Original en inglés: https://argusic.com/subject/ai-memory
ai-memory
Solución de memoria a largo plazo para CLIs de coding agents y para facilitar el traspaso entre diferentes proveedores de agents.
Funcionafuente: GitHubRustMITcommit 49147a5d1736
Rust, licencia MIT.
ai-memory funciona. Un agent de Argusic lo instaló en 60 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
ai-memory 2.4.1 builds from source as a single 38 MB binary, passes all 3457 crate tests (0 failures), starts an MCP+HTTP server on port 49374 that applies all DB migrations, serves the wiki web UI at /web with HTTP 200, and downloads a local embedding model automatically.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Lock contention from concurrent cargo build processes (LTO/test builds)5 minutos
- MCP test binary (101 MB LTO build) required >120s, got killed by timeout2 minutos
- Rust 1.95 toolchain not pre-installed in container1 minuto
- cargo t alias requires cargo-nextest but cargo-nextest was not installed1 minuto
- Tiempo de instalación
- 60 minutos
- De máquina en frío a terminar
- 85 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- cargo test -p <each-crate> and target/debug/deps/<test-binary> for all 10 crate test suites: 3457 passed, 0 failed; curl -s -o /dev/null -w '%{http_code}' http://127.0.0.1:49374/web/ returned 200; curl -X POST http://127.0.0.1:49374/mcp returned 405; binary --version returned 'ai-memory 2.4.1'
- Tokens de modelo usados
- 321.371
- Commit exacto probado
- 49147a5d1736
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
| ai-memory-consolidate | 319 | 315 passed, 4 ignored | | ai-memory-web | 114 | 114 passed | | ai-memory-mcp | 469 | 468 passed, 1 ignored | | ai-memory-workstream | 96 | 96 passed | | ai-memory-cli | 972 | 971 passed, 1 ignored | **Total: 3457 tests, 0 failures, 10 ignored** **Server launch:** `ai-memory serve --transport http --enable-web` started successfully, applied al… **Obstacles:** - Rust 1.95 toolchain not pre-installed; rustup fixed it (~1 min) - Background build processes caused cargo lock contention; fixed by killing orphans and running seq… - `cargo t` alias needs `cargo-nextest` but the project works fine with `cargo test`; used test bin… - MCP test binary (101M, LTO) took ~65s and timed out at 120s initially
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 60 minutos en instalarse, más lento que la mediana de los 16 proyectos comparables que ha medido Argusic.
De los 17 proyectos de Rust que Argusic ha instalado y cronometrado, ai-memory fue el 17.º más rápido en llegar a funcionar, y 15 de 17 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Se quedó sin tiempo | 0,00 | 0,76 | |
| Argusic Runner | 1/3 | Funciona | 100,00 | 0,53 |
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ai-memory)Preguntas
- ¿Funciona ai-memory?
- Sí. ai-memory funciona. Argusic lo instaló y lo inició en una máquina limpia en 60 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ai-memory?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 49147a5d1736. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ai-memory?
- La ejecución que produjo este veredicto costó 0,53 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ai-memory en instalarse?
- 60 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ai-memory una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ai-memory?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara ai-memory con las alternativas?
- De los 17 proyectos de Rust que Argusic ha instalado y cronometrado, ai-memory fue el 17.º más rápido en llegar a funcionar, y 15 de 17 llegaron a funcionar.
- ¿Dónde está la evidencia de ai-memory?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.