#llm-memory Repositorios
Descubre 18 repositorios activos de código abierto de GitHub etiquetados con #llm-memory, que acumulan 40,301 estrellas en total (una media de 2,238 estrellas por proyecto). El líder de este tema es alibaba/zvec, con 16,275 estrellas.
18 repositorios en total
[NeurIPS'24] HippoRAG es un novedoso framework RAG inspirado en la memoria a largo plazo humana que permite a los LLM integrar continuamente conocimiento a través de documentos externos. RAG + Grafos de Conocimiento + Personalized PageRank.
Mirix es un asistente personal multiagente diseñado para rastrear las actividades en pantalla y responder preguntas de los usuarios de manera inteligente. Al capturar datos visuales en tiempo real y consolidarlos en recuerdos estructurados, Mirix transforma las entradas brutas en una rica base de conocimiento que se adapta a tus experiencias digitales.
Memoria a largo plazo basada en perfiles de usuario para aplicaciones de chatbot de IA.
Memoria de Claude Code, Codex y Cursor: memoria MCP local, búsqueda en el historial de sesiones y transferencia entre agentes de programación.
Investigación de la arquitectura DeepSeek Engram basada en Qwen-3 y la serie Stable Diffusion.
Awesome AI Memory | LLM Memory | Una base de conocimientos curada sobre memoria de IA para LLM y agentes, que cubre la memoria a largo plazo, el razonamiento, la recuperación y el diseño de sistemas nativos de memoria. Awesome‑AI‑Memory es una base de conocimientos centralizada y actualizada continuamente sobre memoria de IA que recopila sistemáticamente investigación de vanguardia, marcos de ingeniería, diseños de sistemas, métricas de evaluación y prácticas de aplicación reales relacionadas con la memoria de grandes modelos (LLM Memory) y la memoria de agentes (Agent Memory).
Memoria de agentes para LLM: 30 cuadernos Jupyter ejecutables que cubren búferes de conversación, almacenes vectoriales, grafos de conocimiento, memoria episódica y semántica, MemGPT, Mem0, Letta, Zep, Graphiti, puntos de referencia LoCoMo y patrones de producción.
Contexto componible y basado en vistas para DeepSeek Harness. Fuentes y estrategias intercambiables, con memoria por capas y habilidades autoevolutivas listas para usar.
Un cerebro cibernético para tu IA. Nunca olvida un detalle, recuerda exactamente lo que dijiste y aprende cómo trabajas con el tiempo. Gratis, local, funciona con Cursor, Claude Code, Codex, OpenClaw, Hermes y más. MIT.
Memoria persistente nativa de Git para agentes de programación con IA. Implementa Google OKF v0.2 con búsqueda BM25 en memoria de menos de 300 µs, servidor MCP integrado y divulgación progresiva. Reduce la sobrecarga de tokens en un 80 %, sin bases de datos externas ni dependencias. Creado íntegramente en Go puro.
Una memoria para todos los agentes que vayas a usar. Hippo guarda en un almacén de tu repositorio lo que le enseñas a un agente de programación, y tus otros agentes leen ese mismo almacén.
Memoria persistente supervisada por un LLM para agentes de IA: recuperación basada en grafos, conocimiento entre sesiones y un único binario. Funciona con DeepSeek Harness, Claude Code, OpenClaw y cualquier entorno de ejecución de agentes.
Sistemas, puntos de referencia y artículos seleccionados sobre memoria para LLMs/MLLMs: contexto a largo plazo, recuperación y razonamiento.
Dale a Claude Code memoria fotográfica en UN solo archivo portátil. Sin base de datos, sin SQLite, sin ChromaDB: solo un archivo .mv2 que puedes hacer git commit, scp o compartir. Núcleo nativo en Rust con operaciones de submilisegundos.
Caura (anteriormente MemClaw): memoria compartida gobernada para flotas de agentes de IA. Multiagente, multinquilino y nativa de MCP. Niveles de confianza, políticas fundamentales, registros de auditoría, grafo de conocimiento y recuperación con mejora continua. Apache 2.0.
Preguntas frecuentes
¿Cuál es el repositorio de #llm-memory más popular en GitHub?
El proyecto de código abierto de #llm-memory mejor posicionado en GitHub es alibaba/zvec, con 16,275 estrellas. Una base de datos vectorial ligera, ultra rápida y en proceso
¿Qué lenguajes de programación se utilizan más en los repositorios de #llm-memory?
Entre los proyectos de #llm-memory mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Go, TypeScript, C++.
¿Cómo se calcula la clasificación de los repositorios de #llm-memory?
Seguimos 18 repositorios activos de código abierto etiquetados con #llm-memory (500+ estrellas), que suman un total de 40,301 estrellas, con una media de 2,238 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.