memo
Memo es un asistente de IA local-first construido con Go y Flutter que recuerda todo en su propio dispositivo sin depender de la nube.
Ficha actualizada 22 sept 2026, 19:52 · upstream 22 sept 2026, 19:33 · release v4.5.0
Qué es memo
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Memo es un asistente de IA que se diferencia de otros porque no olvida nada cuando cierras la pestaña. Se ejecuta en tu propio equipo, recuerda conversaciones durante semanas sin necesidad de conexión a internet, aprende tus ritmos y te anticipa antes de que lo pidas. No requiere API key, ni suscripción mensual, ni telemetría. Tu mente permanece tuya.
- Recordar proyectos y tareas desde conversaciones anteriores
- Ejecutar comandos en la terminal sin abrir una ventana separada
- Responder mensajes de WhatsApp o Telegram directamente desde el asistente
- Crear eventos en tu calendario automáticamente según patrones detectados
- Procesar archivos (PDF, código) y generar resultados con un solo clic
- Comunicarte con otros asistentes de IA sin necesidad de conexión a internet
- Memoria RAG local en SQLite que recuerda conversaciones durante semanas sin perder contexto
- Motor de agente con 27 herramientas integradas: edición de archivos, ejecución de comandos web y shell
- Integración profunda con WhatsApp y Telegram mediante QR sin tarifas de Business API
- Motor de aprendizaje proactivo que detecta patrones de actividad y te anticipa acciones
- Model Store con etiquetas de hardware (GPU/CPU) para elegir el modelo adecuado a tu equipo
- Funciona únicamente en entornos locales; no se puede acceder desde internet sin un servidor local
- La memoria RAG tiene límites de longitud y capacidad según la configuración del vector DB
- El aprendizaje proactivo requiere tiempo para detectar patrones consistentes
- No existe una interfaz gráfica nativa (solo CLI o Flutter)
- Las herramientas ejecutables están limitadas a un sandbox con validación de rutas
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar, se recomienda usar Docker con el contenedor Go del proyecto. Se puede ejecutar directamente desde la terminal con 'go run .'. Para producción, se sugiere un servidor local (como Home Assistant) que actúe como proxy entre el dispositivo y la API de llama.cpp. No requiere configuración compleja: solo se necesita una GPU o CPU con 4 núcleos y 8GB de RAM.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.