Hipocampus - Sistema de memória persistente para agentes de IA (infraestrutura zero)

Agentes de IA como Claude Code e OpenClaw esquecem todas as memórias no momento em que a sessão termina. É bem frustrante quando, duas semanas atrás, vocês definiram juntos uma estratégia de migração de banco de dados, e na sessão seguinte ele fica pesquisando tudo de novo desde o começo.

Claro, existem várias soluções para isso, mas as limitações são bem claras:

• Tentar se virar com um único MEMORY.md: em uma semana ele já fica lotado, e você precisa decidir o que apagar. O que foi apagado some para sempre
• Busca com RAG: encontra o que precisa, mas não consegue determinar, em primeiro lugar, "eu já sabia disso?"
• Jogar tudo em um contexto de 1M: até funciona, mas a atenção fica difusa e o custo de tokens explode

O Hipocampus resolve isso com memória em 3 camadas (hot/warm/cold) combinada com uma árvore de compactação de 5 níveis. Ele comprime todo o histórico acumulado de conversas/trabalho em um índice ROOT.md de cerca de 100 linhas, de modo que, a cada chamada, basta adicionar apenas ~3K tokens para que o agente entenda imediatamente "o que eu sei e o que eu não sei".

• Instalação concluída com uma única linha: npx hipocampus init
• Zero dependências externas + nenhuma infraestrutura como servidores é necessária
• Pode ser usado imediatamente com Claude Code e OpenClaw
• Busca híbrida baseada em qmd BM25 + vetores (opcional)
• A gravação de memória é processada por um subagente, mantendo limpo o contexto da sessão principal.
• Licença MIT

Criei isso porque achava um desperdício de tempo e tokens o agente perguntar sempre as mesmas coisas e refazer a pesquisa do zero toda vez, mas acabou funcionando melhor do que eu esperava, então publiquei como open source.

[gykim]

Legal. Eu costumo deixar um registro de todo o histórico de trabalho por data e depois fazer grep nele, mas acho que vou testar isso.