Hechos de ingeniería medidos en paralelo (ver docs/BENCHMARKS.md):

• Ingesta: 10M tokens en ~98 s (~102K tokens/s), ~2,000 mensajes/s, 0 llamadas a LLM

• La memoria crece sublinealmente: 10M tokens → ~590 hechos (el ruido repetido se deduplica)

• Procedencia: 100% de los hechos recuperados verificados por hash; latencia de auditoría ~6 ms

• Recuperación: índice de árbol p50 ≈ 0.4–1.1 ms en 10K–100K vectores (plano: 16–194 ms)

• Reproducible: las ejecuciones son independientes del proceso — los empates de puntuación se rompen por contenido del hecho, nunca por ids aleatorios (verificado en cuatro valores de PYTHONHASHSEED)

Related MCP server: Semantic Memory MCP

La arquitectura

┌──────────────────────────────────────────────────────────────────┐
│                      THE BRIDGE (μ = 0)                          │
│  write: text → chunks → BLAKE3 → patterns → triples → holograms  │
│  read:  query → intent plan → VSA probe ∥ symbolic query →       │
│         fusion → [Memory — Known facts] + provenance chain       │
└──────────────┬───────────────────────────────────┬───────────────┘
               │                                   │
┌──────────────▼──────────────────┐ ┌──────────────▼───────────────┐
│  LAYER 1: SYMBOLIC TRACE        │ │  LAYER 2: VSA MEMORY PALACE  │
│  (hippocampus)                  │ │  (neocortex)                 │
│  bi-temporal facts (SQLite)     │ │  HRR holograms, role-bound   │
│  CONTRADICTS / PRECEDED_BY /    │ │  INT8 · Binary · RaBitQ · PQ │
│  EXTRACTED_FROM edges           │ │  codecs (770/96/96/8 B each) │
│  Datalog-lite rules engine      │ │  page-clustered tree index   │
│  interference-aware lifecycle   │ │  64-entry semantic L1 (SLB)  │
│  Memory Git: hash-chained DAG   │ │  TMR self-healing + re-encode│
└─────────────────────────────────┘ └──────────────────────────────┘

Capa 1 — Trace simbólico. Tripletas Sujeto-Relación-Valor con tiempo válido y tiempo de transacción (cuándo era verdad vs cuándo lo aprendimos), resolución de contradicciones mediante mantenimiento de verdad (los nuevos valores reemplazan, los antiguos se retiran con sus ventanas intactas), aristas temporales, un motor de encadenamiento hacia adelante estilo Datalog-lite (manages(Y,X) → reports_to(X,Y), member_of(X,T) ∧ uses(T,L) → team_uses(X,L)), y un ciclo de vida consciente de interferencias: los hechos se evalúan por cómo interactúan con la memoria existente antes del compromiso.

Capa 2 — Palacio de Memoria VSA. Cada hecho se convierte en una representación reducida holográfica: rellenos de sujeto/relación/valor ligados a roles más una superposición léxica ponderada por λ, cuantizada a tu nivel de almacenamiento. El enlace por permutación es el álgebra predeterminada porque se mapea directamente al hardware HDC binario (XOR/permutación) — cuando lleguen los ASIC de borde, el mismo código compila hacia abajo.

El Puente. Ingesta μ=0: un extractor determinista de 60 patrones (primera/tercera/segunda persona, resolución de pronombres, fechas relativas, retractaciones) — sin LLM en ninguna parte del camino de escritura. El camino de lectura es un planificador de consultas determinista (ventanas temporales, pruebas de orden, conteo, cadenas de supersesión, difusión de grafo Personalized PageRank para múltiples saltos — linaje HippoRAG 2) fusionado con recuperación VSA, y cada hecho devuelto lleva su cadena de auditoría completa: consulta → coincidencia VSA → desreferencia simbólica → hash BLAKE3 → texto fuente original.

Las cinco características que definen la categoría

Niveles de almacenamiento (cortexm-compress)

Calidad de codec medida (20K hologramas de hechos): int8 overlap@10 vs FP32 = 0.90; binary/rabitq/PQ recuperan el top-10 de FP32 dentro de su top-50 en 1.00/1.00/0.9995 — codecs de lista corta, exactamente como se diseñó. Ver docs/COMPRESSION.md.

Seguridad (defensa InjecMEM + MINJA)

Cada hecho lleva un hash BLAKE3 de su texto fuente, re-verificado en la recuperación. Los patrones de inyección de memoria ("ignora todas las instrucciones anteriores…") se ponen en cuarentena en la ingesta — almacenados para auditoría, nunca activos, nunca recuperados en el contexto del prompt. Además, el guardia de contagio MINJA trata el texto en cuarentena como un corpus contaminado: cualquier ingesta posterior que lo cite o se superponga sustancialmente (incluso cuando ediciones ligeras derrotan a todos los regex) también se pone en cuarentena — cerrando el bucle de inyección solo por consulta donde un atacante envenena la memoria a través del propio write-back del agente. Los ámbitos (usuario/agente/ejecución) aíslan los hechos y la caché de recuperación por igual; verify_integrity() audita todo el almacén.

Controles empresariales (incluidos, no en la hoja de ruta)

Los controles en los que la revisión de seguridad de un comprador realmente se detiene — todos en el repositorio, todos bajo prueba (tests/test_enterprise.py):

cortexm serve-rest --db /data/memory.db --pii redact --admin-key yes

Ver docs/ENTERPRISE.md (matriz de control + mapeo de cumplimiento) y docs/DEPLOYMENT.md (runbooks de SDK / MCP / REST / Docker / K8s / Helm).

Servidor MCP (Día 1)

cortexm serve        # stdio JSON-RPC, zero dependencies

Herramientas: contextm_add, contextm_search, contextm_get_all, contextm_history, contextm_temporal, contextm_audit, contextm_prove, contextm_stats, contextm_delete. Funciona con Claude Code / Cursor / cualquier cliente MCP. Plugin de Claude Code: plugins/context-m-claude.

Migración

cortexm migrate --from mem0 --path mem0.db
cortexm migrate --from zep --path zep_export.jsonl
cortexm migrate --from chroma --path chroma.sqlite3

Más

• docs/ARCHITECTURE.md — cada capa en detalle

• docs/BENCHMARKS.md — resultados completos, metodología, tablas por habilidad

• docs/ENTERPRISE.md — matriz de control empresarial + mapeo de cumplimiento

• docs/DEPLOYMENT.md — runbooks de SDK / MCP / REST / Docker / K8s / Helm

• docs/RESEARCH.md — linaje de literatura: cada artículo que adoptamos, con el que nos alineamos, o que rechazamos (con razones)

• docs/SECURITY.md — defensas InjecMEM + MINJA, modelo de procedencia

• docs/COMPRESSION.md — la pila de niveles y las compensaciones medidas

• docs/ROADMAP.md — estado de fases vs el plan estratégico

• examples/ — 10 scripts ejecutables, sin conexión, sin claves API

• tests/ — 63 pruebas: fabric + enterprise + PPR + concurrencia

Licencia

Apache 2.0 — open core bien hecho: el tejido de memoria es y permanece abierto; la sincronización federada y la UI de auditoría son el nivel empresarial.