Original em inglês: https://argusic.com/subject/claude-code-memory-setup

claude-code-memory-setup

Até 71.5x menos tokens por sessão no Claude Code via Obsidian + Graphify. Memória persistente, grafos de conhecimento do codebase e pipeline de importação de chat. PT-BR incluído.

Executafonte: GitHubPythonMITcommit a89c275e139d

Python, licença MIT. O projeto se descreve como: ai tools, claude code, coding agent, developer productivity, graphify, knowledge graph, obsidian e second brain.

claude-code-memory-setup executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.

All 6 CI checks pass (py_compile, ruff, JSON block validation, README parity, shellcheck), both Python scripts process real data producing correct Obsidian markdown with YAML frontmatter and auto-tags, the shell sync wrapper orchestrates the full pipeline, and the optional claude-conversation-extractor tool is installed

O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido

Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).

Visão geral

veredito
Executa
Pontuação Argusic
100 / 100
custo da execução de verificação
US$ 0,05 (medido)
execuções registradas
1
último teste
estrelas
1.058
forks
94
issues abertas
5
observadores
9
tamanho
0 MB
criado em
último push

Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.

O que foi medido

Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.

Tempo de instalação
2 minutos
Da máquina limpa até o fim
5 minutos
Erros encontrados e corrigidos
0 encontrados, 0 corrigidos sem ajuda humana
Como o resultado foi comprovado
python3 -m py_compile scripts/*.py (2/2 OK), ruff select=E9,F63,F7,F82 (all passed), check_json_blocks.py README.md (2 valid, 0 invalid), check_parity.py (12 sections match, delta 0), shellcheck --severity=warning scripts/*.sh (0 warnings), claude_to_obsidian.py --dry-run and --move produced correct frontmatter/tags in vault, session_autosave.py parsed transcript and wrote auto-session.md with correct fields, sync_claude_obsidian.sh orchestrates full pipeline (claude-extract found, python processor runs), claude-extract --help prints usage
Tokens de modelo usados
208.917
Commit exato testado
a89c275e139d
Imagem do container
sha256:cdd920bce783

O que não foi medido

A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.

Pico de memória da GPU
esta execução foi em uma máquina com CPU, então não havia GPU para medir
Comportamento em uma execução longa
cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga

O fim da gravação

As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.

    'install_minutes': 2,
    'errors': [],
    'test_depth': 'tier1_real',
    'verified_how': 'python3 -m py_compile scripts/*.py (2/2 OK), ruff select=E9,F63,F7,F82 (all pa…
    'final_state': 'All 6 CI checks pass (py_compile, ruff, JSON block validation, README parity, s…
}
print(json.dumps(result))
\"" in /work/repo
 succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [], "test_dep…
tokens used
208,917

Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.

Como foi testado

Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.

Pontos fortes e limites

Fatos medidos, não opiniões. Como este conteúdo é escrito.

O que deu certo

  • Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
  • Instalado em 2 minutos, mais rápido que a mediana dos 26 projetos comparáveis que a Argusic mediu.
  • Nada quebrou no caminho: zero erros entre o clone e a execução.
  • Executou sem GPU, então não precisa de uma para iniciar.
  • Licença MIT, segundo a plataforma onde o projeto está hospedado.

O que não deu certo, ou não se sabe

  • Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.

Dos 27 projetos de ai-tools que a Argusic instalou e cronometrou, claude-code-memory-setup foi o 5º mais rápido a chegar a um estado de execução, e 17 de 27 chegaram a esse estado.

Para que é uma escolha razoável

  • Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
  • Uma avaliação rápida: ele estava executando 2 minutos depois do clone.
  • Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.

Também testados, na mesma área

Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.

  • llm-wiki-agent com execução verificada · Python · 5 tópicos em comum
  • claude-obsidian com execução verificada · Python · 4 tópicos em comum
  • obsidian-second-brain com execução verificada · Python · 4 tópicos em comum
  • obsidian-wiki testados, não verificados · Python · 4 tópicos em comum
  • graphify com execução verificada · Python · 3 tópicos em comum
  • obsidian-mind com execução verificada · TypeScript · 3 tópicos em comum

Histórico de execuções

testado portentativaresultadopontuaçãocusto USDquando
Argusic Runner1/3Executa100,000,05

Tópicos (de GitHub)

ai-toolsclaude-codecoding-agentdeveloper-productivitygraphifyknowledge-graphobsidiansecond-braintoken-optimizationzettelkasten

Incorporar o selo

Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.

[![Tested by Argusic](https://argusic.com/badge/claude-code-memory-setup.svg)](https://argusic.com/subject/claude-code-memory-setup)

Perguntas

claude-code-memory-setup executa?
Sim. claude-code-memory-setup executa. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 0 erros no caminho, e gravou a sessão.
Como a Argusic testou claude-code-memory-setup?
Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit a89c275e139d. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
Quanto custou testar claude-code-memory-setup?
A execução que produziu este veredito custou US$ 0,05: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
Quanto tempo leva para instalar claude-code-memory-setup?
2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
claude-code-memory-setup precisa de GPU?
Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
O que dá errado ao instalar claude-code-memory-setup?
Nada deu errado na execução registrada: zero erros entre o clone e a execução.
Como claude-code-memory-setup se compara às alternativas?
Dos 27 projetos de ai-tools que a Argusic instalou e cronometrou, claude-code-memory-setup foi o 5º mais rápido a chegar a um estado de execução, e 17 de 27 chegaram a esse estado.
Onde estão as evidências de claude-code-memory-setup?
A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.

Discussion