O que é Mnemosyne?
Mnemosyne é uma camada de memória para agentes de IA que guarda tudo em um único banco SQLite. Começou como plugin de memória para o Hermes Agent, da Nous Research, e hoje também atende Claude Code, Cursor, Codex, Windsurf, OpenWebUI, OpenClaw e Pi via MCP ou um SDK em Python.
As memórias entram em um nível de trabalho que é injetado nos prompts; depois, um ciclo sleep() resume os itens antigos em um nível episódico de longo prazo, pesquisado por vetores do sqlite-vec e palavras-chave do FTS5. Um repositório de triplas separado registra fatos com datas de validade, então consegue responder o que era verdade em um dia específico. A sincronização entre máquinas é opcional e pode ser criptografada no cliente.
O projeto usa a licença MIT, tem cerca de 3.600 estrelas no GitHub e lançou a versão 4.0.0 em 27 de outubro de 2026. Vários projetos sem relação usam o mesmo nome; este é o da mnemosyne-oss, o mais ativo e o listado no catálogo de plugins do Hermes.
Mnemosyne vale a pena?
O argumento do Mnemosyne é operacional, não acadêmico: um pip install e um arquivo SQLite dão a um agente memória de longo prazo sem Postgres, sem banco vetorial e sem conta. A busca pontua cada memória com 50% de similaridade vetorial, 30% de ranking de palavras-chave do FTS5 e 20% de importância, tudo dentro do SQLite, e os embeddings podem ser comprimidos de 384 floats para 48 bytes. Pela comparação do próprio projeto, o Mem0 precisa de Qdrant ou Postgres e o Letta de Postgres para a mesma tarefa.
O armazenamento é em níveis. Memórias novas ficam na memória de trabalho, que é injetada nos prompts e expira por padrão após 168 horas. Uma passada de sleep() resume as memórias antigas com um LLM (um endpoint remoto compatível com OpenAI, um modelo GGUF local de cerca de 656 MB baixado no primeiro uso, ou um fallback por palavras-chave) e grava o resumo na memória episódica. A consolidação é aditiva: os originais são marcados, não apagados. A extração de fatos por LLM é ativada chamada a chamada, e o resolvedor de conflitos que substitui memórias contraditórias vem desligado, então fatos desatualizados permanecem até você limpá-los.
Os benchmarks pedem cuidado. O único resultado válido é 65,2% no BEAM com 100K tokens, medido na v3.0.0 em maio de 2026 pelo próprio projeto com Llama 3.3 70B e um juiz DeepSeek V4 Flash; o README admite que os 73,4% publicados pelo Hindsight ficam à frente. Um número de 98,9% no LongMemEval foi retirado em setembro de 2026 porque não havia registro da execução, mas a tabela comparativa do mesmo README ainda mostra 87,4% no LongMemEval. A busca pura chegou a apenas 20% de Recall@10 em todos os tamanhos de corpus, com 372 ms de latência em 100K. Não há resultado publicado no LoCoMo.
O foco local depende do perfil de instalação. O pacote básico (cerca de 50 MB de RAM) não traz modelo de embeddings local e espera um endpoint remoto, OpenRouter por padrão, que então recebe o texto das memórias e das consultas; rodar tudo localmente exige o extra de embeddings, de cerca de 800 MB. O servidor MCP também pode abrir portas SSE ou HTTP, e ligações fora do loopback exigem uma lista de hosts permitidos. A versão 4.0 corrigiu um bug em que modelos de embeddings desconhecidos geravam silenciosamente um índice vetorial incompatível.
Para um desenvolvedor individual ou um usuário do Hermes que quer memória sem manter infraestrutura, é uma escolha sólida. Produtos multiusuário que precisam de isolamento por cliente, backups gerenciados ou benchmarks auditados ficam mais bem servidos por Mem0 ou Graphiti.
Onde ele se destaca
Um desenvolvedor freelancer que alterna entre Claude Code, Cursor e Codex
Manter uma só memória das decisões do projeto nas três ferramentas
Rode mnemosyne mcp e adicione a mesma entrada de servidor à configuração MCP de cada ferramenta. As três leem e gravam um único arquivo SQLite; instalar o extra de embeddings (cerca de 800 MB de RAM) mantém os vetores locais em vez de enviar texto ao OpenRouter.
Um entusiasta que roda um bot do Hermes Agent em uma VPS de 1 GB
Dar memória de longo prazo a um assistente no Telegram sem servidor de banco de dados
Instale o pacote básico (cerca de 50 MB de RAM) com mnemosyne-hermes e aponte os embeddings para uma API remota, aceitando que o texto das memórias sai da máquina. Sincronize com uma cópia no desktop usando mnemosyne sync e a opção --encrypt para ter backups.
