probar pick editorial #local-first-agent-memory hallazgo 05 · boletín 2026-09-27

tigerless-labs/agent-memory

runtime de memoria long-term para AI agents donde archivos Markdown en un directorio son la fuente única de verdad y un índice SQLite adyacente es el cache (regenerable, borrable, no crítico). Retrieval local rankeado que responde con paths (no chunks opacos); writes disparados en conversation boundaries; sleep-time pass que olvida por valor. Cero API keys, soporta Claude Code y Codex CLI.

Estrellas

1.220

Forks

Lenguaje

Markdown

Licencia

MIT

Issues

—

Estado

—

Cómo funciona

Implementa local-first-agent-memory

Núcleo

tigerless-labs/agent-memory Markdown · MIT agent-memoryai-agentsclaude-codecodexllm

Se cruza con compite con mem0 usa markdown-as-source-of-truth

Diagrama derivado de madurez_senales (lenguaje, licencia, estado y topics) y de las relaciones que este repo tiene en el grafo de conocimiento. No es una arquitectura del proyecto: es su posición funcional tal como la registran los boletines.

Posición en el ecosistema

tigerless-labs/agent-memory

compite con

mem0 Concepto · y vectorize-io/hindsight

tigerless-labs/agent-memory

implementa

local-first-agent-memory Concepto

tigerless-labs/agent-memory

usa

markdown-as-source-of-truth Concepto

Expandir en el grafo 3D →

Relaciones que aportó este boletín

implementslocal-first-agent-memorynuevo usesmarkdown-as-source-of-truthnuevocompetes_withmem0· 2026-08-10competes_withlettanuevocomplementstigerless-labs/cost-xray· 2026-09-05enablesair-gapped-agent-runtimenuevo relevant_toagent-skills-pack· 2026-09-26

Por qué importa

agent-memory resuelve el dilema "embeddings vs filesystem" sin vendor lock-in: donde mem0 (que ya cubrimos el 2026-08-10), Letta y Zep montan memory layers con embeddings + graph DB opaco, este runtime apuesta por archivos Markdown como única fuente de verdad y un SQLite adyacente como cache regenerable — si el SQLite se borra, se reconstruye desde el Markdown sin perder nada. Para el lector AI+dev importa porque (a) el enfoque local-first y zero-API-key lo hace viable en entornos air-gapped; (b) el retrieval devuelve paths exactos en lugar de chunks opacos, lo que reduce el coste de operar el agente al evitar pagar embeddings por consulta; (c) completa la vertical "AI dev tooling" del mismo vendor, tigerless-labs, que abrió con cost-xray el 2026-09-05 y ahora conecta con el agent-skills-pack que cubrimos el 2026-09-26.

Alerta

instalable como skill en Claude Code; explorar el patrón "recall returns paths, not chunks" porque es una decisión arquitectónica replicable en otros memory layers; vigilar el vendor tigerless-labs porque está construyendo una vertical AI dev tooling coherente

agent-memory evita embeddings por diseno; eso reduce coste y dependencia pero limita la calidad de recall frente a mem0 o Zep en cargas con volumen real.

Acción concreta

agent-memory es la pieza que mas directamente toca el stack local-first de CSS (Markdown + SQLite + cero API keys); merece prueba de concepto en air-gapped para validar recall frente a mem0.

Apariciones · 1

2026-09-27 hallazgo principal
primera vez en el boletín

Señales de madurez (texto original)

1220★ · 76 forks · Python · MIT · creado 2026-09-01 · último push 2026-09-25 · Desc oficial: "Long-term memory runtime for AI agents — plain Markdown as the source of truth, SQLite as a cache you can delete at any time." · Topics: agent-memory, ai-agents, claude-code, codex, llm, local-first · Activo, archivado=false. CLAUDE.md y SKILL.md presentes (vendor-friendly).