Original em inglês: https://argusic.com/subject/memoket-kite
memoket-kite
Um mecanismo de memória de longo prazo de código aberto e sem vetores para AI agents, alcançando o estado da arte em LoCoMo e LongMemEval com significativamente menos contexto.
Executa com mocksfonte: GitHubpágina do projetoPythonApache-2.0commit c007108f926d
Python, licença Apache-2.0. O projeto se descreve como: agent memory, agents, ai, ai agents, ai memory, chatbot, genai e knowledge management.
memoket-kite executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 16 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
memoket-kite 0.1.0 is installed with all dependencies in a Python venv, 425/427 tests pass, and the full Memory remember/recall/answer pipeline executes correctly against a mock OpenAI-compatible provider
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.
- 9 test failures: o200k_base tokenizer encoding unavailable (tiktoken not installed)2 minutos
- Mock LLM extract returned wrong src IDs (regex captured whole | delimited line)2 minutos
- System pip install blocked by externally-managed-environment1 minuto
- Tempo de instalação
- 16 minutos
- Da máquina limpa até o fim
- 17 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pip install -e succeeded; pytest: 425 passed / 2 skipped; full quickstart pipeline (remember+recall+answer_with_evidence) verified via mock LLM server returning correct plan/extraction JSON
- Tokens de modelo usados
- 398.675
- Commit exato testado
- c007108f926d
- 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.
|---|---|---| | System pip blocked by `externally-managed-environment` | Created and used a Python venv | 1 min | | 9 test failures — `tiktoken` (o200k_base) not installed for exact token counting | Installed the … | Mock LLM extract returned source IDs as `session_1L1\|user\|` instead of `session_1L1` | Fixed re… ### What was verified - **Test suite**: `python -m pytest tests/ -q` → **425 passed, 2 skipped** (2 skips are expected: h… - **Full quickstart pipeline** (via mock LLM server on `127.0.0.1:8999`): - `Memory.load()`, `remember()`, `recall()`, `answer_with_evidence()` all executed correctly - Fact extraction → XML persistence → recall → evidence-backed answer: round-trip verified - **Inspect codebook example** ran without errors ### Limitations (tier2_mock) The recall and answer flows require an LLM to compile natural-language questions into symbolic quer…
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
- Recuperou-se de todos os 3 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença Apache-2.0, 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.
- Levou 16 minutos para instalar, mais devagar que a mediana dos 24 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 25 projetos de agent-memory que a Argusic instalou e cronometrou, memoket-kite foi o 20º mais rápido a chegar a um estado de execução, e 22 de 25 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)
agent-memoryagentsaiai-agentsai-memorychatbotgenaiknowledge-managementllmllm-memorylocomolong-term-memorylongmemevalmemorymemory-enginememory-layermemory-managementpythonragretrieval
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/memoket-kite)Perguntas
- memoket-kite executa?
- memoket-kite executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 16 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou memoket-kite?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit c007108f926d. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar memoket-kite?
- 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 memoket-kite?
- 16 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- memoket-kite 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 memoket-kite?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como memoket-kite se compara às alternativas?
- Dos 25 projetos de agent-memory que a Argusic instalou e cronometrou, memoket-kite foi o 20º mais rápido a chegar a um estado de execução, e 22 de 25 chegaram a esse estado.
- Onde estão as evidências de memoket-kite?
- 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.