Um engenheiro de operações que acompanha quem é responsável por cada serviço
Perguntar o que estava atribuído a quem em uma data passada
Grave as atribuições no TripleStore com datas valid_from e consulte com as_of. É a única parte do Mnemosyne que trata explicitamente fatos que mudam; memórias comuns precisam de limpeza manual quando ficam desatualizadas.
Antes de decidir
- Configuração
- pip install mnemosyne-memory, ou mnemosyne-memory[all] para embeddings locais e consolidação com LLM, e depois uma entrada na configuração MCP. Usuários do Hermes adicionam mnemosyne-hermes e definem memory.provider como mnemosyne.
- Integrações
- MCP via stdio, SSE ou HTTP com streaming; SDK em Python; provedores nativos para Hermes Agent e OpenClaw; uma extensão para Pi; uma ponte de ferramentas para OpenWebUI.
- Dados e privacidade
- As memórias ficam em um arquivo SQLite local, a menos que você ative a sincronização ou embeddings ou LLMs remotos; embeddings remotos enviam o texto das memórias e consultas ao endpoint, OpenRouter por padrão. Sem telemetria. Os dados sincronizados podem ser criptografados com Fernet ou XSalsa20-Poly1305, e o servidor vê só metadados.
- Custo em escala
- Sem taxa de licença nem de hospedagem. O perfil local completo recomenda 8 GB de RAM; fora isso, o custo é o preço por chamada do endpoint de embeddings e resumo que você configurar.
- Limites
- Um único arquivo SQLite serve para um usuário ou uma frota de agentes, não para um produto multiclientes. Cerca de 180 issues e pull requests abertos. Os embeddings padrão são ajustados para inglês; a busca multilíngue exige outro modelo. Os números do BEAM são anteriores à v4 e não foram refeitos.
O que é bom
- Um arquivo SQLite, sem servidor de banco de dados nem conta
- Servidor MCP e integrações nativas com Hermes, OpenClaw e Pi
- O repositório temporal de triplas responde o que valia em uma data
- Sincronização opcional com criptografia no cliente
O que não é
- Número do LongMemEval retirado; o README ainda mostra outro
- Tratamento de contradições desligado por padrão
- A instalação básica envia o texto das memórias ao OpenRouter para embeddings
- 20% de Recall@10 na busca do BEAM
Ideal para
Desenvolvedores individuais e usuários do Hermes Agent que querem memória persistente na própria máquina sem manter um banco de dados.
Alternativas ao Mnemosyne
Mnemosyne: perguntas frequentes
- Mnemosyne vale a pena?
- Mnemosyne é a memória para agentes mais autossuficiente que existe, um arquivo SQLite e nenhum serviço, mas seu histórico de benchmarks é fraco e em parte retirado, então as promessas de qualidade ainda pedem o seu próprio teste. Damos nota 3.7 de 5.
- Quanto custa Mnemosyne?
- Gratuito e de código aberto sob a licença MIT. Sem serviço hospedado nem plano pago; o custo é a sua própria máquina mais qualquer endpoint remoto de embeddings ou LLM que você escolher.
- Quais são as desvantagens de Mnemosyne?
- Número do LongMemEval retirado; o README ainda mostra outro; tratamento de contradições desligado por padrão; a instalação básica envia o texto das memórias ao OpenRouter para embeddings; 20% de Recall@10 na busca do BEAM.
- Para quem Mnemosyne é indicado?
- Desenvolvedores individuais e usuários do Hermes Agent que querem memória persistente na própria máquina sem manter um banco de dados.
- Quanto custa Mnemosyne para uma equipe ou em produção?
- Sem taxa de licença nem de hospedagem. O perfil local completo recomenda 8 GB de RAM; fora isso, o custo é o preço por chamada do endpoint de embeddings e resumo que você configurar.
- Mnemosyne é seguro para dados da empresa?
- As memórias ficam em um arquivo SQLite local, a menos que você ative a sincronização ou embeddings ou LLMs remotos; embeddings remotos enviam o texto das memórias e consultas ao endpoint, OpenRouter por padrão. Sem telemetria. Os dados sincronizados podem ser criptografados com Fernet ou XSalsa20-Poly1305, e o servidor vê só metadados.
- Quais são as melhores alternativas ao Mnemosyne?
- As alternativas mais próximas que analisamos são Mem0, Letta, Graphiti e claude-mem.
Respostas verificadas em 6 de nov. de 2026.