engrim lança memória episódica local-first em SQLite para agentes de IA
O engrim propõe uma “memória episódica” local-first baseada em SQLite para CLIs e agentes de IA, mantendo decisões, restrições e estado do projeto ao alternar entre modelos e ambientes no mesmo repositório. A proposta é evitar a perda de contexto causada por janelas de contexto maiores e pelo custo que cresce a cada turno, substituindo isso por uma memória curada de trabalho.
O engrim combina busca full-text com SQLite FTS5 e embeddings vetoriais (model2vec) em um motor híbrido de recuperação, com suporte a ambientes como Google Antigravity, Claude Code, Cursor MCP e Codex CLI via MCP tools. O projeto também descreve instalação e configuração automática (por exemplo, com engrim setup e engrim setup --all) e testes citados com 105 sessões contínuas e migração não destrutiva de dados ao adicionar campos como origin_agent.
Hacker News
O texto acima é um resumo reescrito. A apuração, o texto integral e os créditos são da fonte — abra o original para ler na íntegra.
Ler matéria original ↗Resumo gerado por IA a partir da matéria original e revisto pelo método descrito em como funciona a curadoria. Em caso de divergência, vale o texto da fonte. Achou um erro? Fale com a gente.