Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

persistent-memory-stack

Persistent Memory Stack es un sistema auto-alojado para agentes IA como Claude y Codex que proporciona memoria persistente entre sesiones. Utiliza búsqueda semántica, grafos de conocimiento visuales y gestión de evidencia documental. Soporta instalación guiada en Windows y macOS con Docker y Ollama.

Ficha actualizada 25 sept 2026, 18:34 · upstream 25 sept 2026, 18:01 · release v1.2.0

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es persistent-memory-stack

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

Persistent Memory Stack es un sistema auto-alojado diseñado para proporcionar memoria persistente a agentes de inteligencia artificial como Claude, Codex y herramientas compatibles con MCP (Model Context Protocol). El sistema permite llevar el contexto de proyectos, decisiones tomadas y lecciones aprendidas a través de múltiples sesiones de chat. Utiliza búsqueda semántica para recuperar información relevante y ofrece una interfaz visual para explorar un grafo de conocimiento que conecta entidades y hechos.

CASOS DE USO
  • Mantener el contexto de decisiones de proyecto y correcciones complejas entre diferentes sesiones de chat con asistentes de codificación.
  • Proporcionar evidencia documental y enlaces a fuentes originales para validar afirmaciones generadas por modelos de lenguaje.
  • Gestionar conocimiento compartido entre múltiples usuarios o agentes mediante conexiones seguras configuradas en el dashboard local.
  • Visualizar relaciones complejas entre entidades y hechos en un grafo de conocimiento interactivo en 2D o 3D.
  • Optimizar recursos computacionales eligiendo entre embeddings locales con Ollama o servicios externos como OpenAI o Voyage.
PUNTOS DESTACADOS
  • Soporte nativo para el protocolo MCP, permitiendo la integración directa con clientes de agentes compatibles como Claude y Codex.
  • Arquitectura basada en contenedores Docker que aísla los servicios y bases de datos del sistema operativo anfitrión.
  • Flexibilidad en el procesamiento de embeddings mediante opciones locales (Ollama) o APIs externas (OpenAI, Voyage).
  • Interfaz de usuario con temas personalizables como Obsidian dark o Porcelain light y visualización de grafos visuales.
  • Mecanismo de actualización explícito que utiliza snapshots para proteger los datos existentes antes de la reconstrucción.
PRECAUCIONES
  • El instalador actual requiere Node.js 24 LTS o versión 22.12+; no soporta versiones mayores como Node 25 o 26.
  • Dependencia obligatoria de Docker Desktop con contenedores Linux para la ejecución de los servicios del stack.
  • Requiere un espacio de disco significativo, con un mínimo de 35 GiB libres antes de la instalación dependiendo del proveedor de embeddings.
  • En entornos Windows con gráficos integrados, puede ser necesario ajustar manualmente la asignación de GPU al navegador para el grafo visual.
  • Las actualizaciones automáticas requieren conexión a internet para verificar las releases publicadas en GitHub.
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

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

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Utilizar el instalador guiado ejecutando npm run install-persistent-memory en macOS o PowerShell en Windows. Asegurar Docker Desktop con contenedores Linux y Node.js 24 LTS. Para sistemas con menos de 16 GiB de RAM, se recomienda usar embeddings vía API (OpenAI/Voyage) en lugar de modelos locales Ollama. En Windows, verificar que el navegador utilice la GPU dedicada para el grafo visual si se usa hardware híbrido.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.js
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
32008091
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.