remembra
Capa de memoria persistente para aplicaciones de IA con resolución de entidades, decaimiento temporal y recuperación consciente de grafos. Auto-despliegue en minutos sin vendor lock-in. Soporte multi-tenant, 11 herramientas MCP y 6 proveedores de embeddings intercambiables.
Ficha actualizada 25 sept 2026, 15:28 · upstream 25 sept 2026, 15:06 · release v0.13.2
Qué es remembra
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Remembra es una capa de memoria persistente diseñada específicamente para aplicaciones de IA que requieren retención de contexto entre sesiones. A diferencia de soluciones básicas como LangChain Memory, ofrece persistencia real con resolución de entidades (Adam/Mr. Smith → misma persona), relaciones bi-temporales y detección de conflictos automática.
La arquitectura se basa en Qdrant para vectores y SQLite para metadata/grafos, con FastAPI/Python/Node.js. Incluye sistema de verificación contra fuentes (receipts on every fact) que marca hechos no superpuestos como verified: false, reduciendo alucinaciones. El embedding cache ofrece ~8× más rápido en recalls repetidos.
Soporta 6+ agentes (Claude Desktop, Cursor, Gemini) vía MCP con 11 herramientas. Dashboard v2 incluye 2FA, audit logs y entity browser. Licencia MIT, despliegue self-hosted con Qdrant + Ollama local.
- Chatbots que recuerdan usuarios entre sesiones sin perder contexto
- Agentes que recuperan decisiones de días anteriores para consistencia
- Integración MCP con Claude Code/Cursor/VS Code para memoria persistente
- Multi-tenant para equipos con 2FA, audit logs y entity browser
- Self-hosting sin vendor lock-in con Qdrant + SQLite local
- Extracción automática de hechos con verificación contra fuentes originales
- Verbatim source records: texto original preservado como registro inmutable, nunca LLM-merged ni reescrito
- Receipts on every fact: cada hecho derivado tiene metadata.source_id apuntando a su fuente original
- Hallucination flagging: hechos verificados contra fuentes con flagged verified: false en lugar de confiar silenciosamente
- Fast writes opt-in: REMEMBRA_ASYNC_ENRICHMENT=true almacena instantáneamente y ejecuta extracción en background
- Production reliability: request IDs, honest 429/502 upstream error mapping, embedding cache ~8× más rápido
- Brain layer v0.15+: GraphRAG-style community detection sobre grafo de entidades con visualización 2D/3D
- Adversarial detection no implementada aún según benchmark LoCoMo (ACL 2024)
- Benchmarks solo evaluados con LLM judge (GPT-4o-mini), sin adversarial testing completo
- Requiere Qdrant + Ollama para despliegue local básico, añade dependencias externas
- Dashboard v2 requiere configuración adicional para 2FA y audit logs en producción
- Benchmarks de 100% accuracy pueden no reflejar rendimiento en datos adversarios reales
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue rápido: docker compose -f docker-compose.quickstart.yml up -d o curl quickstart.sh | bash. Configurar REMEMBRA_ASYNC_ENRICHMENT=true para writes rápidos. Verificar con remembra-doctor all antes de producción. Habilitar litestream backups para persistencia. Dashboard v2 requiere 2FA para equipos. Ports: 8787 (API), 6333/6334 (MCP). Requiere Qdrant + SQLite locales.
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.