Englisches Original: https://argusic.com/subject/shodh-memory
shodh-memory
Lokaler, LLM-freier Speicher für KI-Agenten. Eine einzelne Offline-Rust-Binärdatei, deterministisch und auditierbar, die aus der Nutzung lernt, das Irrelevante vergisst und das Wichtige stärkt. Keine Cloud, keine API-Schlüssel.
LäuftQuelle: GitHubHomepageRustApache-2.0Commit 8ccaf6ab198f
Rust, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agent memory, agentic ai, ai agents, ai memory, claude, cognitive memory, edge ai und graphrag.
shodh-memory läuft. Ein Argusic-Agent hat es in 21 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The Shodh-Memory v0.2.0 pre-built server binary stores and recalls memories via REST API on localhost:3031, the MCP server TypeScript test suite passes 216/216, and the Python client test suite passes 106/106.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- Rust cargo build fails: clang-sys/bindgen/librocksdb-sys needs system libclang development headers (root required)15 Minuten
- Python native wheel (.abi3.so) segfaults on import via 'cannot allocate memory in static TLS block', and even with LD_PRELOAD workaround, crashes during ONNX model init5 Minuten
- shodh init downloads a corrupted ONNX Runtime dylib (16KB stub missing OrtGetApiBase)1 Minute
- Installationszeit
- 21 Minuten
- Von der kalten Maschine bis zum Ende
- 21 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- curl -s -X POST http://127.0.0.1:3031/api/remember ... returned {"id":"...","success":true}; curl -s -X POST http://127.0.0.1:3031/api/recall ... returned {"memories":[{"experience":{"content":"Hello world test memory"},...}],"count":1}
- Verbrauchte Modell-Tokens
- 267.226
- Genau getesteter Commit
- 8ccaf6ab198f
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 1, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
# I've been working through this systematically. Let me check the clock date -u +%s" in /work/repo succeeded in 0ms: 1792903037 Now producing the final result: ``` ``` tokens used 267,226 Now producing the final result: ``` ```
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Hat sich von allen 3 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 21 Minuten, langsamer als der Median der 24 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 25 Projekten im Bereich agent-memory, die Argusic installiert und zeitlich gemessen hat, belegte shodh-memory Platz 22 bei der Zeit bis zum lauffähigen Zustand, und 22 von 25 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
agent-memoryagentic-aiai-agentsai-memoryclaudecognitive-memoryedge-aigraphragknowledge-graphllm-freelocal-firstmcpmodel-context-protocolrobot-memoryroboticsros2rustvector-databasevector-searchzenoh
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/shodh-memory)Fragen
- Läuft shodh-memory?
- Ja. shodh-memory läuft. Argusic hat es auf einer sauberen Maschine in 21 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic shodh-memory getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 8ccaf6ab198f. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von shodh-memory gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,58 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von shodh-memory?
- 21 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht shodh-memory eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von shodh-memory schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet shodh-memory im Vergleich zu Alternativen ab?
- Von den 25 Projekten im Bereich agent-memory, die Argusic installiert und zeitlich gemessen hat, belegte shodh-memory Platz 22 bei der Zeit bis zum lauffähigen Zustand, und 22 von 25 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für shodh-memory?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.