Original en inglés: https://argusic.com/subject/memlayer
memlayer
Memoria plug-and-play para LLMs en 3 líneas de código. Añade memoria persistente, inteligente y similar a la humana, y capacidad de recordar, a cualquier modelo en minutos.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 5e95f44061a8
Python, licencia MIT. El proyecto se describe a sí mismo como: agent, ai, ai infrastructure, context management, developer tools, embedded, graph database y knowledge graph.
memlayer funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 5 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
memlayer 0.1.8 installs from source in a venv, all 58+ symbols import cleanly, core storage (ChromaDB + NetworkX) and search (SearchService) work end-to-end, entity deduplication merges 'Dr. Watson' into 'Dr. Emma Watson', SalienceGate correctly classifies salient vs. non-salient text in both LOCAL and LIGHTWEIGHT modes, and the Memory client initializes/shuts down gracefully.
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 92 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.
- pytest crashed on collection: test scripts with module-level `exit(0)` or side-effect code raised SystemExit3 minutos
- ImportError: cannot import name 'OpenAIWrapper' from 'memlayer.wrappers.openai' — classes in wrapper files were named `OpenAI`, `Claude`, `Gemini`, `Ollama` but `client.py` and `wrappers/__init__.py` expected `OpenAIWrapper`, `ClaudeWrapper`, etc.2 minutos
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 16 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- /home/runner/venv/bin/python ran a comprehensive 7-part integration test covering imports, NetworkX CRUD + entity dedup, ChromaDB read/write/search, SalienceGate in LOCAL + LIGHTWEIGHT modes, LocalEmbeddingModel inference, Memory client lifecycle, and SearchService hybrid vector+graph search. Pytest collected 4 test items (test_streaming.py), all skipped due to missing OPENAI_API_KEY.
- Tokens de modelo usados
- 114.353
- Commit exacto probado
- 5e95f44061a8
- 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
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
from memlayer.embedding_models import LocalEmbeddingModel, ArgusicEmbeddingModel, BaseEmbeddingModel
from memlayer.services import SearchService, ConsolidationService, CurationService, SchedulerService
from memlayer.config import set_debug_mode, is_debug_mode
from memlayer.observability import Trace
print('ALL 58+ symbols import cleanly')
\" 2>&1" in /work/repo
succeeded in 11605ms:
ALL 58+ symbols import cleanly
Now I have all the evidence. Here is the final report:
tokens used
114,353
Now I have all the evidence. Here is the final report: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
- Se instaló en 5 minutos, más rápido que la mediana de los 134 proyectos comparables que ha medido Argusic.
- Se recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 135 proyectos de agent que Argusic ha instalado y cronometrado, memlayer fue el 48.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,16 |
Temas (de GitHub)
agentaiai-infrastructurecontext-managementdeveloper-toolsembeddedgraph-databaseknowledge-graphllmllm-memorymemoryopenaipersistent-memorypythonragretrievalretrieval-augmented-generationsemantic-searchtransformervector-database
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/memlayer)Preguntas
- ¿Funciona memlayer?
- memlayer funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic memlayer?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 5e95f44061a8. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar memlayer?
- La ejecución que produjo este veredicto costó 0,16 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 memlayer en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita memlayer una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar memlayer?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara memlayer con las alternativas?
- De los 135 proyectos de agent que Argusic ha instalado y cronometrado, memlayer fue el 48.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
- ¿Dónde está la evidencia de memlayer?
- La ejecución registrada está 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.