Original em inglês: https://argusic.com/subject/memlayer
memlayer
Memória plug-and-play para LLMs em 3 linhas de código. Adicione memória e recall persistentes, inteligentes e semelhantes aos humanos a qualquer modelo em minutos.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 5e95f44061a8
Python, licença MIT. O projeto se descreve como: agent, ai, ai infrastructure, context management, developer tools, embedded, graph database e knowledge graph.
memlayer executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 5 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
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 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
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.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 5 minutos
- Da máquina limpa até o fim
- 16 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- /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 exato testado
- 5e95f44061a8
- 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
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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: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
- Instalado em 5 minutos, mais rápido que a mediana dos 134 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 135 projetos de agent que a Argusic instalou e cronometrou, memlayer foi o 48º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
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.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,16 |
Tópicos (de GitHub)
agentaiai-infrastructurecontext-managementdeveloper-toolsembeddedgraph-databaseknowledge-graphllmllm-memorymemoryopenaipersistent-memorypythonragretrievalretrieval-augmented-generationsemantic-searchtransformervector-database
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/memlayer)Perguntas
- memlayer executa?
- memlayer executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 5 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou memlayer?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 5e95f44061a8. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar memlayer?
- A execução que produziu este veredito custou US$ 0,16: 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 memlayer?
- 5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- memlayer 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 memlayer?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como memlayer se compara às alternativas?
- Dos 135 projetos de agent que a Argusic instalou e cronometrou, memlayer foi o 48º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
- Onde estão as evidências de memlayer?
- 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.