Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

agent-memory-service

API de memoria auto-alojada para agentes IA. Combina BM25 y embeddings densos con SQLite. Incluye fallbacks a Ollama/DashScope y soporte nativo para despliegues en Docker o Render.

Ficha actualizada 24 sept 2026, 18:09 · upstream 24 sept 2026, 18:06 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es agent-memory-service

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Este servicio proporciona una API de memoria híbrida para agentes de IA, fusionando recuperación BM25 con embeddings densos mediante RRF ponderado. La arquitectura permite expansión de adyacencia y reranking temporal para mejorar la relevancia contextual en consultas complejas.

Utiliza SQLite en modo WAL para persistencia sin dependencias externas, garantizando integridad de datos tras cada escritura sincrónica. Implementa cadenas de fallback robustas que priorizan DashScope, pero caen a Ollama o BM25 puro si el servicio denso es inaccesible.

La seguridad se refuerza con autenticación por clave compartida y limitación de tasa por cliente, honrando X-Forwarded-For detrás de proxies. No genera claves por defecto en entornos gestionados para evitar exposición accidental.

CASOS DE USO
  • RAG para agentes autónomos
  • Almacenamiento persistente de historial de sesiones
  • Recuperación de contexto temporal con reranking
  • Servicio backend para evaluaciones de LLM
PUNTOS DESTACADOS
  • Retrieval híbrido BM25 + Embedding
  • Persistencia en SQLite WAL mode
  • Fallback automático a Ollama/BM25
  • Soporte Render Blueprint
  • Autenticación estricta sin claves por defecto
PRECAUCIONES
  • Instancias gratuitas pierden datos al suspenderse (SQLite)
  • Reranking temporal requiere leg denso activo
  • Almacenamiento único en un solo archivo SQLite
  • Keep-alive externo necesario para free tier
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADlownivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker detectado

Construye con Docker o usa Render Blueprint (render.yaml). Configura AML_API_KEY o AML_MEMORY_KEY; sin secret en port asignado, falla al iniciar. Para free tier, activa keep-alive externo apuntando a /health. No usar /robots.txt para ping. Variables críticas: AML_DB_PATH, AML_EMBED_MODEL.

✓Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Python
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
114348000
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.